一种估计星载 SAR 多普勒模糊数的新方法

在分析CS（Chirp Scaling）成像算法的基础上,发现弯曲因子C,和等效调频率因子K对多普勒模糊数DAN（Doppler Ambiguity Number）的变化非常敏感,不正确的DAN,将使C,因子和E因子失效,最终导致SAR图像的清晰度下降和位置发生变化．据此提出估计星载SARDAN的新算法：将DAN的变化与描述图像清晰度的评价函数（熵或均方差）联系起来,通过观察所得图像的熵或均方差随DAN值的变化,找到最小熵或最大均方差时所对应的DAN,即为正确的值．用Radarsat的实际数据验证了算法的有效性．分析表明,基于图像均方差的DAN估计优于图像熵的DAN估计,前者在成像区域场景反差较大和较小时均适用,而后者在成像区域场景反差较小时表现不稳定．     

应用统计信号处理和模糊数学的图像融合算法

针对多传感器图像在像素级上的融合问题,将模糊数学理论引入到图像融合模型。该模型假定理想的融合后的图像包含场景所有的信息;将它乘上一个模糊因子,再加上随机噪声,可用来描述某一个成像传感器中获得的场景图像;不同的传感器对应不同的模糊因子和噪声。在此基础上,提出了建立在非多尺度分解框架下的图像融合算法。它以各传感器获取的图像作为输入条件,应用统计信号处理中的EM算法,求出针对不同传感器的噪声参数和模糊因子,通过迭代估计出融合的图像。实验结果显示,该算法获得的融合图像的互信息和联合熵分别达到3．5079和24．732,均优于加权平均融合法、小波融合算法和Laplacian融合算法的融合质量。     

合成孔径声纳中拖体偏航角的估计方法分析

单发射阵多接收阵合成孔径声纳成像中,拖体的偏航角是主要的运动误差之一,为得到高质量的成像结果必须对其准确估计并补偿。主要分析了偏航角的两种估计方法,即偏置相位中心算法和基于相邻两帧图像互相关算法。通过仿真和湖试试验结果表明,在强点目标场景下偏置相位中心算法估计偏航角的精度较低,且随拖体的速度的增加估计精度大幅度下降,当拖体速度过快导致无重叠相位中心时该算法失效,而基于相邻两帧图像互相关算法估计的偏航角相对于偏置相位中心算法不仅精度高,且具有很好的鲁棒性。     

切变平均自聚焦算法在合成孔径声呐成像中的应用

介绍一种利用混响背景处理的切变平均（shear-average）白聚焦方法，它不需要明亮点且具有较小计算量，仿真和实际数据处理结果表明，对于宽带、宽波束单个发射．接收阵的SAS系统，当场景变化比较平缓时这种算法能够良好估计运动偏差。同时本文提出一种改进后的幅值加权方法可以削弱强目标散射点的影响。     

基于大气散射模型的单幅雾天图像复原方法

现有大气散射模型方法对于利用长期固定成像器的地方可以较好实现场景建模并复原雾天图像,但在缺乏其他天气状况下,景物图像作为参考的单幅雾天图像不能很好地复原。针对这一问题,该文提出一种新的基于大气散射模型的单幅雾天图像复原方法。该复原方法先通过边缘检测算法查找景物轮廓来划分不同区域,然后标定不同连通区域来划分景物层次,再计算图像灰度值变化曲线的斜率并分割天空区域,最后对新的环境光强度设定,对不同区域的景物采用不同的参数进行复原。采用一张手动拍射图像和一张网络图像作为实例分别进行实验,结果表明:该方法能够很好地复原缺乏参考图像的单幅雾天图像。     

数字图像模糊增强处理方法探究

传统的数字图像增强方法使用精确、固定和不变的算法来表达和解决问题,往往收不到理想的效果。本文将粗糙集理论和模糊集理论相结合,提出一个新的图像增强方法—模糊增强方法。通过实验证明,该方法对图像的增强效果明显,提高了图像中目标的清晰度和反差,大大提高判读精度。     

基于椭圆特征区域与重要位平面分解的鲁棒图像水印算法

目的 为了解决当前基于特征点的水印方案难以描述图像的非纹理区域（像素强度变化较大的边缘、像素强度值较小或趋于0的均匀区域）,降低了局部特征区域的鲁棒性,使其抗几何失真能力不佳的问题,提出基于椭圆特征区域与重要位平面分解的鲁棒图像水印算法。方法 根据彩色载体的RGB分量,计算颜色不变性;基于颜色不变性的强度概率密度,推导概率密度梯度估计函数;利用概率密度梯度值,计算二阶Hessian矩阵,改进SURF方法,充分提取彩色载体中纹理与非纹理区域的鲁棒特征点;再求取Hessian矩阵的特征值与特征向量,以计算椭圆的长轴、短轴半径与方向角度,并以特征点为中心,建立局部椭圆特征区域;定义鲁棒特征区域选择规则,确定合适的水印嵌入位置;引入位平面分解技术,获取鲁棒椭圆特征区域的重要位平面图像,并提取其直方图,以此设计水印嵌入方法,将二值水印隐藏到这些直方图中,形成水印图像;根据水印检测机制,复原二值水印。结果 实验结果显示,与基于特征点的水印方案相比,所提算法具有更高的不可感知性与鲁棒性,复原水印失真度最小。结论 所提算法具有较高的视觉隐秘性和抗几何失真能力,在版权保护、信息防伪等领域具有较好的参考价值。     

基于局部估计的多光源图像颜色恒常性计算

目的解决多光源场景图像的颜色矫正问题。方法首先采用网格划分和关键点取样2种方法对多光源图像划分区域,然后对划分后的区域采用单光源颜色恒常性算法估计光源,把每一个区域对场景光源颜色的贡献整合为复合光源颜色作为多光源场景的近似估计,最后采用对角模型进行矫正,并将此方法与单独用单光源颜色恒常性算法估计做对比。结果通过对多光源图像划分区域,可以弱化多个光源对图像的影响,与单独用单光源颜色恒常性算法估计对比,对图像的矫正效果显著。结论通过局部估计多光源图像,所提出的方法可以有效解决多光源室外场景图像的颜色恒常性问题。     

基于灰度梯度共生矩阵最大熵估计的盲视频水印算法

<正>1基于灰度梯度共生矩阵最大熵估计的盲视频水印算法1.1灰度梯度最大阈值算法概述。图像分割是计算机视觉中的一个关键问题,在图像分析、图像识别、图像检测等方面占有非常重要的地位。其中基于图像统计灰度分布的阈值方法应用最为广泛,在实际系统中,图像目标和背景之间并不具备截然不同的灰度,随着可见光照射角度的不同,目标的亮度和背景的亮度均要变化因此阈值的正确选择是很重要的,直接影响着分割的精度及图像描述分析的正确性。     

基于分割区域的SAR图像配准方法研究

合成孔径雷达(Synthetic Aperture Radar,简称SAR)图像受到斑点噪声影响以及成像条件的变化,使得同一场景的两幅SAR图像之间存在很大差异,利用基于边缘特征或灰度信息进行SAR图像配准,难以达到预期效果.基于此,本文提出一种基于分割区域的SAR图像配准方法,该方法首先利用主动轮廓方法对去噪后的SA...     

基于空-频域印刷混合失真无参考质量评价

目的为了解决数字印刷模糊混合失真图像质量评价算法与人眼视觉主观评价一致性较低的问题。方法基于SSEQ算法思想在空间域和频率域中提取混合失真图像的信息熵、亮度方差、频域熵以及高频系数奇异值改变量关键特征,利用支持向量机训练构建印刷模糊混合失真图像的无参考评价模型。结果客观验证了25幅图像,算法客观计算得分与主观评价得分的SROCC系数为0.94,PLCC系数为0.93,主客观一致性较高。结论所提算法与人眼视觉感知具有很好的主观一致性,可以用于图像等印刷品的质量客观评价。     

于小波变换的等价图割SAR图像配准方法

为改进SAR图像匹配的稳健性和实时性,提出一种基于小波变换的等价图割SAR图像配准方法.该方法首先利用小波变换对图像进行分解,在低频子图像下构造等价图割,克服相干斑噪声干扰,避免NP困难,解决映射函数选取问题,从图像中分割出精确目标.其次利用尺度不变特征变换（SIFT）方法实现目标的特征匹配,降低搜索空间特征点描述,提高实时性.最后通过匹配关系找到变换参数,实现图像精确配准.实验结果表明,该方法能快速而精确地实现SAR图像配准.     

基于NSST多尺度自适应的Retinex低照度图像增强算法

目的在对低照度图像进行增强时,针对传统频率域方法由于尺度不够丰富而不能很好保留图像高频细节的问题,提出一种基于NSST多尺度自适应的Retinex低照度图像增强算法。方法首先将低照度图像转化至HSI颜色空间后,单独对I通道进行处理,实现对图像色彩信息的保真效果;然后对I通道进行Retinex算法得到反射分量,从而去除照度信息对图像亮度的影响;对反射分量进行伽马调整后,进行基于La(平均亮度)、Pa(平均对比度)、Ia(信息熵)等3个特征值的自适应NSST分解,从而得到最佳参数的高频分量。结果在主观观察和客观无参考图像质量评价中,文中算法的增强效果和评价得分都要优于其他算法。结论经过自适应参数优化之后,低照度图像的对比度得到了提高,可视性和图像质量都得到了显著提升。     

顺序形态变换的图像增强算法

根据顺序形态变换的相关概念和性质,提出了一种新的图像增强算法。该算法通过对图像做局部加权均值滤波,得到图像增强的基值分量;采用多方位结构元素与图像边缘匹配,计算图像关于各个方位结构元素的加权均值并选取其中的最大值来确定边缘;将此最大值与基值分量之差作为增强分量来扩大图像灰度梯度的动态范围;针对图像中的高灰度区和灰度剧变区,应用图像局部均值和方差自适应调节增强系数。因此,算法在抑制图像中的高频噪声的同时,能有效提升图像中的边缘和目标。实验结果表明,增强前后图像标准差由41.1515,36.9133提高到62.0535,52.8331;图像熵由15.8463,16.8998减少到15.8156,16.8324。     

基于模糊理论决策的双向二维PCA步态识别算法

针对步态识别中的平均步态能量图像系数矩阵维数过高和分类较困难的特点,提出一种基于模糊理论决策分类的双向二维主成分分析的步态识别算法.通过预处理技术得到平均步态能量图并将得到的图像分割为多个子图像,利用双向二维主成分分析来降低平均步态能量子图像的系数矩阵维数,加快识别速度.引入模糊理论决策的方法进行最近邻分类器的分类.最后在CASIA步态数据库上对所提出的算法进行实验,实验结果表明该算法具有较好的识别性能并有较强的鲁棒性.     

基于小波系数邻域特征的CT与MR图像融合方法

提出一种基于小波变换的像素级CT,MR医学图像融合方法,利用离散小波变换分别将两幅源图像进行多尺度分解,再用不同的小波系数邻域特征指导高频分量和低频分量的小波系数的融合,低频分量采用邻域方差指导,高频分量采用邻域能量指导,最后根据融合图像的各小波系数重构融合图像.实验表明:不论从主观感受,还是采用信息熵和平均梯度两项指标作为客观定量评价标准,该方法都优于传统的融合方法,获得的融合图像有效地综合了CT与MR图像信息,能够同时清晰地显示脑部骨组织和软组织.     

基于灰阶熵的模糊对比度自适应图像增强算法

一般的数字图像存在噪声大、对比度低、边缘模糊等缺陷.为了有效地增强图像的模糊对比度,以满足后续的识别与检测要求,提出了一种基于灰阶熵的模糊对比度自适应图像增强算法.在模糊域内,根据邻域窗口灰阶熵值的大小,合理选取阈值,对阈值两侧的图像像素点进行不同程度的对比度增强处理,实现局部特征的增强.实验结果表明,该方法不仅增强了图像的整体对比度,而且有效地丰富了目标图像的细节信息,并抑制了噪声的放大.     

基于均值聚类和循环导向滤波算法的农业图像去雾研究

采用均值聚类和循环导向滤波(MCLGF)算法对农业图像去雾进行了研究。首先,建立雾天图像光学模型;接着任意选取两个子特征向量作为初始聚类中心,根据分类结果,将有雾图像通过均值聚类分为天空区域和非天空区域,再通过天空区域中求取原图的最大像素值作为大气光值;然后,循环导向滤波实现细节平滑和边缘保持,最小化代价函数使导向滤波器的输出图像与输人图像差异最小;最后,给出了算法流程。实验仿真显示:该算法能够有效地降低图像中的雾气,结构相似度平均值为0.98、信息保真度平均值为0.96、图像信息熵可达9.12,可见边的正则梯度均值可达0.85,这4个评价指标相比其他算法均较好。     

消除零级衍射和循环移位改善计算机合成全息图的再现质量

分析了影响计算机合成全息再现像质量的主要因素,提出了一种改善计算机合成全息再现像质量的方法。零级衍射严重降低了再现像的对比度,连续两次离散傅里叶变换的循环移位作用使得再现虚像最后一行和最后一列被分别循环移位到第一行和第一列。采用Burch型合成全息图再现算法消除了零级衍射,调整像素的位置消除了虚像的循环移位,使得全息图能够精确恢复原始图像,实验证明这种方法能改善再现像质量。     

星载SAR影像辐射误差校正算法研究

从SAR影像辐射误差校正原理出发，发展了一种利用DEM和SAR地理编码模型计算地面散射面积和当地入射角，进而校正地形引起的辐射误差的算法，并对计算公式的推导过程进行了论述。通过研究实例对该校正算法的处理效果进行了分析，结果表明算法可以在一定程度上去除地形引起的辐射误差，而且该算法仅要求用户具备产生地理编码影像的能力，而不需要自己建立地理编码模型，因此具有一定的实际应用和推广价值。