面向实时图像处理的嵌入式操作系统研究

针对基于ADSP14060的图像实时处理系统,根据层次化的思想,设计并实现了一个具有代码量少、可移植、可裁减的嵌入式操作系统。该系统不但具有任务管理、资源管理、片内任务通信等基本功能,还具有片问任务的通信与同步这一重要功能。实验结果表明,该系统实时性强、稳定性好,可得到满意的图像并行处理效果。     

基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。     

深度图像的目标潜在区域提取算法

目标检测和识别算法通常使用复杂特征以多尺度滑动窗的方式进行分析,运算效率往往非常低。因此,目标性被引入进行目标潜在区域的快速预判断,减少复杂特征需要分析的窗数,从而达到加速算法效率的目的。针对逐步普及的Kinect深度像机,该文提出了一种基于深度图像的目标性分析算法,以提升深度图像的目标检测识别算法的效率。首先基于深度图像的法向量,提出能够有效描述深度图像边缘信息的特征,然后通过支撑向量机学习目标性的分类器,以得分的形式给出候选区域中存在目标的概率,最后基于人眼的视觉机理对不同尺度的目标进行加权。通过深度图公共数据库的实验对比,该算法给定1000个候选区域时达到94.1%的召回率,保证了准确率的同时大大减少了区域数量,能有效的提升目标检测识别算法的效率。      

基于上下文的机场目标识别方法

提出了一种基于上下文的机场目标识别方法,将机场各组成部分间存在的依赖关系应用于识别技术中,以提高识别效率。根据机场目标具有明显的方向性这一特点,使用Gabor滤波器对输入图像进行滤波,将图像信息按不同尺度和方向分解至多个通道,获取相应的特征图,并利用Radon变换从特征图中提取线特征。通过分析组成机场目标的各线特征之间的相互关系,利用上下文信息,制定一系列判决准则,实现对机场目标的有效识别。     

一种考虑红外焦平面器件非线性响应的非均匀性校正方法

针对红外焦平面阵列探测元响应具有非线性特征,提出了一种易于硬件电路实现的、考虑探测元响应非线性的非均匀性校正方法．通过理论分析和仿真实验,结果表明该方法校正参数少,易于硬件实现并且校正性能优于多点校正法和基于多项式拟合的校正方法．     

基于神经网络的边缘强度互相关匹配可信度分析

匹配可信度是分析图象匹配质量的主要指标,针对归一化边缘强度互相关匹配算法,研究了基于神经网络的匹配可信度判别方法,即以参考图与若干实时图的匹配实验结果作为训练用样本数据,然后利用ＢＰ网络进行训练,再将训练后的网络用于匹配可信度的判别。通过实际卫片与航片图象对的匹配实验,证实了该方法的有效性。     

基于边缘约束的红外目标图像松弛分割技术

本文提出了一种基于边缘约束的、能克服门限面技术和简单的松弛技术不足的红外目标图像松弛分割算法,该方法在确定显著边缘象素的基础上,建立了一个评估在不同初始概率下松弛分割结果的准则函数.通过自动调整初始概率,获得该准则函数的最优或次优解,从而得到满意的分割结果.文中给出了关于真实红外目标图像的分割结果.     

一种新的基于特征直方图分解的红外焦平面阵列无效像元判别方法

为有效地判别和剔除红外焦平面阵列(IRFPA)的无效像元,本文在分析了IRFPA有效像元响应模型的基础上,指出在均匀输入时IRFPA有效像元输出值的均值差(DOM)和标准差(STD)特征的分布具有正态性。通过采用自适应投影匹配分解法对特征直方图进行高斯分解,进而估计出有效像元DOM和STD特征的分布区间,从而得到了判别无效像元的分类准则．针对实际IRFPA图像数据的实验表明,本文提出的无效像元的判别方法是有效的．     

振镜二维扫描的图形畸变校正和曝光量补偿

主要讨论了物镜前振镜二维扫描光学系统中图形畸变的产生原因,分析比较了图形畸变与振镜布放、像面坐标系方位及fθ特性误差等的关系,并结合视场大小为75×75的实际物镜fθ特性误差的最小二乘拟合,给出了校正图形畸变的准确关系式.另外,在矢量扫描方式中光斑移动速度的非线性会导致扫描图形各部分曝光不均匀,文中也给出了对扫描图形曝光量加以补偿的方法和公式.     

基于神经网络法的焦平面器件非均匀性校正技术研究

首先分析了传统的非均匀性校正方法的缺点,指出自适应校正红外焦平面器件非均匀性的必要性。根据焦平面器件非均匀性噪声特性和算法研究的需要,介绍了非均匀性失真图像的产生方法。在上述工作的基础上,研究了基于神经的自适应非均匀性校正算法,探讨了最近４领域像素平均、最近４邻域像素灰度加权和８邻域像素灰度加权等三种情况。实验结果表明,８邻域灰度加权算法校正效果较好。