基于假设检验的SAR图像分辨率判别准则与算法

SAR图像分辨率是衡量SAR系统成像质量的重要指标.常用的3dB主瓣宽度测量方法来源于光学成像中的瑞利准则,受人类视觉感知能力限制而且没有考虑噪声影响.本文基于假设检验理论,根据点目标散射模型建立相位历史域、复数据域以及图像域的两点目标二维分辨模型,得到统计意义上分辨率的计算表达式,并由此得出分辨率与图像质量或噪声水平之间的定量关系.该表达式与现有的分辨率定性理解相一致,克服了传统分辨率定量评价准则的缺陷.     

泊松噪声模糊图像的边缘保持变分复原算法

从贝叶斯估计出发,构造了一种新的变分模型,用于复原被泊松噪声污染的模糊图像.首先讨论了模型正则化项中具有边缘保持能力的函数选取以及模型求解的相关问题,然后将变分模型的求解转化为可快速求解的非线性扩散方程,给出了正则化参数选取的初步空间自适应方法,可以区分平滑区域和图像边缘自适应的调节参数.实验结果表明,本文方法的复原效果整体上优于传统的迭代正则化方法,复原图像的边缘得到了有效的保护,泊松噪声的抑制效果明显,复原图像提高的改进信噪比(ISNR)要比迭代正则化方法平均提高1 dB以上.     

基于稀疏约束与性能最优化的SAR图像目标增强方法

基于合成孔径雷达(Synthetic aperture radar,SAR)图像的稀疏特性,将目标增强模型设计与性能要求相融合,建立了信噪比性能最优化目标函数与lk范数约束项构成的SAR图像变参数增强模型.通过对模型解的惟一性、收敛性及其增强性能分析,确定稀疏参数k的选择范围,继而通过参数估计的均方误差分析,得到正则参数的选择方法,并设计求解迭代过程.图像处理过程可达到较高的自动程度.MSTAR图像数据处理结果验证了该模型的有效性,经处理后图像噪声得到抑制,目标特征得到明显增强,性能优于传统正则化模型.     

基于肤色与模板匹配的人脸识别

本文提出了一种基于肤色与模板匹配的人脸识别算法。我们首先利用肤色在HSI空间的聚类特征对肤色加以判别,继而提取出人脸候选区域,最后通过模板匹配过程对候选区域加以识别。实验结果表明,该算法简单易实现,在执行时间及识别率上均取得了令人满意的效果。     

非线性稀疏表示理论及其应用

在分析与总结现有稀疏表示方法局限与待解决问题的基础上,提出非线性稀疏表示理论,主要包括:构造单目标非线性稀疏表示模型,分析模型性质与设计求解算法,突破现有稀疏表示理论的线性局限,扩展应用范围;构造多目标非线性稀疏表示模型并设计求解算法,改变现有稀疏表示理论只能处理单一目标的局限,并解决现有模型处理性能存在不确定性的问题;将处理目标与非线性稀疏表示模型求解过程相结合,研究模型超参数的自适应求解方法,设计模型最优性能的求解过程。探讨了航天测控资源优化配置问题的非线性稀疏表示模型的构造方法。     

基于正则模型的SAR图像自适应目标特征增强方法

研究SAR图像特征增强的自适应阈值选取方法.本文采用一种新的度量函教表示SAR图像的稀疏先验,建立正则化模型,证明了不动点迭代求解的收敛性.然后将SAR相位历史数据转化为复数据,得到复数域正则解的解析表示式.该方法不需要迭代,简化了求解过程,并且将正则化参数的确定归结为阈值的选择问题.最后基于广义交叉检验准则实现了阈值的自适应选取.实验中采用目标杂波比来衡量处理效果,实验结果说明本文方法能快速有效地实现SAR图像特征增强.     

基于l_k范数正则化的SAR复图像快速自适应去噪方法

文中从参数估计角度研究基于l_k范数正则化的SAR复图像域快速自适应去噪方法。首先利用凸半二次正则化思想建立去噪模型与病态逆问题之间的联系,并依据迭代表达式进行参数估计方差与有偏CRB的比较,从而分析得到现有参数选择方法理论上的不足。然后对模型求解迭代表达式进行分析,得到包含正则化参数的模型解。继而应用最小化均方误差与单调有界数列原理,得到正则参数的选择方法与模型解的解析表达式,避免了求解的迭代过程,可以快速、自适应地实现去噪处理,并从理论上分析得到计算量减少的具体数值。最后研究了去噪模型对点目标分辨率的影响,建立了正则参数与分辨率的关系。仿真与实测SAR图像去噪结果验证了结论的正确性与方法的有效性。