高光谱图像无监督分类的非线性特征提取器

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难,为进行有效降维、提高分类精度,提出以曲线距离分析作为非线性特征提取器、以独立分量分析的混合模型作为分类器的高光谱图像无监督分类的新方法。利用该方法对来自空载可见光/红外成像光谱仪的高光谱图像进行无监督分类,用分类精度对分类效果进行评价。实验表明,用本文提出的方法得到的分类精度高于传统分类方法得到的分类精度,说明了CDA方法在高光谱图像特征提取方面的有效性。     

基于物理模型的彩色图像理解算法

给出一个彩色图像理解算法。算法首先对图像上的颜色变化(由光照和物体颜色引起)进行分析与综合,然后分割图像。算法的基础是二色反射模型理论,该理论认为反射光的颜色是界面反射(高光颜色)和本体反射(物体颜色)的线性组合,这两种反射光在颜色空间的三维直方图中形成特定的聚类(点簇)。因此分析聚类的性质可帮助确定光照和物体的颜色,但是有意义的聚类的生成又以图像中物体区域的确定为前提。算法按照假设检验的策略,依据图像中的连通性和颜色空间中聚类的特征,完成彩色图像的分割,并产生对景物中所发生的光学过程的物理描述。     

彩色图像中的本征图像的抽取

光源的位置和颜色影响到景物在摄像机中的成像,高光(highlight)的出现使一般的分割算法得不到理想的分割结果。文中根据二色反射模型(Dich-romatic Reflectioa Model),将图像分解成两个本征图像(intrinsic image)——本色图像(matte image)和高光图像(highlight image)。本色图像是去掉高光后的图像,反映了景物本身的不变性,不受外部因素(如光源的位置和颜色)的影响。而高光图像是只含有高光的图像,反映了外部因素的影响,有助于确定物体的形状。文中的彩色图像是指单一颜色光照(非单一波长的光照)下的单色物体在彩色CCD 摄像机中成的像。     

卫星干涉高光谱遥感图像序列差值压缩编码

根据干涉高光谱图像的成像特点和卫星遥感图像压缩编码系统要求，提出了一种新的卫星干涉高光谱图像序列压缩算法．新算法利用干涉成像光谱仪推扫成像特点提出了一种低存储量，帧间小波域匹配的图像序列压缩方案，提高图像质量3—4dB．算法首先通过小波域匹配算法检测出相邻图像之间的推扫位移量并移位求得两帧的最佳差值图像，然后对差值图像进行静止图像EBCOT压缩编码，从而提高总体编码效率．该算法具有与单帧图像编码算法相当的复杂度，只需要对当前图像与模板的差值图像进行基于小波变换的编码，避免了目前基于三维小波变换的编码算法对系统大存储量要求以及编码延时大的缺陷．仿真结果表明，本算法针对干涉高光谱图像编码，可获得比基于三维小波变换的算法相当甚至更好的效果，并且大大降低了编码延时．     

惯性/图像组合导航中的双模态双滤波器研究

在简要介绍了飞行器视觉图像定位导航原理及模型的基础上，针对其非线性模型的推广Kalman滤波的收敛与初始条件有关的问题，将其定位导航的两种模型（线性与非线性模型）组合，提出了双模态双滤波器滤波方法。这种滤波能很好地解决非线性推广Kalman滤波的收敛问题。通过第一个线性滤波器的滤波估计给第二个非线性滤波器提供滤波初值，使这一非线性滤波收敛，并能取得较高的滤波精度。     

从图像信息容量和图像功率谱看 CBERS-1卫星图像

文章从信息容量和图像功率谱这两个方面评价了CBERS-1的图像质量。并通过将同一地区的CBERS-1图像和TM图像进行比较,客现反映了CBERS-1卫星的图像质量。实验结果表明CBERS-1图像在信息丰富程度和图像综合的纹理特征上与TM图像质量相当,具有很好的可比性。     

传像光纤在瞄准方位传递中的应用研究

介绍了光纤传像技术的原理和光纤成像系统的特点，详细分析了传像光纤应用于瞄准方位传递的可行性，并阐述了存在的问题和关键技术的解决。     

电视导引头图像闪烁故障分析

针对电视导引头存在的“图像闪烁”故障，重点分析了故障的常发生部位，如硅靶管、CCD、图像处理电路和电视摄像机光圈等，并从故障部位的结构特点和工作原理入手，详细阐述了故障产生的原因、机理以及排故方法，为同类故障的修理提供参考。     

基于收缩场学习的Retinex低照度图像增强

为增强低照度图像和抑制噪声，提出了一种通过学习收缩场（SF）改进Retinex分解的图像增强方法。首先，构造新的目标函数，在正则项中引入2组不同的高阶滤波器分别约束未知的反射图和照明图。高阶滤波器可以学习到多种激活模式，有利于在恢复反射图的同时抑制噪声污染。然后，在优化目标函数时通过求解收缩场更新隐变量，参数化的压缩函数可以自适应地调整相应滤波器在反射图和照明图上的响应。最后，在每个级联内更新照明图之前，嵌入一个辅助的收缩场，以抑制噪声和不良伪影的传播，从而更精确地估计照明图。实验结果表明，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）均高于当前最新的低照度图像增强方法。      

基于残缺图像样本的生成对抗网络图像修复方法

针对大面积图像修复缺失严重时，需要完整且高质量训练样本的问题，提出了一种将残缺或含噪图像样本作为训练集的双生成器深度卷积生成对抗网络（DGDCGAN）模型。构建两个生成器和一个鉴别器以解决单一生成器收敛慢的问题，用残缺图像样本作为训练集，通过交叉计算、搜索损失区域类似的图像信息作为训练生成模型的样本，收敛速度更快。鉴别器损失函数改进为输出的Wasserstein距离，使用自适应估计算法优化生成器损失函数和鉴别器损失函数的模型参数，最小化两两图像之间的总距离差，使用鉴别模型和修复图像总距离变化均方差最小化两个指标优化修复结果。在4个公开数据集上进行主客观实验，结果表明:所提方法能使用残缺图像样本作为训练集，有效实现大面积失真图像的修复，且收敛速度和修复效果优于现有图像修复方法。