脉冲红外激光助视夜视技术研究

在分析微光夜视系统视距理论的基础上．论证了用脉冲红外激光阵列助视提高微光夜视系统视距的可行性。针对激光助视易于暴露的缺陷,提出了微光夜视伪随机瞬态激光增强技术。系统研究了伪随机编码理论,并硬件实现了瞬态激光伪随机编码调制及同步图像捕捉控制电路。建立了脉冲红外激光助视微光夜视系统,进行了多次室内、野外试验及试验结果观测评估,取得了较好效果。     

布里渊散射在水下激光成像探测中的应用

水下光电成像探测是声纳技术的一种有效补充,然而水下激光成像的后向散射效应严重影响了水下光电成像探测的分辨能力与探测距离.基于激光水下传输的布里渊散射理论,分析了蓝绿激光及其布里渊散射水下传输特性,研究了基于光子晶体滤波器的布里渊散射频移检出技术,设计了同步扫描布里渊散射水下成像装置以及距离选通布里渊散射水下成像装置,以布里渊散射频移的空间分布替代场景反射光强度的空间分布进行水下成像探测,高效抑制水下激光成像后向散射噪声,提高成像探测的作用距离.布里渊散射水下激光成像探测机理的探索将为水下目标光电成像探测技术的发展开辟新的途径.     

红外焦平面微扫描空间分辨性能分析与估算

受器件水平的限制,国内红外焦平面热像仪的空间分辨能力较国外先进产品尚有不小的差距.依据John Johnson准则,结合红外焦平面热像仪的调制传递函数(MTF)与最小可分辨温差(MRTD)的分析,发现当前国内应用最广的320×240像元红外焦平面热像仪的空间分辨能力与32元CMT热像仪存在一定的差距,其原因是红外焦平面热成像系统的空间分辨能力由MTF与MRTD联合决定,而非取决于焦平面探测单元尺寸决定的几何极限;分析了采用插值等电子变倍的方法实现像素的倍增,以提高红外焦平面热成像系统空间分辨性能的可行性;并对辐条状图案进行了仿真实验,结果表明:虚拟微扫描及微扫描技术能有效提高红外焦平面热像仪的空间分辨能力.     

微光CCD摄像器件综合特性的分析与比较

ＣＣＤ的优良特性使其在微光电视技术领域得到了广泛运用。本文对各种微光ＣＣＤ摄像器件的综合特性例如信噪比、探测率、动态范围与计数模式等进行了详细的研究与对比，并得出基本结论。     

单通道双谱夜视系统中的图像修复及消噪技术

基于单通道双谱夜视系统中对图像修复的需要,提出了一种基于水平集的图像修复及消噪技术。在阐述单通道双谱夜视系统工作原理的基础上,结合系统的实时性要求及待修复微光条纹图像的特点,设计了处理速度高的水平集修复算法;考虑微光图像的噪声对修复结果的影响,在修复的同时加入了热传导滤波方法。实验结果表明,该算法能够对微光条纹图像进行实时且有效的修复。     

DMD编码哈达玛变换高灵敏成像

为了增强探测器在微弱光信号条件下的成像质量,提出了一种利用哈达玛变换(Hadamard Transform,HT)实现高灵敏探测的成像方法。基于探测器噪声独立于信号,且每次测量噪声也相互独立的假设,分析了在哈达玛编码成像与经典成像中,噪声对图像信噪比的影响。推导出编码成像的信噪比提升与编码模板长度n有关,约为经典成像信噪比的n/2 倍。同时采用分区编码的方式,减小了高分辨率图像的编码时间。实验结果表明,与经典成像方式相比,采用分区编码的哈达玛变换成像方法明显的提高了图像的信噪比,同时可以在高分辨率图像条件下,缩短编码时间。     

小波变换在微光图像消噪中的应用算法研究

根据小波变换用于图像消噪的原理,结合微光图像噪声的闪烁颗粒性特点,对小波变换用于微光图像消噪时的小波基及小波分解层次的选取进行了分析,得出采用Haar小波进行一层分解即可满足微光图像消噪要求的结论。为了选取小波消噪的系数阈值,通过对三幅微光图像小波系数的直方图分析,设计了阈值选取算法,并针对微光图像,得出了消噪的经验阈值。经过仿真实验及算法复杂度的时间分析,在实时性和微光图像消噪效果之间取得了平衡。     

一种基于归一化光谱向量的高光谱图像实时性非监督分类方法

在保证分类结果清晰、准确的前提下,为了提高分类执行效率,本文基于图形处理器(graphic processing unit,GPU)及并行优化,提出一种基于归一化光谱向量的高光谱图像实时性非监督分类方法.利用高光谱图像的空间一致性有效提高分类精度,同时,利用归一化光谱向量简化了像元间相似性的计算公式,统一了图像内像元处理方式,并利用GPU并行技术有效提高计算速度.首先,利用GPU并行处理方法计算空间相邻像元间光谱向量相似性,根据高斯拟合取得安全阈值;然后利用光谱角作为像元光谱相似测度,将相似像元划为同质区;最后以同质区内各像元平均光谱向量表述同质区光谱特征,根据安全阈值合并相似的同质区完成分类.用AVIRIS数据评估了该方法性能.本文的理论分析和实验结果显示,与现有非监督分类方法相比,该方法分类精度更高,同时,算法本身运行速度更快.     

高效学习的透过未知散射介质的相位恢复方法

透过散射介质对目标进行准确的重建仍然是阻碍人们对深层生物组织成像分析和深空天文观测的主要挑战之一。基于深度学习的散射计算成像方法虽然在成像质量和效率等方面取得了很大的进展,但是针对实际系统中散射介质状态不固定,目标结构具有较高复杂度以及可获取的训练散射数据有限的情况下,单纯利用数据驱动的方法已无法进行准确高效的重建。将散斑相关原理和卷积神经网络强大的数据挖掘和映射能力进行有效的结合,进一步挖掘和利用散斑所包含的冗余信息,实现了仅利用一块薄散射介质对应的散斑数据即可实现透过具有不同统计特性散射介质的复杂目标重构。该方法针对实际散射场景复杂多变和训练样本数据有限的情况,实现了对复杂目标的高质量恢复,有力地推动了基于物理感知的学习方法在实际散射场景中的应用。