基于高斯尺度空间的末制导目标跟踪方法

针对光电成像末制导阶段目标尺寸和姿态均迅速变化的问题，提出了一种基于高斯尺度空间的目标跟踪方法。该方法根据目标模板信息获得其在待匹配图像中的搜索区域，由高斯尺度空间理论求得相应的空间图像；利用尺度参数估计出不同尺寸目标的待匹配图像，并将目标模板与这些待匹配图像进行相关匹配，由匹配程度最高的图像求得目标模板的当前位置和尺寸；当模板尺寸发生变化时，对目标模板进行刷新。仿真结果表明，该算法能适应末制导阶段目标尺寸的急剧变化，在强杂波地面背景下实现对目标的稳定跟踪。     

一种基于仿射变换模型的图像自动对准方法

提出了一种基于仿射变换模型的图像自动对准方法．该方法采用基于边缘特征匹配和一致性判断技术，既实现了同名匹配点的自动选取，又提高了同名匹配点的可靠性．同时运用最小二乘法的迭代修正得到仿射变换的最优估计．以可见光与可见光、可见光与红外图像间的自动对准为例，验证了该方法在多模态图像间自动对准的有效性．     

基于序列图像的空中目标跟踪方法

文中提出一种有效的运动跟踪检测算法对空中运动目标进行快速、准确的检测和跟踪,首先利用对称图像差分梯度法进行运动目标检测,该方法能很好地检测出移动背景中低信噪比的运动目标;然后通过改进的活动轮廓模型在视频图像序列中进行跟踪,实验结果表明,使用该方法可以得到有效的目标轮廓,从而获得准确跟踪效果.     

基于模板匹配的火炮身管膛线缠角测量技术研究

针对火炮身管膛线缠角测量问题，提出了一种新的基于模板匹配的方法。测量系统由光学传感器、定心机构、驱动装置及控制计算机组成。利用激光器投射一环形结构光同炮管内表面相交，形成炮管截面的轮廓曲线，CCD相机获取该截面轮廓图像。通过模板匹配得到不同截面图像之间的相对旋转角度，根据两个截面之间的轴向距离和旋转角度，确定炮管的膛线方程，再由膛线方程计算缠角值。同基于Radon变换的方法相比较，该方法不依赖于图像边界提取，对图像质量要求不高，理论分析及实验数据均表明，该方法具有较高的测量精度和稳定性；     

一种基于低亮温目标的毫米波辐射图像分割方法

与红外与可见光探测器相比，毫米波辐射计具有全天时全天候的工作能力。毫米波金属目标辐射图像的分割识别是制导应用中急需解决的重要问题。文中首先根据毫米波辐射特性确定不同亮温目标区域，然后利用形态学复合算法对辐射图像进行预处理，最后采用分水岭算法完成图像分割。3mm波段辐射图像分割结果表明，该算法可对低亮温毫米波辐射图像进行有效分割，分割后的目标轮廓形状与光学场景相符，与特征模板库匹配后可用于不同目标识别。     

一种基于复合匹配的目标识别算法

模板匹配技术一直是图像目标识别的重要方法之一，采用基于矩参数的粗匹配与基于非均匀采样的精匹配相结合的复合匹配方案，避免了对目标模板的全局逐像素匹配，消除了图像数学相似性与信息相似性的偏差，大大提高了识别的速度和精度。经仿真实验，与传统模板匹配方法进行了比较分析，取得了比较理想的结果。     

改进的Roberts图像边缘检测算法

针对复杂背景下图像边缘检测中存在抗噪性能不强、边缘不连续等问题,提出了改进的Roberts边缘检测算法。该算法采用3×3邻域代替Roberts算法中2×2邻域来计算梯度幅值;并利用图像块之间相似性的三维块匹配的去噪模型,提高Roberts算子的检测精度和抗噪性能;通过最佳阈值迭代方法代替人为指定阈值来获取最佳分割阈值,有效地提取图中目标轮廓。仿真实验结果表明,该算法PSNR达到33dB左右,比抗噪形态学边缘检测算法和一种改进的Roberts和灰色关联分析的边缘检测算法抗噪性能好,在抑制噪声干扰的同时,能保留边缘信息,较好提取目标的整体轮廓信息,为后续目标识别奠定基础。     

模板图像尺寸可变的相关跟踪方法

相关跟踪过程中,序列图像中的实时图像与模板图像间存在灰度差异和几何形变,当前工程中采用相关匹配算法中的模板图像为矩形结构,为了在模板中尽可能的包含目标,模板中就不可避免的含有背景数据,但传统相关匹配算法中模板图像中的每一个像素都要参与计算,而且模板尺寸是固定的,这样就使得算法跟踪不稳定、容易丢失目标。为此提出一种变模板图像尺寸的相关跟踪方法,该方法实现了对模板图像尺寸的实时修正和非矩形模板相关匹配,试验证明此方法具有较强的抗几何变形的能力以及对复杂背景环境的适应能力。     

基于数学形态学的snake模型图像分割

基于数学形态学的snake模型图像分割算法,先用数学形态学得到形态学图像的梯度,再对其进行二值化处理得到snake算法的初始轮廓,然后用Greedy algorithm进行图像分割.试验证明该方法可提高图像分割的运行效率,又可取得较好的图像分割质量.     

水声图象目标探测

为实现水声图象中沉底目标的自动探测，提出一种匹配滤波和分形检测相融合的方法。由于匹配模板能够较好地模拟沉底目标的成像特性，而分形模型有助于区分人工目标和自然背景，所以这两种方法的融合可以有效地检测出目标，减少虚警。     

基于轮廓片段匹配和图搜索的红外目标识别方法

针对前视红外(FLIR)目标识别中复杂背景干扰和目标轮廓片段缺失的问题,提出了一种基于轮廓片段匹配和图搜索的目标识别方法。提取基准图和实时图的轮廓特征并进行分段,利用片段的方位和朝向特征进行匹配并构建匹配图;在基准图轮廓片段间的空间关系约束下,利用图搜索策略遍历匹配图得到候选目标轮廓片段组合;结合全局相似性度量实现目标的匹配识别。仿真实验结果表明,该方法对复杂背景干扰和轮廓片段缺失的情况具有较好的适应性和鲁棒性。     

旋转视频中特征点的迭代筛选与光流估计匹配研究

转动抖动补偿是视频稳像的难点,针对转动抖动补偿中的关键技术特征点的筛选与匹配展开研究。建立了图像的6参数仿射模型;推导得到估计有意运动参数的超定方程;采用最小二乘迭代算法来去除绝对误差和(SAD) 算法误判的特征点;采用金字塔(LK)光流算法来对旋转视频进行特征点匹配。编程实现算法;用特征窗口梯度矩阵法(KLT)提取特征后,分别用SAD算法和LK光流算法进行匹配,求解得到旋转变换阵参数误差,分析、比较并图示了误差原因;利用Kalman滤波去除无意运动;对含转动抖动的视频进行稳像补偿。在自主移动机器人平台上开展了实验。结果表明LK光流算法相比SAD算法对旋转视频的特征点匹配误差小,结合Kalman滤波可有效补偿转动抖动,将最大8.37°的转动抖动稳像到3.68°以下。     

基于小波变换的活动轮廓分割技术

图像分割是图像处理中的一项重要工作．活动围道分割方法在实际工作中得到了广泛应用。根据几何活动围道模型的特点结合小波技术．提出了一种复杂物体边缘定位算法．能对具有尖角特征的物体轮廓进行快速、准确地提取。对多种图像的分割实验证明了文中方法的有效性。     

基于相位一致性的结构相似度图像融合质量评价方法

在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性（PC）模型生成的PC图像很好地在红外(IR)图像和可见光CCD图像融合效果评价中,结构轮廓对人眼感知的影响非常重要,而相位一致性（PC）模型生成的PC图像很好地保留了结构轮廓特征,且不受图像亮度和对比度变化的影响。提出了基于PC的结构相似度（SSIM）图像融合质量评价方法;利用SSIM模型分别产生融合图像相对于IR图像和可见光CCD图像的SSIM图像;根据PC模型产生IR和可见光CCD各自的PC图像;根据人眼对轮廓和非轮廓区域的重视程度的不同,利用各自的PC图像对SSIM图像进行加权; 最终利用信息熵加权得到融合图像的评价指标。实验中,在对实验图像进行主观评价和多种客观评 价指标计算的基础上,首次计算了非线性相关系数和斯皮尔曼等级相关系数(SROCC),最后统计分析实验数据。实验结果表明该方法较以往评价方法具有更好的主客观一致性。     

正态分布转换算法在声纳图像处理中的应用

根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

基于改进型脉冲耦合神经网络的图像分割方法

脉冲耦合神经网络（Pulse Coupled Neural Network，PCNN）具有良好的脉冲传播特性，在图像分割中得到了广泛应用。针对其需要人机交互通过实验确定其相关参数，实时性差等问题，改进了标准的PCNN模型，提出了一种基于改进型脉冲耦合神经网络的图像分割方法。仿真结果表明，该方法实时性好、自适应性强，分割出的目标轮廓清楚．细节更多。     

基于特征组合的舰船目标粗识别方法研究

针对单一特征量无法准确识别目标的缺点,文中利用特征组合方式进行目标粗识别.首先,利用基于图相似性分割方法提取目标的二值图像;然后,计算目标仿射不变矩并利用分类器进行聚类分析;最后,通过最小外接矩形法提取目标几何参数,并依据图像分辨率计算出实际目标参数,且与舰船目标配属库进行比对,实现目标粗识别.实验结果表明,该方法鲁棒性强,易于实现,通过实测数据可以识别出舰船目标类别.