林地背景下伪装目标偏振成像检测算法

综合利用了偏振特征和偏振融合图像的分形特征,提出了一种林地背景下伪装目标偏振成像检测算法.首先通过模糊聚类的方法分割出偏振图像中目标的潜在区域,通过形态学方法去除微小干扰;然后在潜在区域提取分形特征,利用伪装目标与背景分形维数的差异排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的位置和形状特征,从而...     

基于在线判别式字典学习的鲁棒视觉跟踪

现有子空间跟踪方法较好地解决了目标表观变化和遮挡问题,但是它对复杂背景下目标跟踪的鲁棒性较差。针对此问题,该文首先提出一种基于Fisher准则的在线判别式字典学习模型,利用块坐标下降和替换操作设计了该模型的在线学习算法用于视觉跟踪模板更新。其次,定义候选目标编码系数与目标样本编码系数均值之间的距离为系数误差,提出以候选目标的重构误差与系数误差的组合作为粒子滤波的观测似然跟踪目标。实验结果表明：与现有跟踪方法相比,该文跟踪方法具有较强的鲁棒性和较高的跟踪精度。     

基于矢量小波的红外弱小目标检测算法研究

针对标量小波用于红外弱小目标检测,检测精度较低的缺点,设计并实现了一种基于矢量小波的红外弱小目标检测算法.算法首先对红外弱小目标图像进行矢量小波分解;然后时水平及垂直方向上不同子带的小渡系数进行去噪和增强处理,并舍弃低频小波系数;最后进行矢量小波重构并进行自适应阈值分割.对算法进行了实验,实验表明算法具有检测精度高和易于实时实现的优点.     

单波长发射五通道接收激光雷达系统研制

后向散射激光雷达是探测大气气溶胶参数的有力工具,但它存在盲区和过渡区,且需要假设气溶胶的消光后向散射系数比来反演气溶胶的参数,这些限制了它的探测范围和精度。集侧向散射、后向散射和拉曼散射于一体的单波长发射五通道接收激光雷达系统,克服了上述困难。该激光雷达可以探测气溶胶的退偏比廓线、水汽混合比廓线、后向散射系数廓线和消光系数廓线等。气溶胶后向散射系数和消光系数可从地面到对流层顶进行探测,气溶胶退偏比廓线可以在对流层内进行探测,水汽混合比廓线可以在边界层内进行探测。在硬件条件的基础上,分析了各通道的信噪比和探测结果的随机相对误差。实例探测表明:该激光雷达系统数据可靠,探测范围较广。该系统的建立,为进一步深入研究气溶胶消光系数、水汽时空分布以及它们之间相互关系奠定了坚实的实验基础。     

序列图像拼接过程中误匹配的消除

序列图像拼接过程中困难之一是当重叠区域内存在多个相似部分时，就会发生误区配而导致拼接失败。在采用图像特征区域配准算法中，基于同名区域面积差、区域重心同位、区域重心距离比及配准参数复用提出了四种误区配的消除方法。实验表明，这些方法能有效地消除误匹配，提高序列图像拼接的配准率。     

基于神经网络的电机状态监测与早期故障诊断

基于定子不平衡电流的在线检测，探讨了联想记忆神经网络在电机故障诊断中的应用，模拟试验证实了该方法的有效性，为电机故障的在线监测与早期诊断提供了一条新的有效途径。     

在Delphi中调用Windows API实现特殊界面

随着软件技术的发展，在Windows平台上出现了很多优秀的可视化编程环境。程序员可以采用“所见即所得”的编程方式，来开发具有精美用户界面和功能的应用程序。这些工具提供了大量的类库和各种控件，它们替代了API的神秘功能。有了这些类库和控件，程序员们就可以把主要精力放在整体功能的设计上，而不必过于关注具体细节，不过这样也导致了非常多的程序员在类库面前固步自封，对下层的API函数的强大功能知之甚少。实际上要想开发出更灵活、更实用、更具效率的应用程序，必然涉及到直接使用API函数。虽然类库和控件使应用程序的开发容易…     

基于中心与邻域系数均值关系的盲水印算法

为了能够更好的满足水印的鲁棒性和不可见性,提出了一种基于关系的DWT域盲水印算法,首先对原始图像进行二级小波变换,在小波系数的中频子带中,根据比较中心系数与邻域系数均值关系的方法来嵌入水印,水印嵌入前进行了最优置乩处理,使得修改的中频系数最少,从而保证了较好的不可见性.在水印的提取过程中无需参考原始图像,实现了全盲检测.通过对嵌入水印的图像进行加入噪声、滤波、压缩以及裁剪等大量图像处理实验,均能正确检测出水印,结果表明算法具有很好的感知效果以及较强的鲁棒性,可用于数字图像的版权保护.     

基于卷积分析稀疏表示和相位一致性的低照度图像增强

针对低照度图像存在的对比度低、视觉效果差等问题,提出一种基于卷积分析稀疏表示和相位一致性的低照度图像增强方法.该方法基于Retinex模型,在估计照度图像时采用卷积分析稀疏表示进行约束,所用滤波器一部分人工设定,一部分由样本训练自动获得;在计算反射图像时利用单演相位一致性特征,施加相位一致性残余最小约束来恢复细节;通过联合约束并进行优化,得到的反射图像即为最终的增强结果.对大量低照度图像进行实验,并与当前先进方法相比,结果表明,本文方法不仅提高了图像的亮度与对比度,增强了细节,而且在多个客观评价指标上都优于其他方法.     

空间调制全偏振计算成像场景迁移超分辨率方法

空间调制型全偏振计算成像同时获得可见光和红外通道图像,但是受探测器限制,2个通道的图像空间分辨率不一致,给后端的图像融合及目标探测过程带来不便.为此,提出基于场景特征迁移学习的空间调制型计算成像超分辨率方法.首先在分析空间调制计算成像的相同场景异源图像特点基础上,构建场景特征迁移模型;然后建立改进场景迁移卷积神经网络结构并选择修正线性激活函数,同时增加空间分辨率一致性约束;再设计最优光谱迁移响应学习策略,并作为前端输入加到超分辨率网络;最后将光谱迁移响应优化与全偏振超分辨率重建的参数联合学习,获得高分辨率偏振图像.利用实际成像系统的仿真数据及系统数据进行2倍和3倍超分辨率实验,从主观视觉效果、客观量化评价指标和偏振参量解析结果3个方面对多个指标进行评价.结果表明,文中方法在视觉效果上能够保持目标轮廓并抑制噪声干扰,在16个客观指标对比数据上取得了10个优于、3个相同和3个低于的结果,验证了该方法的有效性,为成像系统定标校正提供数据支持.