快速灰度投影稳像算法研究

为提高灰度投影稳像算法的速度,提出一种等间隔快速投影算法：参考帧图像每行（列）进行投影,待稳定帧图像的投影区域进行等间隔行（列）投影,所有的投影行（列）内等间隔取像素值,将2帧图像的投影曲线进行遍历相关运算,得出图像的运动矢量。通过分析相关曲线,得出其单峰性的特点。实验结果表明,该算法可保持传统灰度投影算法的稳像精度,运算量显著减小,计算速度大大提高。     

基于特征学习的建筑物自动识别算法研究

针对单幅航拍灰度图像的建筑物自动识别问题,给出了一种基于类特征学习的算法结构.利用建筑物顶部的高亮度特性,采用基于灰度的OTSU方法实现图像的粗略分割;然后采用二阶高斯马尔可夫随机场（GMRF）模型描述已分割图像,得到目标/背景类的6维特征向量;以此特征向量及粗分割的类标记为训练集,训练支持向量机（SVMs）分类器学习两类特征,再用训练过的分类器重新分割图像;最后采用基于先验知识的规则对分割区域进行建筑物/非建筑物判定;理论分析和实验结果表明了算法的有效性.     

基于单演相位的红外图像配准

将单演相位（monogenic phase）的概念用于红外图像特征点的匹配，完成了红外图像的配准。其核心思想是用Harris角点检测算法提取特征点，然后以单演信号元素{p（x），q1（x），q2（x）}构成相关矩阵．提取出初始特征匹配点对，再用随机抽样一致性算法（RANSAC）去除伪匹配的特征点对，选择内点集估计对极几何的基本矩阵，实现图像的配准。实验验证，单演相位的应用高效稳定地完成了红外图像的配准。     

融合多尺度统计信息模糊C均值聚类与Markov随机场的小波域声纳图像分割

声纳图像成像质量差、特征信息弱,目标分割存在一定困难,为此提出一种融合多尺度统计信息的模糊C均值(FCM)聚类与Markov随机场(MRF)的小波域声纳图像分割算法。小波域中低频信息统计特性描述了低频不同区域像素聚类情况,高频信息反映了该方向纹理特征,依据低频子带的统计峰值选取FCM初始聚类中心,应用小波域FCM聚类算法对声纳图像进行预分割,抑制噪声的影响,提高了预分割的准确性;构建初分割后图像的多尺度MRF模型,尺度间节点标记的相关性采用1阶Markov性表征,尺度内构建2阶邻域系统描述系数间的标记联系,标记场采用双点多级逻辑模型建模,同一标记的系数特征场采用高斯模型建模,弥补了MRF算法中层次信息和轮廓信息描述的不足;应用迭代条件模型算法求其最小能量下的标记场,实现声纳图像分割。从视觉主观效果和客观评价指标两方面的实验结果验证表明,该算法分割声纳图像均优于FCM聚类算法和MRF算法,分割的声纳图像边缘与细节的清晰度、精细度均有一定程度改善。     

基于特征显著值归一化与位置加权的FT算法

频率调谐（FT）显著区域检测算法在背景复杂和图像显著区域比较大时检测效果不理想。针对上述问题,对FT算法进行了改进,提出了一种基于特征显著值归一化与位置加权的频率调谐显著区域检测算法（FTFP）。该算法主要在FT算法的基础上进行了图像分块、Lab颜色特征显著值的分别归一化和位置加权处理。实验结果表明,FT-FP算法在显著性检测视觉效果、准确率与查全率、对噪声图像的检测上都优于FT算法,综合性能突出。     

基于二维本征模态函数的 SAR 图像目标检测

合成孔径雷达（SAR）成像具有其独特的优势,能全天时全天候获取目标区域遥感数据,但是其成像机理复杂,获得的 SAR 图像解译困难。从 SAR 成像回波特点出发,结合二维经验模态分解（BEMD）理论,提出了一种基于二维本征模态函数（BIMF）的 SAR 图像目标检测算法。采用仿真和实际的 SAR 图像数据进行了验证实验,实验结果表明,利用融合的 BIMF 特征分量检测目标,其效果优于直接用原始 SAR 图像进行目标检测,并且对不同信噪比的 SAR图像,具有较强适应能力。     

紅外图像边缘提取的算法

提出一种对图像矩阵中的每行（或每列）进行搜索，寻找出各行（或各列）相邻像素之间灰度差值的最大值与最小值，并将达到极值处的像素灰度值作为该行（或该列）的边界灰度值，使用得到的列边界灰度值或行边界灰度值计算出阈值从而提取红外图像边缘的算法；此外，利用黄金分割方法，并采用多阈值及限定区域的思想设计提取图像边缘的另一种算法；分析了文中算法的时间复杂度。实验结果表明，文中算法能够快速有效地提取红外图像的边缘，并能满足红外自动目标识别的实际需要。     

尺度不变特征变换算法在图像配准中的应用

为了提高图像配准的稳定性和可靠性，研究了尺度不变特征变换（Scale Invariant Feature Transform）算法在图像配准中的应用。在尺度空间。尺度不变特征变换算法对图像的平移、旋转和仿射变换具有不变性。将该方法应用到图像配准中，验证了尺度不变特征变换算法的稳定性和可靠性。甚至对任意拍摄角度的图像都具有稳定的匹配能力。     

图像匹配经典算法及其改进方法研究

图像匹配算法包括直接利用原始图像的灰度进行匹配、利用图像的物理形状特征进行匹配以及使用高级特征的算法进行匹配。经典匹配算法包含ABS算法、归一化互相关匹配算法、图像矩匹配方法，以及基于图像特征点的匹配算法。其改进算法涉及SSDA算法、金字塔分层搜索算法等。     

基于导向重构与降噪稀疏自编码器的合成孔径雷达目标识别

为解决现有合成孔径雷达（SAR）目标识别算法泛化能力差和算法复杂度高等问题,提出一种基于导向重构与降噪稀疏自编码器的SAR目标识别分类算法。利用导向重构算法对SAR图像进行两尺度融合预处理,生成一维图像矢量并作归一化处理,以降低图像输出特征的维度,提高预处理的速度;采用减少降噪自编码器隐层神经元方式对图像进行低维特征抽取和识别;使用Softmax分类器进行分类处理。实验结果表明,通过导向重构与降噪稀疏自编码器的SAR目标识别算法,不仅提高了目标识别性能以及泛化能力,而且降低了自编码器的隐层神经元数量和计算复杂度,网络结构也得到改进和优化。     

分块投影匹配在快速序列图像稳定中的应用研究

图像稳定常用于各类序列图像系统的预处理。本文提出一种基于分块投影匹配的快速序列图像稳定算法。该算法将待处理序列图像进行分块,通过投影匹配计算得到各对应分块的运动矢量,提出一种评价准则赋予各运动矢量相应权重,利用改进的随机一致参数估计方法得到全局运动模型参数。试验结果表明,与基于KLT、SIFT等特征点匹配的估计算法相比,在对估计精度没有较大影响的前提下,本文算法具有运算速度快、能实时应用的特点。     

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。     

一种指纹图像置信阈值极值化处理算法

针对传统方法存在适应性差、计算量大等特点,提出一种指纹图像置信极值化的处理方法。采用图像均 衡化与置信阈值极值化结合对图像进行强化,对每个小区域的像素点进行灰度值求均值和方差,并采用Visual C++ 平台对算法进行实验验证。实验结果表明,该算法具有处理效果好、适应性强的特点。     

一种基于小波变换的可见光与红外图像融合算法研究

为了解决可见光与红外图像所表现的目标特征不一致的问题,提出了一种红外与可见光图像融合算法.首先利用小波变换将图像进行多尺度分解,然后提取不同分辨率、不同方向下的小波系数,采用不同的融合算法构造融合图像对应的小波系数,最后利用该小波系数重构融合后的图像.实验结果表明,该算法在红外与可见光图像融合处理中取得了很好的融合效果,有效地将红外和可见光对同一目标所表现出不同的特征、细节融合在一幅图像里,增加了单幅图像的信息量,丰富了目标的信息层次,为图像显示观察和后续图象处理系统获取信息提供了基础.     

SAR图像相干斑抑制方法综述

由于SAR是相干成像系统,在获取SAR图像时会含有相干斑噪声,使得SAR图像的解译,理解变得困难,因此有必要对SAR图像的相干斑进行抑制;首先介绍了相干斑的形成机理,之后对多视处理技术、空域滤波技术、变换域滤波技术和非局部均值滤波技术进行总结,在简要介绍各种方法的来源、理论基础和发展的基础上对比了各自的优缺点,最后展望了SAR图像相干斑抑制研究领域的进一步发展方向.     

红外图像边缘提取的随机阈值方法

提出一种提取红外图像轮廓及内外部信息的随机方法。采用对图像矩阵中的列进行搜索,形成准阈值集合,然后从准阈值集合中随机抽取一个值作为阈值并用评判条件进行评价的方法。该方法可以获取红外图像轮廓及内外部纹理。分析了算法的时间复杂度。实验结果表明,随机算法的效果较好,能满足红外自动目标识别的实际需要。     

基于加权聚焦度的多焦点图像融合算法

为保留更多的源图像信息特征,克服基于梯度等融合算法容易产生伪影的缺陷,提出一种基于加权聚焦度的图像融合算法.计算每个源图像的聚焦度量值空间频率、改进的修正拉普拉斯算子和和梯度加权和,得到聚焦状态图 MSF、Mi-SML和 MSoG,根据隶属函数求出相应隶属度值μSF(z)、μi-SML(z)和μSoG(z),得到各源图像的权重,根据线性归一法生成最终的融合图像,并将该算法与当前几种典型图像融合算法进行主客观评价.结果表明:该算法的标准偏差(σ)高出4.699,平均梯度(G)高出0.382,信息熵(H)也是最高的,其他评价参数也在可接受的范围内,融合图像更清晰,没有产生伪影.     

一种基于分块灰度投影运动估计的视频稳像方法

提出一种基于分块灰度投影运动估计的视频稳像方法,该方法首先对图像划分子区域, 依据灰度梯度对子区域进行筛选,剔除容易导致错误运动估计的低对比度子区域,在减少运动估计运算量的同时提高了运动矢量估计的精度;然后对保留的子区域进行灰度投影及相关运算获得局部运动矢量,根据图像帧间运动模型由局部运动计算出图像的全局运动矢量;最后根据运动补偿矢量对图像进行补偿,以获得稳定的图像序列。分块灰度投影运动估计算法有效解决了投影法存在的前景局部运动影响全局运动估计精度,以及无法估计旋转运动问题。实验结果表明,相比于传统灰度投影算法,该运动估计算法提高了运动估计的准确性和实时性。