复杂背景下磨粒显微图像分割

针对DMAS系统中复杂背景下磨粒图像的自动分割问题，根据磨粒图像的相关特征，充分利用领域知识，基于图像分割和边界跟踪的思想，选取了适合磨粒图像分割的最大类间方差阈值法，并结合腐蚀、膨胀等图像处理技术，实现了复杂背景下磨粒图像的有效分割和目标提取。最后算例表明了本方法的简洁有效性。本文研究将对进一步展开磨粒识别和机械设备故障诊断研究工作提供前提和依据。     

基于图像处理自动调焦方法的稳定性研究

本文对几种常用的图像聚焦评价函数进行了比较、研究,并在此基础上针对由于图像噪声导致评价函数不稳定,调焦重复精度不够的现象,首次提出了调焦区域选择,图像预处理,改进算法,曲线拟合四项措施结合来提高调焦重复精度.     

图像模板测量技术在零件不规则薄圆孔检测中的应用

针对不规则薄圆孔的检测,提出了一种基于数字图像处理的模板匹配检测方法,运用数字图像处理技术对采集的圆孔图像进行截取、降噪、分割、边缘检测等处理,再把提取出的圆与标定模板上的标准圆进行比较,实现对不规则圆孔尺寸的检测,并通过实验证明了该方法的可行性和实用性。     

改进的图像相关匹配算法

将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。结合图像匹配本身的特点,采用新的编码方式克服了二进制编码的缺点。采用NPROD匹配准则在同样的匹配效果条件下,提高了匹配精度,该算法在计算速度上较原始算法提高了至少12倍以上,同时该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用。实验结果表明该方法可以有效地跟踪低对比度小目标。     

基于加权模糊C均值聚类的图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想。因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性。     

一种基于u检验的空海目标分类方法

阐述了对于机载雷达,测高精度不高,特别是对远距离目标的测高精度更差,因而利用机载雷达提供的高度信息进行空海目标分类存在很大的不确定性。为了能有效地利用目标高度信息进行空海目标分类,把空海目标分类问题看成是一个u检验问题。首先,给出了用于空海目标分类的判别函数;然后,给出了一种决策规则,并推导出决策门限的计算公式和空中目标误判为海面目标的概率的计算公式;最后,通过仿真表明该算法的简易性和有效性。     

基于图象处理的QR码识别

随着智能手机技术的发展和二维码技术的推广,QR码的手机识别技术的应用越来越广泛.根据QR条码图像符号的特殊性,针对QR码识别过程中手机图像采集的实际情况,应用并改进多种图像处理的方法,用C语言实现了对QR条码的译码,取得了良好的效果.     

自适应选择抽取模式的运动估计算法

 提出一种去除运动估计中计算冗余的新方法,该方法与搜索算法结合,通过自适应选择抽取模式去除冗余。首先改进传统的一维梯度下降搜索算法,并提出由梯度下降方向自适应选择不同的抽取模式去除计算运动估计准则时的冗余。实验结果表明,该算法与全搜索以及没有去除计算冗余的梯度下降算法相比,视频质量没有较大影响,但是大大降低了计算量,在视频序列实时处理中有良好的应用前景。     

运动补偿用惯性器件误差对SAR成像分辨率的影响研究

 为提高合成孔径雷达（SAR）系统的性价比,必须根据SAR成像分辨率的要求和整体系统参数,设计相应精度的运动补偿用捷联惯导系统。在确定SAR运动补偿系统方案和安装方式的基础上,分析不同方向的加速度计和陀螺仪误差对天线相位中心位置测量误差的影响,并利用位置测量误差与SAR成像分辨率之间的关系,进一步明确了不同方向的加速度计和陀螺仪对SAR成像分辨率的影响。研究表明：基于SAR的工作原理和安装方式,x方向加速度计和y方向陀螺仪对SAR成像分辨率的影响明显比其他惯性器件严重;相同误差水平的惯性器件对SAR成像分辨率的影响随着合成孔径时间和工作波长的不同而不同,时间越长,波长越短,影响则越严重。SAR成像仿真证明了结论的正确性。研究结果对于研制高性价比SAR成像运动补偿系统有一定的理论指导意义。     

多域特征引导的无监督SAR图像舰船检测方法

如何在合成孔径雷达(SAR)图像标注样本有限的条件下,提升舰船检测性能一直是SAR图像处理中的热点问题。本文提出一种多域特征引导的无监督域适应方法,将知识从有标注的源域(光学图像)转移到未标注的目标域(SAR图像),降低对标记SAR图像数据依赖。同时,设计了频域转换模块、注意力区域增强模块和自适应权重模块来缩小光学、SAR图像域之间的域差距,提高源域与目标域特征对齐效率,增强网络在挑战性样本下的特征迁移能力。在公开发布的数据集上进行了大量实验。结果表明:所提的模块较基础模型AP50提升10%,总体性能优于其他先进的方法。