抗野值自适应Kalman滤波在无人机测风数据处理中的应用

针对无人机风场测量值含连续野值较多,且其噪声统计先验知识不足的问题,运用一种抗野值自适应Kalman滤波算法来提高其测风精度。在对模糊自适应Kalman滤波算法分析的基础上,该算法将一个压缩影响函数加权于滤波方程的新息上,根据新息的方差和均值变化自适应调整修正权值,使修正后的新息序列能够保持原有性质。相关分析结果表明,该算法能有效地克服较大野值和成片野值对滤波的不利影响,保证滤波精度,适用于无人机风场测量。     

基于路径提取的旋转模糊图像复原算法

安装在旋转平台上的成像传感器随着平台的高速旋转,其所成图像将产生严重的旋转模糊。针对旋转模糊图像模糊长度径向可变的特点,提出了一种基于路径提取的旋转模糊图像复原算法。主要是通过径向提取图像的模糊路径,求得各个路径上的模糊长度,将二维旋转模糊图像复原问题转化为一维的线性信号复原。仿真实验结果表明,相较于对数极坐标、最小二乘法复原算法,所用算法计算量小,复原效果明显。     

基于梯度图像法的激光雷达图像融合滤波算法

为了有效消除激光雷达图像斑点噪声的干扰,针对单一滤波算法的不足,提出一种基于梯度图像法的激光雷达图像滤波融合算法。分析激光雷达图像的噪声特点,综合Lee滤波和小波滤波的优势,该算法利用图像的梯度图像来判断斑点噪声隶属于信号区域还是边缘区域,在边缘点采用小波阈值滤波的结果,在信号区域选择Lee算法的结果达到最好的滤波目的。仿真试验的结果表明:该算法具有很强的散斑噪声抑制能力,能够在噪声滤波和图像信息保持2个方面都能达到很好的效果。     

基于粒子滤波的目标图像多特征融合跟踪方法

研究了序列图像中红外弱小目标的检测跟踪问题.基于多特征融合的小目标检测算法具有较好的检测性能和适应性,而粒子滤波则是一种处理非线性和非高斯动态系统状态估计的有效方法.结合两种算法的优点,提出了一种基于粒子滤波的目标图像多特征融合跟踪方法.从红外序列图像中提取了局部灰度均值对比度、局部梯度均值对比度、局部熵和灰度分布四个典型特征,根据各个特征对弱小目标检测的贡献,自适应地进行特征融合.在粒子滤波的框架下,将融合后的特征信息转化为粒子的权值,对红外弱小目标进行跟踪.仿真试验表明,该算法有着良好的检测与跟踪性能.     

小波域自适应滤波的红外弱小目标检测

针对红外弱小目标检测,在图像自适应阈值降噪的基础上,提出了一种小波域自适应滤波的检测算法.该方法利用图像小波分解后高低频分离的特点,采用基于Context模型的自适应滤波器对含有目标的高频系数进行处理,最后采用自适应门限进行二值化图像分割以检测出目标.实验结果表明,与Top - hat滤波相比,该方法能够更有效地检测出...     

一种基于Wiener滤波的海天背景红外目标检测算法

针对海天背景红外目标信噪比低且容易受到海面杂波、云层背景干扰的问题,提出了一种基于Wiener滤波的海天背景红外目标检测算法。首先,采用Wiener滤波器实现红外图像的背景估计,利用方向梯度算子估计海天线,确定目标的潜在区域。然后,采用自适应阈值分割的方法确定目标位置。最后,根据多向梯度特征剔除虚假目标。实验结果表明,该算法具有较好的鲁棒性,且对云层边缘、海杂波有较好的抑制能力。     

一种有效提高信噪比的红外小目标图像滤波算法

红外图像滤波处理是提高图像信噪比的有效方法,针对含有强起伏边缘背景的靶场红外测量图像,提出了一种先局部梯度中值滤波后中值滤波的组合滤波算法。仿真表明,组合滤波算法能明显抑制背景,突出目标,有效提高信噪比。     

基于灰度投影的跑道线提取方法

针对无人机着陆时采用传统的Hough变换或者利用跑道区域先验信息的方法所产生的计算时间开销较大和未知先验信息前提下不适用等问题,提出一种基于灰度投影的跑道线检测算法。通过模板匹配提取跑道区域作为兴趣区(region of interest,ROI),在ROI中进行边缘提取;对于边缘提取后的图像使用灰度投影算法,获得可能的直线在空间内的位置,并使用K-means算法对可能的直线进行聚类,从而获得跑道边线的估计位置。仿真结果表明：该算法可以有效提取跑道边线,相比于传统Hough变换的直线提取算法,可以减少50%的时间消耗。     

基于SURF的图像配准改进算法

针对SIFT图像配准算法存在配准精度低的问题,提出了基于SURF的图像配准改进算法。该算法在特征点提取之前,对图像进行双边滤波,减少错误来源,特征匹配初始阶段使用自适应阈值约束代替传统固定阈值,减少最近邻域与次近邻域之比对匹配结果的影响,加入肯德尔系数约束对匹配对提纯,提高配准精度,最后通过RANSAC算法和LSM迭代求解,进行结果处理。实验结果表明,改进的SURF算法在减少配准时间的基础上提高了正确匹配率。     

百分位形态变换在红外图像边缘检测中的应用

针对红外图像对比度低、边缘模糊、噪声大、空间相关性强的特点,提出了一种基于图像形态学的红外图像边缘检测方法。采用并行复合顺序形态滤波算法对图像边缘进行增强和锐化并抑制高频噪声;根据百分位形态滤波相关概念及性质构造的边缘检测算子,进一步滤除红外图像中的噪声,提取图像边缘。实验结果表明,本文提出的算法可以有效地克服红外图像的缺陷,保持图像边缘细节,优于传统边缘检测器。     

An Improved Scene-based Nonuniformity Correction Algorithm for Infrared Focal Plane Arrays Using Neural Networks

The improved scene-based adaptive nonuniformity correction （NUC） algorithms using a neural network （NNT） approach for infrared image sequences are presented and analyzed. The retlna-like neural networks using steepest descent model was the first proposed infrared focal plane arrays （IRFPA） nonuniformity compensation method, which can perform parameter estimation of the sensors over time on a frame by frame basis. To increase the strength and the robustness of the NNT algorithm and to avoid the presence of ghosting artifacts, some optimization techniques, including momentum term, regularization factor and adaptive learning rate, were executed in the parameter learning process. In this paper, the local median filtering result of Xij （ n ） is proposed as an alternative value of desired network output of neuron Xij （ n ）, denoted as Tij （ n ）, which is the local spatial average of Xij （ n ） in traditional NNT methods. Noticeably, the NUC algorithm is inter-frame adaptive in nature and does not rely on any statistical assumptions on the scene data in the image sequence. Applications of this algorithm to the simulated video sequences and real infrared data taken with PV320 show that the correction results of image sequence are better than that of using original NNT approach, especially for the short-time image sequences （several hundred frames） subjected to the dense impulse noises with a number of dead or saturated pixels.     

改进的自适应卡尔曼滤波在SINS 初始对准中的应用

为提高 Sage-Husa 自适应滤波的稳定性,提出一种基于 UD 分解的改进自适应滤波算法。对在线估计的量测噪声协方差阵和状态估计误差方差阵采取UD分解的形式进行标示和更新,结合捷联惯导静基座初始对准模型,对改进自适应算法进行仿真测试。仿真结果表明：在先验量测噪声和状态估计协方差矩阵存在误差的情况下,新算法能够提高对准精度。     

基于改进的期望值最大化自适应光学图像多帧迭代去卷积算法

为提高自适应光学图像复原的效果,基于期望值最大化理论,提出了一种基于改进期望值最大化（EM）算法的自适应光学（AO）图像多帧联合去卷积算法。通过建立多帧AO图像退化的数学模型,推导出基于相位误差并随时间变化的点扩散函数(PSF)模型,根据图像功率谱密度及约束图像支持域的方法对AO图像进行去噪处理。应用AO成像系统参数与正则化技术相结合对EM算法进行改进,建立多帧AO图像联合去卷积的代价函数及其参数估计的优化模型。利用所建模型对模拟图像和实际观测的AO图像进行图像复原实验验证文中算法的复原效果。实验结果表明,与Wiener迭代盲去卷积、Richardson-Lucy迭代盲去卷积算法相比,文中算法迭代次数减少14.3%,估算精度有了明显提高,辨识出了AO图像的PSF,复原出了清晰的观测目标图像。研究结果对实际AO图像复原有一定的应用价值。     

跟踪窗自适应的捷联导引系统目标跟踪算法

捷联图像末制导导弹在跟踪的后期阶段,弹目距离和成像视角的变化会引起图像尺度和旋转变化,目标区域将由小变大直至充满整个视场。针对经典的Mean Shift算法在图像制导目标跟踪过程中不能自适应目标的尺度和旋转变化这一问题,研究了一种跟踪窗自适应的Mean Shift目标跟踪算法。对初始选定的椭圆目标跟踪区域和候选区域进行加权操作,并利用权值图像的零阶矩和Bhattacharyya系数,对真实目标面积进行精确估计。利用估计出的目标真实面积,并结合权值图像的2阶中心矩进一步构建可表达目标窗口内图像特征的协方差矩阵,再通过奇异值分解建立椭圆面积与协方差矩阵特征值之间的关系,从而计算出椭圆目标区域实际的主轴长度和方向,实现跟踪窗的自适应变化。仿真实验结果表明,该方法既具有Mean Shift算法精度高、实时性好的特点,同时又扩展了Mean Shift算法在目标发生尺度和旋转变化时的自适应能力。     

光学遥感图像变量分裂迭代快速复原算法

为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程为了实现光学遥感图像的快速复原,分析了已有全变差正则化复原算法存在的问题,提出基于全变差正则化图像复原的代理代价函数模型,并将该模型转化为3个子问题优化过程设计了一种快速解析迭代的变量分裂算法。同时为了克服“阶梯效应”考虑人眼对图像平坦区域和边缘区域噪声的感知特性,给出了迭代系统中正则化参数的自适应估计。实验结果表明：本文算法在信噪比改善和计算时间都优于Wiener滤波、约束最小二乘、基于全变差梯度下降和交错子空间投影等算法保留了图像的细节信息减少了“寄生波纹效应”和”阶梯效应”。     

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。     

融合修正OTSU 和中值滤波的水上航行器障碍物视觉分割

为进一步提高水上航行器视觉避障时图像分割的精确性,提出融合修正OTSU 和中值滤波的水上航行器 障碍物图像分割算法。利用修正系数将原始图像从RGB 模型转换为Y、Cb、Cr 色度值修正的模型,进行修正OTSU 的阈值分割,对分割后的二值图像实行自适应中值滤波降噪处理,并对3 种水上障碍物识别算法进行测试。结果表 明：与加权Otsu 算法和改进阈值分割算法对比,该算法可以将检测目标区域占比稳定在80%以上,并将干扰噪声区 域占比降低至28.5%,说明算法有效、可行。     

基于时空域融合的红外弱小目标检测新方法

针对复杂背景下红外弱小目标的检测问题，提出一种基于时空域融合的检测方法。在空域上．通过灰度形态学Tophat变换抑制背景、增强目标；在时域上．对红外图像序列连续四帧进行沿时间轴一维小波变换，实现目标和背景的分离。然后对时空域融合的目标增强图像进行自适应阈值分割来提取弱小目标。实验结果表明。该方法能有效地检测运动红外弱小目标。     

基于全散度的自适应鲁棒图形模糊聚类算法

针对图形模糊聚类对灰度分布不均匀及噪声干扰图像无法获得满意分割结果的不足,提出一种基于全散度的自适应鲁棒图形模糊聚类分割算法。全散度和像素邻域信息相结合,得到一种改进的全散度;改进的全散度引入图形模糊聚类最优化模型,并嵌入像素空间邻域信息。当前聚类像素与邻域像素均值的偏差作为该鲁棒聚类分割模型的正则因子,促使该聚类对强弱噪声具有自适应抑制能力。测试结果表明,与现有的图形模糊聚类、鲁棒模糊聚类等算法相比,自适应鲁棒全散度图形模糊聚类分割算法的分割效果和抗噪鲁棒性均有明显改善。