基于邻域阈值分类的小波域图像去噪算法

利用图像小波系数的空间相关性可以有效地去除图像中的噪声。将一维信号的小波邻域阈值扩展并应用于二维图像,子带内的每个小波系数根据其邻域阈值的大小被划分为“大”系数或者是“小”系数;对“小”系数直接置零,对“大”系数则采用一种具有局部空间强相关性的零均值高斯模型,通过最小均方误差准则得到其估计。仿真实验结果表明该算法简单有效,在去噪性能上优于传统的子带自适应阈值去噪方法,可与两种优秀的空间自适应去噪算法相媲美。     

基于向量机的图像插值算法研究

为了更好地进行图像插值，可首先利用最小二乘向量机对原始图像的局部区域进行灰度曲面最佳拟合，然后在拟合曲面上进行未知像素点的灰度值估计，同时提出了运用测试图像进行参数优化的方法，并以径向基核函数为例导出了区域图像的插值系数矩阵，进行了图像放大插值实验验证。实验结果表明，基于支持向量机的图像插值算法具有很强的适应性，其性能与Cubic技术相当，但效率更高。     

一种改进的图像超分辨率模型与数字图像分辨率的研究

论文从Harris等人提出的图像超分辨率理论出发,分析了传统图像超分辨率理论的不妥之处,并在此基础之上对成像模型进行了改进。以改进模型为依据,指出数字图像频谱的混迭是影响数字图像分辨率的主要因素之一,并且这种混迭是不可避免的,也是不可能被完全消除的。在数字图像超分辨率重建中,奈奎斯特抽样定理已经不能适用了,此种重建过程应该是减小混迭的过程,根据重建精度的要求,相应的来减小混迭。在图像混迭的基础之上,提出了一种数字图像分辨率的概念,由此概念出发,可以为数字图像超分辨率重建提供新的途径和评价方法。     

一种新的全天自主几何结构星图识别算法

提出了一种新的星图识别算法,该算法根据星敏感器的观测精度,在识别前去除星三角形的观测误差,对无误差的星三角形进行编码,构造特征量。导航三角形的识别只需基于单一特征量的匹配就可完成。多三角形的组合,有效地提高了正确识别率。仿真实验表明,该算法与传统的三角形算法相比,具有更好的实时性和鲁棒性。     

增强现实技术及其应用

增强现实是把计算机产生的虚拟物体或其它信息合成到用户看到的真实世界中的一种技术。实现虚拟信息与真实景象的正确匹配或有机结合是每个增强现实实用系统都必须完成的一项重要任务,它的具体实现依赖于计算机硬件和软件系统的相互配合及协调。该文介绍了增强现实的概念,增强现实技术的系统组成以及它的应用。在对理想意义上的增强现实系统所需具备的性能和已有研究成果所能提供的性能分析比较的基础上,该文提出了一些增强现实技术中还需要深入研究的问题。     

激光成像雷达在飞行器避障过程中的应用

飞行器前视激光雷达通过测距得到前方距离像,由得到的距离像可以得到飞行器前面障碍物的形状、高度、宽度等信息,根据得到的信息,由飞行器惯导和飞行器在任意时刻的姿态可以决定飞行器的避障过程。根据激光成像雷达探测到的前视三维障碍物信息,推导了飞行器惯导约束下的避障算法。用该推导的算法在真实地形图上进行了模拟实验,实验结果表明算法是正确性的。     

基于小波变换与Bézier曲面插值相结合的图像插值方法

为提高遥感图像的分辨率,提出首先对图像进行小波分解,然后对小波分解后的相应高频子带进行B啨zier曲面插值,再通过小波逆变换后获得高分辨率图像的图像插值方法.实验结果表明:该方法较好地保持了图像中丰富的高频成分,插值后的图像具有很好的视觉效果和较高的信噪比,克服了传统的插值方法使图像高频部分损失、细节被模糊的缺点;该算法结构简单、易于快速实现,是一种行之有效的超分辨率算法.     

遥测地形数据中粗差的自动滤除

对于地形遥测数据中引入的脉冲噪声（粗差）,传统的滤波算法往往需要选择滤波门限、自适应能力不强,或者不能在滤除噪声的同时有效地保护信号数据。针对以上问题,提出了一种新颖的脉冲噪声自适应滤除算法,该算法基于数理统计和模糊数学思想,对局部数据（滤波窗口）进行均值和方差估计,并根据估计结果自动选择检噪门限,进而实现噪声检测和平滑。实验结果显示,在脉冲噪声密度小于5%时,该算法的滤波信噪比增益远高于常用滤波算法和其它同类算法;算法对平稳信号的处理效果较好。     

基于Mean shift的核窗宽自适应目标跟踪新算法

针对传统均值漂移算法(Mean shift)中核函数直方图对目标特征描述较弱、跟踪过程中核函数带宽的保持不变的缺点,提出了一种新的核函数带宽可变的Mean shift跟踪算法.在特定的色彩空间中,统计落入各区间的像素个数.并对各区间像素的位置建立高斯分布模型,采用二阶空间直方图实现目标建模,强化目标特征描述提高了跟踪的鲁棒性;结合边缘检测与角点检测选取目标特征点估算目标仿射模型确定伸缩尺度.适应目标多自由度变化下的跟踪.实验结果证明,该算法比原有算法跟踪效果更加准确和可靠.     

基于点特征的旋转图像匹配新方法

图像匹配在模式识别、图像分析和计算机视觉中有着广泛的应用.图像匹配是将模板在参考图中逐像素移动,计算它们的灰度相似性,搜索相似性最大的位置.这种逐像素的搜索方法计算复杂度高.如果模板和参考图之间存在旋转,传统的匹配方法很难实时实现.提出了一种基于点特征的旋转图像的匹配方法,首先采用Harris角点检测算子提取图像的特征点,然后利用小面模型对特征点邻域进行拟合,提取特征点的旋转不变特征,最后利用特征点的旋转不变特征进行点集的匹配,获取图像的平移和旋转参数.该方法匹配结果准确,与传统的相关匹配方法相比计算复杂度很小,易于实时实现.