空中侦察序列图像连续拼接的累积误差分析与消除

分析研究了空中侦察序列图像连续拼接产生误差的原因,连续拼接中的误差累积与传播往往导致拼接图像质量难以接受甚至拼接过程失败,而拼接获取大视野战场毁伤全景图像具有重要军事应用价值;针对空中飘弋平台运动姿态复杂,成像模型难以建立的特点,提出了一种在连续拼接过程中变换基准图的拼接策略以消除累积误差的产生,通过对空中飘弋平台实拍序列图像和模拟仿真的序列图像进行拼接的实验结果表明,基准图的变换可大大减弱拼接过程中的累计误差影响,同时多次变换也会造成局部边缘的失真,但不影响后续的处理和使用,该策略的提出可为类似视点变化复杂的成像拼接提供误差消除方法和有效手段。     

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。     

弹载侦察图像质量评价方法研究

针对弹载侦察图像由于受成像平台和条件限制存在多类型混杂失真,为了对图像后续处理和成像系统性能优化提供重要量化依据和指标参考,开展此类图像质量评价研究。分析了弹载侦察图像的特点,针对成像平台的多自由度、多姿态变化情况,提取与相机抖动、结构变化、颜色丢失相关的3类11种图像特征,利用高分辨率测绘图像作为原始图像集,分块提取特征进行多元高斯模型(MVG)拟合获得基准分布特性,对弹载图像也进行分块处理获得对应MVG分布特性,比较其与基准MVG特性马氏距离作为子块质量得分,计算各子块的得分均值作为整幅图像最终得分。以实际弹载成像平台获取的图像进行了实验验证。实验结果表明：与盲图像质量测度算法、基于离散余弦变换的图像完整性测度改进算法、基于失真度识别的图像验证与完整性评价算法、质量感知聚类算法、盲图像质量空域测度算法、自然图像质量测度算法、整体与局部的自然图像质量测度算法7种其他经典方法相比,该算法具有更好的准确度和主客观一致性。     

基于相位编组图像分块的快速Hough变换直线检测

在分析Hough变换直线检测算法和相位编组法直线检测算法的基础上,针对这两个直线检测算法的不足,结合它们的优点,设计并实现了基于相位编组图像分块的快速Hough变换直线检测算法,对算法进行了详细描述和算法优点分析,并通过实验验证了算法的有效性,实验表明所设计的直线检测算法运算速度快,参数易于选择,鲁棒性强,有一定的应用价值。