圆形结构形态学滤波器优化设计及应用

形态学滤波是红外弱小点目标检测研究中一个有效方法,其滤波器结构将直接影响检测性能。基于目标在实测红外图像上所呈现的凸包结构特点,首先设计了圆形形态学滤波器结构。在此基础上,引入神经网络进行圆形形态学滤波器结构元素优化设计。实测数据的处理结果表明:针对低信噪比图像(SNR≈2),在虚警概率小于等于1%情况下,优化的圆形形态学滤波器算子对的复杂红外弱小目标图像检测概率大于等于98%,优于固定结构元素的形态学滤波器和方形结构的优化形态学滤波器。     

基于区域的GLRT车辆目标检测方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的地面车辆目标自动检测是一项重要的SAR军事应用研究。提出一种基于区域的广义似然比法(Generalized likelihood ratio test,GLRT)的目标检测方法,该方法将GLRT目标检测理论与图像分割技术相结合。首先利用普通图像常用的分割聚类方法从SAR图像场景中粗略地分离出陆地杂波区域和目标潜在区域。然后根据分割结果,分别对两区域数据建立合理的统计模型。最后在背景和目标统计特性都已知的情况下,采用GLRT目标检测方法对目标潜在区域的像素点进行逐一检测,获得更为精确的检测结果。对实际SAR数据处理的结果表明,该方法能有效地从陆地场景中检测出地面车辆目标,且具备一定的精确性和快速性。     

一种新的基于红外图像的道路边界检测方法

研究了红外图像中道路边界的检测方法。首先分析了用于智能车辆视觉导航的红外道路图像的特点,并指出常用图像处理方法在检测红外道路边界时的缺陷;然后从图像灰度角度出发,提出了基于折线模型的候选道路边界线段快速提取方法,并采用关系稳定性规则对道路边界区域进行筛选和处理;同时利用多尺度形态学梯度进行道路边界区域提取;最后将上述基于灰度和梯度的两种边缘提取结果相互验证,得到可靠的道路边界描述。实验表明文中提出的道路边界检测方法具有很好的性能,能够满足实时应用需要。     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

基于特征点运动矢量估计的动态序列图像运动目标跟踪

提出了一种改进的特征点运动矢量估计方法,用于动态序列图像中的运动目标跟踪。首先利用改进的最小亮度变化算法提取特征点;然后通过自适应的十字模式搜索法确定这些特征点的匹配点。在RANSAC方法的基础上,利用运动背景的仿射变换参数实现运动背景的补偿。最后利用合理的形态滤波技术,运动目标将完整地从背景中提取出来并实现准确跟踪。实验结果表明,改进的方法可以成功完成运动背景的补偿,并为动态序列图像的运动目标跟踪提供了保证。     

一种月面采样量的在轨自主测量方法

月面采样量的在轨自主测量是实现月面自主采样的必要环节。本文设计了一种月面采样装置,根据图像信息实现对月面采样量的在轨自主测量。针对图像中目标与背景灰度差较小、背景区域噪声较多的特点,采用了改进型最大类间方差法与连通标记自适应去噪方法,实现了采样区域较为准确的分割。针对单目相机无法直接获取采样区域尺寸的特点,利用已知物体尺寸进行在轨自主标定,结合图像中提取出的采样区域,完成了采样区域尺寸的计算,实现了采样量的在轨自主测量。试验结果表明,在轨自主测量结果与实际结果吻合,本文提出的在轨自主测量方法有效。     

基于CCD图像的点云区域分割方法

提出了一种新的激光点云分割方法,该方法采用点云与CCD图像外部标定的方法,将点云标定到CCD图像上,然后通过图像分割的方法实现了快速提取感兴趣目标区域内的点云。     

基于TOP-HAT滤波器算子的红外弱小目标检测算法

针对红外序列图像中运动弱小点目标的检测问题,设计了一种基于改进神经网络优化的修正Top-Hat形态学滤波器算子.其中形态学滤波器的结构元素采用两层前馈神经网络,通过大量样本训练优化,将Top-Hat运算作为一个整体当作一层,输出层节点定义为Top-Hat运算后图像矩阵的最大值.实测数据的处理结果表明:针对低信噪比(RSN≈2)图像,在虚警概率≤5%情况下,优化的修正Top-Hat形态学滤波器算子对复杂图像检测概率≥75%,与固定结构元素的Top-Hat形态学滤波器相比检测概率提高了近8%,算法的运算时间仅增加了0.7ms.     

结合局部高清图像的遥感集群目标区域超分辨率重建

近年来,卫星遥感图像的应用场景越来越广泛。但是由于采集设备有限及其成本限制,卫星传感器获取到的图像通常不具备足够的分辨率且分布不够均匀,同时部分目标聚集成群难以分辨,导致低分辨率遥感图像在目标检测与识别等空间语义理解任务上难以满足准确定位和分类所有目标的要求。相比于一次性采集完整高分辨率遥感图像,已有遥感图像通常在局部区域具有相对清晰的高分辨率,且具备足够的细节信息用于分辨目标群,而传统的遥感图像超分辨率重建方法主要关注遥感图像自身的全局特征,通过图像的全局特征进行分辨率和像素扩充,而忽视了遥感图像的细节信息。为了解决这些挑战,提出了一种将遥感图像局部聚集群目标区域的细节特征信息引入到完整遥感图像的采样重建中的方法,通过多层级的神经网络来提取不同尺度的图像特征,并通过残差学习的方式将这些特征进行融合并重建。在实验中,该方法相比主流现有的遥感图像超分辨率重建方法,在视觉效果和测试实验上都取得了更好的结果,证明该方法可以有效借助局部图像的像素信息,显著地提高全局遥感图像的细节效果和优化集群目标区域的分辨能力,提升了遥感图像的质量和可用性。     

基于脊波变换的三维工业CT图像空间距离测量

工业CT是一种应用广泛的射线无损检测技术,工业CT三维图像的测量是其中重要的组成部分。本文利用脊波变换,初步实现了三维工业CT图像的空间距离测量。首先对三维图像进行三维Radon变换,得到投影值构成的二维图像(称为投影值图像)。然后在待测量位置画一条直线,对直线上的灰度值进行小波变换。根据变换后的小波系数确定投影值图像的边缘位置,从而求出三维图像内两点的距离。仿真实验表明:采用本文的脊波方法测量三维工业CT图像的两点空间距离可达到较高精度。     

粒子像斑三维定位的透视成像原理和方法

在三维粒子成像测速 (PIV)方面 ,可运用体积光照明同时从不同光轴用多个照相机获得PIV图像 ,如何根据这些不同光轴获得的PIV图像确定出粒子物点的空间位置是实现三维粒子成像测速的前提。基于此 ,提出了根据多幅不同光轴的PIV图像的粒子像斑实现粒子物点三维定位的透视成像定位原理和方法。精确确定透视平面与透视中心在空间的位置是实现粒子物点三维定位的关键 ,直接测定透视中心 (照相机的光学中心 )和透视平面在空间的精确位置用常规的测量手段和方法难以奏效 ,因而针对透视图像成像特征及规律进行了较为深入地研究探讨 ,这对于寻求精确计测透视中心和透视平面空间位置的方法有着重要意义。作为实例 ,还给出了两光轴夹角为 90°情况下实现粒子物点三维定位的一系列具体方法和有关算法及定量关系。     

基于二代曲线波变换的红外弱小目标背景抑制

在分析几种常用背景抑制方法的基础上,利用二代曲线波变换具有的优良特性,提出一种基于二代曲线波变换的红外弱小目标背景抑制方法.首先利用曲线渡变换对图像进行分解提取图像的多尺度细节特征;然后对分解后的低、高频子带分别采用变分和模糊非线性变换进行处理来调整目标特征的强度,重构子带获得预测的背景图像;最终将其与原图相减得到背景抑制后的图像.实验结果表明,与几种经典方法相比,该方法在主现视觉和客观评价指标两方面均表现出良好的效果.     

三维PIV透视成像粒子定位的可确定性

三维粒子成像测速 (PIV)的透视成像分析方法中 ,在运用体积光照明并从多个不同光轴方向用多台照相机或摄像机同时获得PIV图像后 ,根据多幅不同光轴的PIV图像的透视性质 ,运用物点三维定位的透视成像定位原理和方法 ,可通过找出各透视面上像点所对应的透视射线的交点来确定相应粒子的三维位置。问题在于 ,尽管粒子所在位置上必然存在各像点相应的透视射线的交点 ,但反过来 ,相应的透视射线的交点上却未必存在着真实的粒子。换言之 ,示踪粒子与其像点相应的透视射线相交的交点间一般并不存在一一对应的关系。本文讨论了在给定透视中心和透视平面位置的条件下 ,由多幅不同光轴的PIV图像上的粒子的透视像点来确定粒子物点是否存在意义上的可确定性 ,并讨论了PIV图像上粒子像斑密度、尺度及其中心测量精度对粒子物点可确定概率的影响。     

一种基于时间差分运动检测的改进方法

本文提出了一种基于时间差分运动检测的改进方法。首先计算时间上连续的两帧灰度图像的差分图像；然后，将得到的差分图像通过低通滤波和二值化处理；最后，利用图像序列中的多帧灰度图像计算得到一组二值图像，通过对二值图像进行像素的算术运算，提取出运动目标区域。实验结果表明：这种方法是有效的。     

基于区域气球力Snake模型的运动目标快速跟踪方法

提出了一种包含区域信息的Snake模型用于运动目标检测与跟踪。在通常情况下,基于区域信息的跟踪方法对背景光线的微小变化、位置的微小移动较为敏感,而基于边缘信息的跟踪方法则难以对边缘模糊的图像取得满意的跟踪效果。在算法中同时引入这两种信息,边缘信息使得算法快速而鲁棒性好,区域信息可以对边缘模糊的图像取得正确的跟踪效果。使用双差分图像设计了自动初始化的方法来实现视频的自动跟踪。同时,对目标的下一步运动位置增加了一个预测环节来加快主动轮廓模型的收敛速度。该算法的每帧计算时间一般小于0.1S,能应用于实时系统。     

一种基于合成孔径聚焦图像的目标测距方法

基于合成孔径聚焦图像提出一种新的目标测距方法。该方法利用小孔成像模型摄像机获取与目标视线垂直的等间隔线阵机位图像序列,并将线阵与目标视线交点处机位的图像作为基准图像。根据图像序列获取各距离段所对应的像差校正叠加图像,计算基准图像中每个像素的邻域与每一幅像差校正叠加图像中相应区域的相似度,并选取相似度随像差校正叠加图像变化的范围大于一预设阈值的像素作为可测距像素,相似度最大的像差校正叠加图像所对应的距离段即为该可测距像素对应目标点所处的距离段。对合成孔径原理进行了仿真分析,并根据摄像机线阵实测数据和航拍序列实测数进行了测距实验。实验表明该测距方法鲁棒性好,算法简单,并且无干扰。     

基于多特征综合的角点检测算法

角点检测是计算机视觉处理的首要步骤，本提出一种平面曲线角点检测的方法。首先，从人类视觉感知出发．给出角点两个重要性质作为对传统角点性质的补充，基于上述两个性质，模糊集合的概念被引入到检测问题。然后，给出三组包含角点隶属度的特征提取公式，综合三组特征，给出角点检测、定位、优选的判据。中最后给出算例检测结果和感兴趣部分的特征曲线，以及对历史献测试图像的检测结果。结果表明，本算法使用模糊集合理论，在实现上非常简单，检测效果也很理想。     

基于分块图像的二值商标图像检索

提出了一种基于分块图像特征的商标图像检索方法。该方法首先确定商标图像的形状主方向来消除图像旋转带来的影响,然后通过提取目标区域的方式消除图像平移的影响,再将图像的目标区域按照4叉树的分解方式划分为多个小的子图像块,对子图像块提取特征并对图像进行相似性度量。实验证明,利用该方法提取的特征兼顾了商标图像在局部和整体上的一致性,并且具有良好的旋转、平移、尺度的不变性,得到的检索结果能够很好地满足人类的视觉感受。     

基于序列图像的非合作目标自主导航及验证

针对空间自旋或章动运动的非合作目标运动感知与估计问题,给出了一种基于序列图像的运动测量与状态估计方法。所给出的方法由两部分组成:(1)采用立体视觉测量目标三个非共线的特征点,建立目标参考系并实现相对姿态的测量;(2)采用目标运动学和动力学方程,推导了扩展卡尔曼滤波器,实现目标角速度和惯量比的估计。最后,分别给出了数学仿真和物理试验:(1)利用数学仿真验证了所给出的卡尔曼滤波估计算法在不同目标运动情况下的收敛性;(2)利用机械臂模拟目标的自旋运动,利用双目相机采集目标运动图像,试验结果验证了所给出的运动测量与状态估计方法可以连续的给出目标角速度的精确估计。     

基于Depth from Focus的图像三维重建

应用改进Laplacian聚焦算子实现序列图像的融合显示,用高斯插值算法得到图像三维重建中的高度图,并设计一种轮廓线算法对高度索引图进行了三维重建;成功地应用于摄像机拍摄序列图像的三维重建,弥补了摄像机物镜焦深范围有限不能采样清晰大幅图像的不足.理论和实验结果证明,用该方法生成的二维融合图像和三维显示图像,恢复出比较精确的物体表面深度信息,提高了图像的清晰度.