基于结构加权低秩近似的泊松图像去模糊

针对由高斯模糊和泊松噪声引起的图像降质问题,提出了一种基于结构加权低秩近似的图像去模糊方法。首先,通过依次组合缩放、旋转、剪切和翻折等四种基本操作引入结构变换,以增加搜索空间内候选图像块的相似性。然后,构造新的目标函数,利用相似图像块的低秩性,在正则项中使用加权核范数（WNN）对结构变换后的图像块进行惩罚,以在去模糊的同时抑制泊松噪声。最后,基于半正定二次分裂（HQS）方法设计交替优化方案,用于求解目标函数,从泊松图像中去除模糊。实验结果表明:在多种泊松噪声强度下,所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）都高于当前同类去模糊方法。      

美国的商业遥感计划

□□1986年法国发射了第1颗斯波特-1(SPOT-1)卫星,这给美国遥感界带来了一些小的震动。几年后,“斯波特”卫星图像的销售额超过了“陆地卫星”。1988年印度发射了第1颗印度遥感卫星(IRS-1A),这时人们似乎面对这样一种事实:即遥感技术在不断增值,商业遥感市场在不可避免的产生。     

利用平滑约束复原方法处理CCD相机遥感图像

重点研究了频域平滑约束复原方法以及该方法对遥感领域中的实际应用，文章先介绍了平滑约束复原方法的理论基础，然后用该方法对CCD相机的遥感图像进行了复原处理，讨论了遥感器系统调制传递函数（MTF）曲线的拟合，遥感器系统MTF矩阵的构造以及复原参数的选择。可以得出结论，在一定条件下，利用平滑约束复原方法可以有效地改善整个系统的调制传递函数，从而使图像变得清晰。     

CCSDS图像无损压缩标准在恒速信道中的应用研究

在CCSDS建议的无损数据压缩的基本原理上 ,结合基于局域纹理特征的处理方法 ,给出数据输入输出在恒速信道条件下一种有效的面向空间应用的遥感图像无损压缩方案。该方案包括去相关处理、熵编码以及压缩缓存控制三部分。去相关操作是在局域纹理分析方法的基础上 ,通过提取两种有效的预测模型并自适应选择最佳的模型进行处理 ;然后采用快速有效的CCSDS熵编码器对最佳去相关模型的预测误差编码。在压缩方案中充分考虑了输入输出恒速信道条件下应用的特殊性 ,设计了相应的压缩码流控制方法 ,从而给出了一套有效的针对恒速输入输出信道条件下的图像无损压缩的应用方案     

一种分布式异构多AUV任务分配鲁棒拍卖算法

为了解决异构多自主式水下航行器(AUV)的任务分配问题,提出了一种分布式鲁棒拍卖算法。建立了异构多AUV任务分配分布式拍卖模型,包括任务分配系统(拍卖商)的优化模型及AUV的优化模型。针对现有拍卖算法忽略拍卖商的利益,不符合市场规律的问题,引入任务奖励反馈机制,任务分配系统通过多轮试探拍卖市场,自适应地调整任务奖励,达到保证AUV效用的同时,有效降低任务分配系统成本的目的,促进了任务分配系统参与拍卖。针对水下洋流对任务分配模型产生的不确定性因素,提出了一种鲁棒优化算法对抗不确定性因素,提高了多AUV任务分配系统应对复杂水下环境的能力。仿真结果证明了所提算法的鲁棒性和有效性。      

红外目标图像动态生成技术

红外图像序列是红外制导与目标识别研究的基础,但通常真实的红外图像序列较难获得。本文提出了一种以Visual C++为开发平台,基于可视化仿真软件Creator和Vega快速设计开发红外图像序列生成系统的方法,重点讨论了在Vega环境下开发红外图像生成软件的设计流程,TMM工具和MAT工具的应用,以及温度控制模块、干扰弹模拟、控制模块与高精度帧频控制的实现。生成的图像序列可用于导弹的制导系统、抗干扰算法研究等,具有一定的工程应用价值。     

基于IHS变换的高分辨率遥感图像融合研究与发展

介绍了IHS变换方法和融合原理,以及几种典型的基于IHS变换的融合方法。融合实验采用IKONOS遥感图像．通过对不同融合方法进行比较,总结归纳了基于IHS变换融合方法的发展趋势。     

等离子体对翼型流动分离控制历程的PIV试验研究

采用粒子图像测速（Particle Image Velocimetry,PIV）技术,研究了介质阻挡放电等离子体激励对NA—CA0015翼型表面流动分离的控制特性及控制效果随时间历程的变化规律。结果表明,激励电压存在一个阈值,当电压小于阈值时,控制无效或效果不明显;当电压接近阈值时,控制表现出不稳定性并最终趋于稳定;当电压大于阈值时,控制效果稳定且显著,气流能够很好地重附在翼型表面。     

民航行李X光安检图像自适应小波去噪算法

对X光安检图像进行去噪处理可以更清楚地显示出危险物。针对传统小波软硬阈值去噪方法的缺陷．给出了一种自适应阈值的去噪方法,在此方法中,首先进行软硬阈值的折中处理,然后分别对大于和小于阈值的两部分进行自适应处理。利用Tennessee大学提供的实际采集的X光安栓图像进行实验,结果表明该方法能有效地去除安检图像中的噪声,图像去噪后的信噪比、峰值信噪比分别是25．2229dB、27．708dB．与含噪图像相比分别增加了7．7253dB和7．739dB。因此该方法表现出较高的去噪性能。