均方差模板匹配系统的局部精度

本文在信号和噪声是相互独立的两个均方可微的二维齐次Gauss随机场和噪声的数学期望为零等条件下,证明了均方差模板匹配系统的三个重要性质,导出了内含式和穿越式两种匹配方式局部精度的估计式。当已知积分距离、信号和噪声的自相关函数时,即可解析计算和评价系统的局部精度。     

伪Zernike矩不变性分析及其改进研究

伪 Zernike矩是基于图象整个区域的形状描述算子 ,而基于轮廓的形状描述子 ,例如曲率描述子、傅立叶描述子和链码描述子等是不能正确描述由几个不连接区域组成的形状的 ,因为这些算子只能描述单个的轮廓形状 .同时 ,由于伪 Zernike矩的基是正交径向多项式 ,和 Hu矩相比 ,除了具有旋转不变性、高阶矩和低阶矩能表达不同信息等特征外 ,还具有冗余性小、可以任意构造高阶矩等特点 ,另外 ,伪 Zernike矩还可以用于目标重构 .目前 ,伪 Zernike矩没有得到广泛的应用 ,其中的一个主要原因是 ,它不具备真正意义上的比例不变性 .为了能使伪Zernike矩得到更广泛的应用 ,在详细分析伪 Zernike矩不变性的基础上 ,提出了伪 Zernike矩的改进方法 ,使改进后的伪 Zernike矩在保持旋转不变性的同时 ,还具有真正意义上的比例不变性 ,同时给出了部分的实验分析结果 .实验结果证明 ,该改进后的伪 Zernike矩较改进前的伪 Zernike矩 ,具有更好的旋转和比例不变性 .     

基于小波包变换的遥感图象融合

为了能够更好地把来自多传感器的图象信息综合起来，以提高对图象信息的分析和提取能力，在研究了小波包图象分析法之后，提出了一种基于小波包变换的图象融合方法，由于小波包变换能对图象进行多层次分解，包括对小波变换没有细分的高频部分也能进行进一步的分解，因此小波包分析能够为图象提供一种比小波多分辨分析更加精细的分析方法，利用此融合算法将由多传感器获得的同一目标不同波段的遥感图象和不同分辨率的遥感图象进行融合后得到的融合图象，能够很好地将源图象的细节融合在一起，通过与该融合图象进行主观与客观的评价比较，证明该融合方法可以获得更好的融合效果。     

基于FFT与互信息准则的分层遥感图像配准

提出了一种基于傅立叶变换和互信息准则的分层遥感图像自动配准方法。通过小波变换构造图像金字塔;在小波分解的最顶层,采用基于傅立叶变换的方法确定图像间的变换参数,并作为下一层搜索的粗略位置;然后根据互信息最大的原则逐层细化,直到最底层。试验结果表明:采用所提的方法,克服了基于互信息准则的分层配准方法耗时长的缺点,且利用分层细化的搜索策略增加了基于傅立叶变换的误差修正过程,提高了配准精度。     

云天背景下红外序列图像的小目标检测

针对在云天背景下红外小目标的检测提出了一种背景抑制滤波器,与其它滤波器相比,滤波后图像的信噪比有了较大的提高.在图像分割时,先对图像均衡化,再利用最大对比度确定门限,该方法比其他分割方法具有更大的灵活性和有效性.在目标检测阶段,我们先进行HFQC滤波,然后设计管道作目标识别,能够较好地检测目标实验证明,该方法的检测精度有了很大提高.     

基于区域的小波多尺度多聚焦图像融合方法

提出了基于区域的小波多尺度多聚焦图像融合方法.首先对参加融合的两幅图像进行小波多尺度分解,得到两个金字塔结构.对于金字塔的每一层分解,使用"区域象素聚类"的方法生成标签图像,利用标签图像,对两金字塔各层的三个高频细节分量按区域能量取大的规则,形成融合二值决策图,每层分解对应一个二值决策图.利用每一层的二值决策图对相应层的细节分量进行融合,最后重构.并采用均方根误差对该方法进行了客观评价.实验结果表明本方法对多聚焦图像有较好的融合效果,其融合性能比基于窗口能量取大的单个象素的小波图像融合方法和文献[3]提出的融合方法的融合性能都好.     

红外图像序列运动小目标检测的预处理算法研究

讨论了复杂背景下低信噪比的运动小目标的检测,提出了用空间高通滤波方法改善图像质量,达到抑制背景噪声,增强小目标的效果,随后用似然比检测理论进行目标的初步分离,然后采用领域判决法实现运动目标的进一步分离,用图像流分法进行目标的最终检测。实验结果表明：该算法能够对小目标甚至是点目标的运动进行可靠地检测。     

基于迭代最近点的B样条曲线拟合方法研究

曲线拟合在图象处理、逆向工程应用等领域中有着重要意义。由于对于Ｂ样条参数曲线拟合,数据点的参数化直接影响着拟合的精度,因此提出了一种基于迭代最近点的方法来优化修正数据点的参数,并且证明了应用该方法进行曲线拟合具有局部收敛性。通过实验分析,验证了方法的正确性和鲁棒性。     

图像序列中的背景对准与运动检测算法研究

首先将ＭＣＭＯ（运动的摄像机和运动的目标）情况的场景序列,在“摄像机只存在平移运动”的假设下,变成ＳＣＭＯ（静止的摄像机和运动的目标）情况的场景序列。这样,在对处理后的场景序列应用运动检测算法时,就可以排除由于摄像机运动产生的虚假的目标运动。然后使用运动检测算法进一步校验那些采用基于特征的方法分割得到的运动目标,即真实的运动目标