基于Contourlet变换和支持向量聚类的遥感图像融合方法

Contourlet变换作为新的多尺度分析方法比小波变换更适合分析二维图像的边缘特征,而支持向量聚类算法所获得的聚类效果不受聚类形状限制,也勿需预先给定聚类数目等参数。据此提出了一种基于Contourlet变换和支持向量聚类的遥感图像融合方法。首先对源图像进行Contourlet变换,再对其高频系数利用支持向量聚类进行融合,最后进行图像重构得到融合结果。给出了实验结果,采用均方差、信噪比、信息熵、空间频率、清晰度和相关系数等评价指标对融合效果进行了定量评价,并与加权平均法、现有的基于Contourlet变换的图像融合方法以及基于支持向量聚类的图像融合方法进行了比较。结果表明提出的基于Contourlet变换和支持向量聚类的遥感图像融合方法能取得更优越的融合效果。
     

月球图像传输与处理的分析和仿真

需要一个平台对探月卫星,探月图像传输和处理进行研究. 嫦娥一号月球图像的传输与处理的仿真,结合了链路分析,采用MATLAB GUI 和虚拟现实设计工具。由于图像在深空传输中,距离较远,信号会受到很大的衰减,传输质量会受到噪声干扰的严重影响。因此要对系统链路进行严格的预算分析,包括考虑地球大气产生的影响,以确保信号传输质量满足要求,另外还要通过适当算法提高图像的清晰度。这种仿真方法对探月图像传输的研究奠定了基础,并且对降低探月成本有一定的帮助。     

基于Sigma方法的SAR图像斑点噪声滤波器

文章基于传统Sigma滤波器,提出了一种新的SAR图像滤波方法。首先,分析指出传统Sigma滤波器处理复合噪声和保持弱边缘的能力较弱的缺点。然后,改进Sigma滤波器的δ-条件,使之更加适应复合噪声分布条件下的SAR图像滤波。提出了灰度中心偏移的Sigma滤波（GCOSF）,增强Sigma滤波器保持弱边缘的能力。在GC...     

新一代多光谱扫描仪图像采集与处理系统

文章介绍了新一代多光谱扫描仪图像采集与处理系统及其实现方法,该系统结构模块化、通用性强、实现灵活、内部接口简单。     

基于YOLOv4的无人机航拍视频实时检测

相对于其他检测器，YOLOv4具有较高的检测准确度和速度。通过对离线航拍视频截取关键帧组成样本图片，按照检测目标类型对图片包含的目标进行分类，再使用labelimg工具对样本图片进行标注，最终形成所需的训练数据集。实验中采用迁移学习方法对数据集进行训练，实验结果表明，训练生成的模型在测试集上平均均值精度（mAP）达到62.77%，召回率（Recall）达到90.25%，在配备NVIDIA P4000显卡的计算机上可达到每秒20帧的检测速度，满足实时目标检测需求，可应用在实际工程实践中。     

结合极化自注意力机制的空间目标位姿估计

利用深度学习强大的特征提取能力和残差网络的捷径反馈机制，设计了端对端的图像位姿估计方法。该方法提高网络特征的学习能力，将Polarized Self-Attention注意力模块嵌入到残差网络ResNet-50中，对空间目标图像中的空间信息进行了增强。由于空间目标的位置和姿态信息相互独立，将其分为两个不同的网络结构分支通过回归分别得到两者的信息。其中，在姿态信息回归分支中，对姿态信息进行软分配编码，相比直接回归有效减少了姿态误差。最后在URSO空间目标图像数据集上进行了实验验证，所提算法对空间目标位姿估计取得了更好的估计结果。     

一种基于红外热成像的温度异常定位算法

温度异常检测难度大，危险系数高等问题，本文提出了一种基于红外图像面阵传感器的传统与人工智能算法相结合的算法。实验表明，本文的算法在一定程度上能够很好地实时检测目标的温度和精确定位。     

一种采用行列聚类并行的星像坐标提取方法

为了提高星敏感器的数据更新率,必须减少星像坐标的提取时间。在提取星像坐标的过程中,现有基于FPGA的方法虽然避免了星图保存和读取过程,然而需要高性能的FPGA才能实现。为此提出了一种采用行列聚类并行的星像坐标提取方法,将逐个像素聚类的方式优化成像素队列聚类的方式,实现了对恒星星像坐标的实时提取,可以解决现有的实时提取星像坐标方法中像素输出时钟与处理时钟不匹配的问题,达到1个时钟周期处理完1个像素的目的,从而减少了星像坐标的提取时间,提高了星敏感器的实时性。最后把该方法嵌入到某星敏感器系统中,实验结果表明,与现有基于FPGA的实时提取星像坐标方法相比,在相同工作频率且不降低星像坐标提取精度的前提下,提取时间仅为现有方法的21.1%,数据更新率提高了近5倍。因此,该方法不但具有实时性,而且具有较好的鲁棒性。     

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。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...