基于Chirp_z变换与方位变标地球同步轨道SAR成像算法

针对地球同步轨道合成孔径雷达(GEO SAR)成像距离向处理复杂,方位向空变性强问题,该文提出一种基于Chirp_z变换与方位变标的成像算法。首先在回波模型中考虑停-走-停假设带来的相位误差,然后给出目标点的斜距表达式,并利用泰勒级数对斜距进行了高阶展开,通过级数反演法得到信号频谱表达式,利用高效的Chirp_z变换校正距离走动,简化距离向处理,利用改进的变标因子校正方位向信号一次,二次,三次展开项系数线性时变性,并在方位频域内补偿变标操作引入的相位误差。仿真结果表明该算法能够实现地球同步轨道SAR聚集成像。     

合成孔径雷达马赛克模式成像算法

针对马赛克模式边缘成像模块存在斜视成像以及不同成像块拼接存在像素间隔不一致的问题,提出了一种合成孔径雷达马赛克模式成像处理算法。该算法在方位向采用改进的去斜处理方法,去除了信号方位频谱混叠,在此基础上,利用距离多普勒算法进行距离向压缩,距离徙动校正,再使用基于Chirp Z变换（CZT）消除了不同成像块的像素间隔差。仿真实验表明,该算法对马赛克模式具有良好的成像效果。     

改进投影梯度非负矩阵分解的单训练样本特征提取研究

人脸识别是当前人工智能和模式识别的研究热点。非负矩阵分解(NMF)能够反映样本的局部的内在的联系,可用于单样本特征提取,但时间复杂度较高。投影梯度(Projected Gradient,PG)优化方法大幅降低了NMF约束优化迭代问题的时间复杂度,但是单训练样本存在对本类信息量描述不足的缺点。为此,该文提出了一种基于改进的投影梯度非负矩阵分解 (Improved Projected Gradient Non-negative Matrix Factorization,IPGNMF) 的单训练样本特征提取方法。在进行PGNMF算子之前,先将训练样本作Gabor分解,分解后的Gabor子图像在各个方向上可以更加丰富的描述样本特征,最后将各个Gabor子图像的PGNMF特征进行融合,作为最终的识别特征。在对人脸库ORL,YEL与FERET的识别实验中,与经典的特征提取方法比较,证明了可以有效地解决单训练样本人脸识别的问题。     

基于线阵CCD的光斑定位算法研究

为了提高CCD测量系统中光斑的定位精度,在重心法的基础上提出了基于线性插值和权值非线性的质心算法,在不同噪声水平下比较了两种算法所能够达到的精度。研究结果表明基于线性插值的权值非线性质心算法能达到1/25像素的定位精度,比传统的重心法有更高的定位精度和稳定性。     

Mean Shift目标跟踪核函数宽度的自适应调整

Mean Shift算法无需穷尽搜索就可快速定位目标,因此被广泛应用于实时性要求较高的目标跟踪领域中。但传统Mean Shift算法的核函数宽度,也即跟踪窗口是固定的,不能适应目标大小变化,定位精度低。针对该问题,提出一种目标尺度度量方法,并应用于Mean Shift算法中,实现核函数宽度随着目标大小变化而自适应调整,实验仿真结果表明改进后的算法能很好地跟踪目标大小的变化,跟踪效果很好。     

基于矢量预测的快速运动估计搜索算法

基于H.264视频编码标准的编解码过程中,运动估计的时间大概要占总编码时间的70%(1个参考帧)到90%(5个参考帧)。对于H.264标准的新特点,传统的全搜索算法的精度高,但计算量太大,不能应用于实时处理;经典的菱形等算法搜索模式简单,易于实现,但容易陷入局部无穷小。采用了一种基于运动矢量预测的快速运动估计搜索算法。该方法首先利用运动矢量的时、空间相关性得到预测矢量,然后利用非对称十字型搜索确定运动估计的起始点,最后采用经典的菱形算法进行运动估计。实验结果表明,相比UMHexagonS快速搜索算法,该算法能够在码率增加不超过1%,信噪比下降不超过0.1 dB的情况下,运动估计速度有较大提高。     

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。     

智能化信号信息处理技术的发展与展望

本文描绘和分析了目前电子系统信号信息处理的发展概况及今后一个时期的发展趋向。智能化信号信息处理的主要技术在今后一方面向纵深发展，另一方面向集中和融合发展，从而形成综合智能化信号信息处理系统。     

三维重建中点云模型与纹理图像的配准

研究三维立体图像优化问题,实现高真实度的纹理图.由于立体图像重建过程产生累加误差,影响匹配精度.目前半自动和自动纹理贴图中三维扫描数据与高分辨率纹理图像对应点配准精度低、计算量大.为解决上述问题,在标准ICP(Iterative Closest Point)算法的基础上,提出一种改进的LM-ICP 2D和3D配准算法.通过法向量内积加权的最近点迭代,动态更新特征对应,减小误匹配点对配准精度的影响,并利用LM(Levenberg-Marquardt)算法优化投影矩阵.采用真实数据进行仿真.实验表明,提出的算法能得到精度高、真实性强的匹配图像效果,为设计提供参考.     

混合PCA/ICA与JPEG2000结合的高光谱图像压缩

主成分分析(PCA)常常结合JPEG2000压缩标准用来对高光谱图像进行压缩。然而,由PCA得到的主成分仅利用了二阶统计信息。对于高光谱图像应用来说,只采用二阶统计信息是远远不够的,如异常像素的处理常常需要用到更高阶的统计信息。研究了一种混合PCA/ICA与JPEG2000相结合的高光谱图像压缩算法。首先,对原始高光谱图像进行PCA变换,提取出前m个主成分对应的特征向量矩阵WPCA;然后,对其余的特征向量进行ICA变换,得到n个特征向量矩阵WICA;最后,将得到的混合投影矩阵、原始高光谱图像及其均值向量共同嵌入JPEG2000比特流,从而完成对高光谱图像的压缩。在不同码率的情况下,通过空间相关系数(ρ)、信噪比(SNR)、光谱角填图(SAM)等技术指标对混合PCA/ICA+JPEG2000算法的压缩性能进行评估。实验结果表明,混合PCA/ICA+JPEG2000算法不但能有效去除高光谱图像的谱间相关性,而且能够有效提高光谱保真度,保护异常像素信息。