基于可见光与红外卫星图像融合的舰船目标检测

为解决现有基于可见光卫星图像的舰船目标检测算法在云雾遮挡、海岸干扰等复杂场景下的错检和漏检问题,本文在YOLOv5网络基础上,通过空间特征与谱段特征的联合提取提高网络性能,提出了基于可见光与红外卫星图像融合的舰船目标检测算法VI-YOLOv5。实验结果表明:双模态融合目标检测算法性能优于单模态目标检测算法,在交并比阈值为0.5的情况下,可见光+红外融合网络的平均精度达0.976,相较于单可见光网络提高了2.5%,相较于单红外网络提高了8.9%,有效缓解了复杂场景下出现的错检和漏检问题,验证了可见光与红外卫星图像融合在舰船目标检测任务中的有效性。     

无人机航空像片与机载SAR图像融合算法研究

由于成像方式及波谱接收段的不同,航空像片与SAR图像所反映的信息有很大差异,图像之间互补性明显.通过将它们进行融合,可以充分利用其互补信息,增强对图像的解译能力,从而获取到信息更全面和准确的侦察图像.在分析航空像片与SAR图像的成像特性差异基础之上,采用几种常用的图像融合算法对其进行融合,并对融合效果进行了定量评价.     

基于SIFT子图像融合的直角坐标FBP算法

针对合成孔径雷达实测数据成像算法计算数据量大的问题,提出一种基于SIFT子图像融合的直角坐标系下的FBP算法。算法首先在直角坐标系下对SAR子孔径信号进行后向投影成像得到对应的子图像,然后对各子图像进行相位梯度自聚焦实现相位补偿,最后采用基于尺度不变特性变换(SIFT)的SAR图像配准方法对聚焦后的子图像进行融合得到全孔径图像。算法计算量比传统极坐标系下的快速后向投影算法小,并且由于基于SIFT的融合是针对复图像的融合,因此融合后图像的分辨率较传统的融合方法有所提高。机载实测数据的处理结果验证了算法的有效性。     

基于深度学习的SAR图像质量提升方法研究

提升合成孔径雷达(SAR)图像质量以增强其可判读性,一直是SAR图像处理中的关键问题。近年来,深度学习在光学图像处理中取得显著的成功,并逐步应用到SAR图像质量提升领域。对深度学习在SAR图像质量提升中的关键应用进行综述,对深度学习在SAR图像质量提升中采用的典型网络进行了介绍,并从SAR图像旁瓣抑制、超分辨(SR)处理和图像融合3个方面对深度学习的应用进行阐述。最后,分析与探讨了基于深度学习的SAR图像质量提升中的关键问题及进一步研究方向。     

基于小波包分析的图像融合算法

研究了小波包变换的基本原理及特点 ,提出了一种基于小波包分解的图像融合新算法。     

基于小波变换的图像融合增强算法

针对当前高速摄影系统不能保证采集的高帧频图像中所有目标物体聚焦清晰的特点,提出了一种基于小波变换的图像融合算法,对快速小波变换后得到的低频系数与高频系数采用一种改进型的融合规则进行算法仿真实验,并与传统的图像融合规则对比分析。     

基于改进SIFT的SAR图像与可见光图像配准

针对SAR图像与可见光图像的自动配准问题,提出了一种基于尺度不变特征(SIFT)的SAR与可见光图像配准算法。算法首先对SIFT主方向的检测进行了优化,利用特征点邻域内边缘局部极大值点的梯度方向作为特征点的方向,并以去均值归一化互相关系数为相似性度量进行特征点对匹配,然后通过随机抽样一致性算法(RANSAC)剔除误匹配点对,最后利用剩余的特征点对实现SAR与可见光图像的自动配准。实验结果表明,本算法对不同分辨率图像和不同旋转角度图像具有较好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法。     

基于小波变换的SAR和光学图像融合

针对多源图像复合问题，本文以SAR与光学图像为例，给出基于小波变换的图像融合方法。     

一种基于小波变换的全色遥感图像与彩色多光谱图像融合算法

小波分析是一种介于傅里叶分析和δ分析之间的，以具有一定时间和频率分辨率的基函数来进行的信号分析方法，是信号处理及数学界人士通过长期努力所得到的全新的目标，这种全新的分析方法在工程实践上已经取得了巨大进展。目前，以小波分析为工具的图像处理方法越来越丰富，也取得了良好的效果，本文介绍了一种基于多分辨率分析的小波变换图像融合算法，该算法使高空分辨率的全色遥感图像与彩色多光谱图像的融合达到了近乎完美的效果。     

基于改进SSD算法的航拍目标检测算法研究

研究基于深度学习技术的无人机航拍图像目标检测算法,首先介绍目标检测算法SSD(Single Shot MultiBox Detector),并对其特征提取网络进行改进,采用稠密特征提取网络替换原网络的主干特征提取网络,提高算法的特征提取能力,从而提升了算法的检测精度。针对网络实时性问题,在算法中引入分组卷积,极大地减少了网络参数量,提升了网络推理速度。为解决训练中出现的正负样本不均衡问题,利用焦点损失（Focal Loss）改进了原算法的损失函数,进一步提升了网络的收敛速度和精度。最后,通过仿真验证了改进算法在目标检测精度上的优越性。     

多源图像融合技术的发展与军事应用研究

多源图像融合能根据各波段传感器获得信息的互补性和冗余性,综合多个传感器的信息,获取对同一目标或场景全面而详尽的表述,从而得出更为准确、可靠的结论.首先分析了多源图像融合的主要研究内容,进而探讨了发展现状和存在的问题,在此基础上,总结了图像融合中常用的传感器和应用方向.     

基于Contourlet与HIS变换的SAR与多光谱影像融合方法

为了提高SAR影像的解译水平,本文利用Contourlet变换在影像表述上能够弥补小波变换不能有效捕捉二维空间实体的特点,提出了一种基于Contourlet与HIS变换的SAR与多光谱影像融合方法。实验选取了一组TM 多光谱影像与ERS-2 SAR影像进行融合研究,并将融合结果与基于HIS变换、DWT结合HIS变换融合方法的融合结果进行视觉比较与统计分析。结果表明,无论是目视比较还是统计分析,本文方法都很好的将SAR影像的空间细节与多光谱影像的色彩信息集成到了一起,显著地提高了SAR影像的解译水平,相对于基于HIS、DWT+HIS变换的融合方法获得了更好质量的融合影像。     

基于多重集典型相关分析的图像融合方法

提出了多重集典型相关分析在图像融合中应用.多重集典型相关分析能够最大化多组图像之间的互信息量,从而提升融合后图像的信息量.在对图像进行小波分解后,多重集典型相关分析应用于低频系数的融合.实验表明,该方法能够同时获取多组图像融合所需的权重参数,并使得融合后图像信息量得到提升.     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息,遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时,部分卫星无法针对某特定区域进行长时间的驻留扫描,本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network,CGAN）进行网络训练,前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息,通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集,有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算,平均误差、均方误差与结构相似度均高于99%,峰值信噪比高于30 dB,生成的图像与原图像之间具备高相似度,实现了在获取坐标定位轮廓信息的先验条件下,对特定区域进行遥感卫星影像内容重建技术。     

基于双投影策略的红外图像配准方法

图像配准是红外图像处理技术的前提,广泛应用于成像制导、光电侦查及工业实时监控等领域。考虑红外图像的实时配准需求,利用对数极坐标图像的尺度、转不变特性,将配准过程从直角坐标空间引入到对数极坐标空间,提出了基于双投影策略的配准算法,将二维空间的配准参数估计转换成两个一雏曲线的空间距离估计。此算法在保证尺度变化及旋转的匹配精度条件下,轴向投影统计大大降低匹配计算量。     

基于特征融合的雷达信号脉内调制类型识别

针对雷达信号脉内调制识别算法准确率低的问题,提出基于特征融合的雷达脉内调制类型识别方法,该方法首先提取雷达信号时频图像的形状特征和纹理特征,利用改进的主成分分析法（IPCA）对特征进行融合,然后将融合特征输入支持向量机（SVM）,实现信号的分类识别。仿真实验中对8种常见的不同调制类型的雷达信号进行识别,该算法在信噪比为5dB时识别准确率接近100％,验证了该方法的有效性。     

基于卷积调制的SAR有源欺骗干扰方法研究

针对Range-Doppler二维滤波失配导致SAR有源欺骗性假目标一致性差的问题,提出了一种基于卷积调制的SAR有源欺骗干扰新方法:在平台成像模型及其Range-Doppler失配模型的基础上,建立SAR有源欺骗干扰模型,估算失配成像结果对应的动态范围,在欲形成假目标位置的附近,进行失真接近的欺骗信号调制与发射。仿真表明,该方法使得欺骗干扰能量趋于集中,增强了干扰的一致性、欺骗性和可控性。