基于小波去噪的平滑约束最小二乘图像复原法

针对约束最小二乘图像复原法在退化图像信噪较低时的病态问题,提出基于小波去噪的平滑约束最小二乘图像复原法.其步骤分为自适应噪声估计、退化图像小波去噪及平滑约束最小二乘滤波.通过将原始图像与点扩散函数PSF进行卷积、叠加一定加性噪声两个步骤产生退化图像.实验证明,此法能达到较好的复原效果,且其性能随退化图像信噪比下降可明显提高.     

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”。     

气动光学效輿降晰函数辨识与图像复原

提出对气动光学效应降晰函数进行建模，选择“误差一参数分析法”进行降晰函数辨识，利用所建模型对试验图像进行图像复原，图像信噪比获得提高，复原效果明显。研究表明，对气动光学效应图像进行降晰函数辨识，可以有效地应用于气动光学效应的图像复原。     

图像复原的逆滤波器技术探讨

图像复原是利用退化现象的某种先验知识(退化模型),按退化的逆过程重建图像的技术.其退化模型是原始图像经过算子,或系统经退化因素作用之后和噪声叠加,以形成退化后的图像,即实际得到的图像.逆滤波器复原的原理,是利用已知复原图象和噪声,通过退化函数,经过反傅立叶变换,求出原始图象.同时以Visual C++ 6.0为开发工具,讨论了实现逆滤波复原函数的部分程序.最后给出了对一幅图像进行卷积模糊操作和逆滤波复原的示例.     

炮射高速运动目标图像预处理方法研究

炮射武器装备在研制过程中,因测试时的复杂恶劣环境,导致基于高速摄像的运动目标动态参数获取技术获取的高速运动图像不够清晰,从而无法进行有效的数据获取。针对试验过程中存在的烟尘导致被摄目标被虚化、高速目标运动模糊和被摄目标过暗使细节无法观测这3种典型图像质量问题,分别采用暗通道去雾算法、基于盲反卷积的Lucy-Richardson算法和变换函数算法进行预处理,并对处理结果进行了客观评价和实验验证。结果表明,图像处理算法提高了图像辨析度并有效改善图像质量,提高了该测量技术在复杂环境下的适用性。     

一种改进的超分辨图像重建方法

在分析凸集投影算法(POCS)的基础上,详细阐述了凸集投影算法的原理和步骤。为了提高超分辨图像质量效果,文中提出一种改进的凸集投影方法。使用最小二乘约束盲解卷积算法来对经过双线性内插的图像进行处理,把处理后的图像作为超分辨重建的迭代初始值。由于超分辨重建技术没有原始清晰图像,所以文中只进行了平均梯度和信息熵的计算并且比较。通过实验证明,文中提出的改进的凸集投影算法相比传统的凸集投影算法重建效果有了显著的提高。     

基于解卷积的自适应空间谱估计方法

针对自适应空间谱估计方法背景级对目标空间方位角分布值估计的影响问题,提出了基于解卷积的自适应空间谱估计方法。该方法首先在自适应空间谱估计方法输出空间谱基础上,采用类狄利克函数和空间谱归一化平均背景级实现点扩展函数设计;然后利用点扩展函数和图像复原中Richardson-Lucy迭代方法对自适应空间谱估计结果进行解卷积,降低背景级及其对目标空间方位角分布值估计的影响。数值仿真和实测数据处理结果表明:该方法作为一种后置处理方法,继承了自适应空间谱估计方法高分辨估计能力,空间谱峰值更加"尖锐";信号谱级比较低时,通过增加迭代次数使其输出空间谱背景级远低于自适应空间谱方法和分子阵处理方法,具有更好的目标空间方位角分布估计能力。     

基于深度卷积生成对抗网络的航拍图像去厚云方法

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。     

基于灰度图像的阴影检测算法

基于灰度图像的阴影检测算法,通过快速归一化互相关函数计算方法其复杂度,并采用背景减法与帧差法相结合方法提取运动前景.其步骤包括提取运动前景及检测运动目标的阴影.该方法与基于HSV模型的阴影检测算法相比,实验表明:在不需要任何的颜色信息的情况下,基于灰度图像的阴影检测算法能较好检测出阴影.     

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。     

Super-resolution Restoration of Remote-sensing Images

A novel image restoration scheme, which is super-resolution image restoration algorithm Poisson-maximum-afterword-probability based on Markvo constraint （MPMAP） combined with evaluating image detail parameter D, has been proposed. The advantage of super-resolution algorithm MPMAP incorporated with parameter D lies in the fact that superresolution algorithm MPMAP model is discrete, which is in accordance with remote-sensing imaging model, and the algorithm MPMAP is proved applicable to linear and non-linear imaging models with a unique solution when noise is not severe. According to simulation experiments for practical images, super-resolution algorithm MPMAP can retain image details better than most of traditional restoration methods; at the same time, the proposed parameter D can help to identify real point spread function （PSF） value of degradation process. Processing result of practical remote-sensing images by MPMAP combined with parameter D are given, it illustrates that MPMAP restoration scheme combined PSF estimation has a better restoration result than that of Photoshop processing, based on the same original images. It is proved that the proposed scheme is helpful to offset the lack of resolution of the original remote-sensing images and has its extensive application foreground.     

视频序列中运动目标检测技术

提出一种基于前景目标分类的视频序列中运动目标检测方法。该方法在RGB空间内建立了一种新颖的背景模型;为了解决背景更新“死锁”问题,提出了像素点的跳跃度函数和稳定性函数,将前景分类为静止目标、运动目标及虚假目标;最后提出了一种基于HSV颜色信息和ー阶梯度信息的混奋阴影剪除算法。实验结果表明,该方法能有效分割视频场景中的运动目标并鲁棒地分离目标及其阴影区域。     

被动毫米波图像恢复的偏微分方程方法

针对被动毫米波图像模糊和分辨率较低,提出采用偏微分方程方法进行图像的高分辨率恢复,并给出了偏微分方程模型和相应的图像恢复算法.该方法首先把得到的带噪降晰图像进行两个不同尺度的 Gauss 去噪,获得两幅更模糊的再降晰图像,再以这两幅图像为基础,通过迭代计算得到高分辨率图像.偏微分方程方法原理简单并且计算方便,通过对实际金属目标的被动毫米波图像的恢复,显示该方法具有较好的恢复效果.     

基于自适应梯度先验的旋转模糊图像复原算法

弹载红外成像系统随弹体作高速旋转运动时,在曝光时间内获取的图像存在严重旋转模糊问题,给后续的目标识别与图像跟踪造成极大困扰。针对此问题,提出了一种基于自适应梯度先验的旋转模糊图像复原算法。该算法通过使用自适应梯度先验的正则化项,对从图像中沿旋转模糊路径提取的一维向量在频域内进行反卷积运算。同时针对使用Bresenham算法提取像素方法产生的空穴点问题,设计了一种查表决策的自适应中值滤波算法。仿真实验结果表明,相对于改进的维纳滤波、约束最小二乘滤波、梯度加载滤波,该算法能有效地适应低信噪比干扰环境,具有较强的噪声抑制和削弱振铃效应的能力。     

一种基于条件生成对抗网络的单幅图像去雾算法

针对雾(霾)会显著降低基于图像制导武器的可见光侦测设备成像质量,从而干扰对目标精确识别的问题,提出一种基于条件生成对抗网络的单幅图像去雾算法。在生成器下采样中使用软池化运算,以提高细粒度特征的提取能力;加入全局平均池化层,旨在消除图像边缘的震荡效应,提高去雾图像清晰度;简化判别器结构,优化损失函数权重值确定方法,提升网络模型训练效率。实验结果表明:去雾后的图像清晰锐利,色彩自然,在结构相似性、峰值信噪比和图像信息熵等客观定量指标上优于经典去雾算法,对去雾后图像进行目标检测的平均精度均值提升了4.13%。     

弹载探测器自适应高分辨前视成像策略研究

为满足新型炸高可选择近炸引信的任务需求,提出一种弹载毫米波探测器的自适应高分辨前视成像策略。利用探测器截获的目标区域回波数据,动态提升同一距离维内的方位向测角精度,从而准确获取探测区域内目标的方位信息;通过距离测量以及方位角优化,最终形成高分辨前视方位-距离像。该策略突破了传统单脉冲测角时仅利用理想状态下方位角鉴别曲线的误区,基于截获的回波数据对该鉴别曲线进行误差修正,最终使方位向测角精度达到同距离维最优。实验结果表明：自适应高分辨前视成像策略具有可行性与优越性;经过8次迭代后,可获取同一距离维下的最优鉴角曲线,实现方位向自适应聚焦;与传统实波束扫描成像策略相比,该策略能够使方位向角度分辨率提升10倍,且算法复杂程度能够满足弹载平台要求。