A Novel Ship Wake Detection Algorithm Based on WTHT and Radon Transform

This paper proposes a novel ship wake detection algorithm based on the White Top-hat Transform (WTHT) and the Radon transform, which aims to improve the contrast between the ship wake and the background so as to improve the detection performance on Synthetic Aperture Radar (SAR) images. The proposed algorithm includes two major processes, and one is to improve the contrast and another one is to locate the ship wake. In high sea state conditions, the contrast of ship wake and background can be very low, which makes it difficult to detect. In the first step, the proposed contrast improvement algorithm is applied to improving the contrast which helps for improving the detection performance. An attribute filter based on edge detection result is adopted here. In the second step the contrast improved image is transformed into the Radon domain followed by peak extraction process to find the wake, the WTHT is used once more in this step. Finally, in the last step, the wake is overlapped on the original image. Experimental results on Tiangong-2 Interferometric Imaging Radar Altimeter (InIRA) images are presented and compared with that obtained by using the classical algorithm, and in this way, the better performance of our algorithm is demonstrated.      

未来空空导弹遥测技术的发展

文中从多个方面论述了空空导弹遥测技术的发展方向、未来新技术在空空导弹中的应用 ,同时也指出了我们应该在几个重点方面开展的工作     

基于多传感器的空间遥操作机器人虚拟预测环境建模

虚拟预测环境技术是解决遥操作系统中时延问题的有力手段,但其有效性依赖于环境模型的精度。为了提高虚拟预测环境的建模精度,提出了基于多传感器信息融合的建模方法。首先根据CCD摄像机采集的图像建立虚拟环境模型的初始模型,再利用远地力觉和位置传感器信息对初始模型进行校验。为了观察命令在虚拟环境中的执行情况,采用一种简单有效的注册方法,将图形模型叠加在摄像机视频图像上,以便操作者进行对比分析。实验表明利用本文算法建立的虚拟环境模型是准确可靠的,有利于提高基于虚拟预测环境技术的遥操作系统的有效性和可操作性。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

基于FPGA的红外图像运动补偿滤波算法实现

针对运动场景和噪声混叠的红外图像,提出一种基于现场可编程门阵列(FPGA)的红外图像运动补偿滤波算法。首先,算法设计采用运动补偿滤波算法,通过帧间相关性和阈值判断等方法,有效实现图像区域检测分类;其次,对分类后的区域选定不同参数的滤波处理,有效抑制噪声,改善图像显示质量;最后,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度。实验结果表明:基于FPGA的红外图像运动补偿滤波算法设计资源消耗低,将运行优化算法耗时降低到了1 ms内,为红外图像实时处理应用提供了基础。     

基于多尺度空谱特征提取的高光谱遥感图像重建

遥感高光谱图像(HSI)凭借其丰富的光谱信息被广泛地应用于军事、农业、地质等领域。然而,HSI成像因其成本高、传输难等问题限制了其应用规模。通过光谱超分辨(SSR)方法,可以实现输入高分辨率红绿蓝(RGB)图像生成相应的高光谱图像,有效地解决了HSI成本高与传输难的问题。但是,已有的SSR方法对于图像的空间特征提取与光谱之间的相关性关注仍有所不足。针对上述问题,本文提出了一种多尺度空谱特征提取方法,并在SSR领域引入组归一化(GN)方法,关注相邻光谱之间的相关性。同时,还借助条件生成对抗网络进一步优化网络的参数,提升生成图像的真实性,并在DFC2018 Houston数据集上进行实验。结果表明:本文提出的方法可以实现精准的高光谱图像重建,重建的高光谱图像相比当前先进的主流方法性能均明显提高,其中相比CanNet方法,均方根误差下降了48.3%,平均峰值信噪比上升了20.7%。     

火箭初始段飞行图像识别和跟踪系统设计与实现

介绍火箭初始段飞行图像识别和跟踪系统的系统组成、工作原理、模块功能及系统特点,并对模糊PID控制器和火箭跟踪过程进行仿真实验和结果分析。仿真结果表明,该系统具有对不同背景下的火箭进行自动识别和当火箭被云雾短暂遮挡时进行预测跟踪等性能。文中还总结了系统在研制过程中解决的跟踪算法、模糊PID控制、摄像机模型、步进电机模型等关键技术。     

指纹图像分割算法的仿真与比较

指纹图像分割是指纹识别过程中非常关键的环节,目前指纹图像分割算法都是基于图像的方向特性或灰度特性。本文介绍了常用的三种指纹图像分割的方法,并在VC6.0中分别用三种方法对同一枚指纹处理,最后根据实际图像分割效果对这三种算法进行分析和比较。