基于特征区域的图像自动配准

为了解决基于特征的图像配准中的特征点的定义和提取问题,提出了一种以特征区域替代特征点的定义和提取方法。该方法应用Moravec算子选择候选特征区域,使用具有旋转不变性的Zernike矩表征该区域的特性;采用二级匹配策略进行特征区域的匹配,即基于自组织映射神经网络的初始匹配及精细匹配;建立图像的配准框架并实现图像的配准。实验结果表明,该方法能有效地提取图像的特征点并能准确地进行特征点的匹配,整个配准过程完全自动进行。     

非匀速平飞模式下双基地SAR成像分析

该文研究了收发平台非匀速平飞模式下的双基地SAR成像问题。首先构建收发非匀速平飞模式的几何场景,并通过对回波瞬时收发距离的分析得到了双基地SAR回波的近似模型。收发平台速度变化使得波束不同步,导致SAR数据在方位向非均匀采样,该文首先分析了将非匀速平飞双基地模型等效成单基地变速运动模型的方法,然后采用非均匀傅里叶变换处理变速运动引起的非均匀采样的问题。多组不同条件下的仿真实验表明双基地SAR图像质量较好,验证了该文方法的有效性。     

采用模糊推理自适应加权融合的双色红外成像目标跟踪

针对双色红外成像制导系统中多传感器目标跟踪的实际问题,提出了一种基于模糊推理自适应加权融合的目标跟踪算法。该算法首先采用BP神经网络与模糊推理相结合的方法对各传感器的工作性能进行判决;然后根据各传感器的性能测度对多传感器测量数据进行自适应加权融合,得到目标状态的多传感器重建测量;最后采用卡尔曼滤波器对多传感器重建测量进行滤波得到目标状态的最终估计。实验结果证明了该算法的有效性和稳健性。     

一种基于多传感器多级信息融合的红外目标检测方法

针对远距离低信噪比条件下目标检测难的实际问题,该文提出一种基于多传感器多级信息融合的目标检测方法。该算法包括两个部分:特征级融合和决策级融合。在特征级融合阶段,首先提取双波段红外图像的各个特征图像;然后,采用自适应加权方法对所得到的特征图像进行融合,得到目标判决置信图;最后根据置信度最大规则对置信图进行目标位置搜索,得到各级目标判决结果。在决策级融合阶段,对各级目标判决结果采用组合逻辑进行融合,得到系统的目标检测输出。实验结果显示了该算法的有效性。     

基于双目视觉模型的运动参数测量

通过建立双目测量的数学模型,由标志点在双摄像机成像平面上的坐标求得运动物体的运动参数。在不考虑摄像机内外参数标定误差的情况下,研究了标志点像元的测量精度对运动参数测量的影响。通过分析图像分割求取标志点形心引起的误差,利用窗口中心迭代算法提高标志点形心测量的精度,从而提高了运动参数的测量精度。由空间飞行器自动交会的仿真试验验证了算法的有效性。     

SAR与可见光图象匹配方法的研究

由于SAR和可见光成象传感器图象的物理特征不同,因此进行匹配难度很大。本文在深入分析了这两种传感器图象物理特征的基础上,提出了一种图象匹配的新方法。该方法运用形态学滤波方法去除SAR图象斑点噪声,利用图象的边缘特征进行匹配,并采用多分辨率分级搜索技术减少计算量,在对实验结果进行分析的基础上提出了搜索真实匹配位置的原则,大大提高了匹配的准确率。通过实验对SAR图象斑点噪声滤波和SAR与可见光图象匹配算法进行了验证,实验证明本算法的SAR图象去噪效果明显优于传统的Frost方法,图象匹配精度高,稳定性好。     

基于改进SUSAN算子的一种遥感影像配准方法

首先介绍TSUSAN（Smallest Univalue Segment Assimilating Nucleus）边缘检测算子的工作原理及在特征点提取中的应用,改进TSUSAN算子阈值的自动获取方法。最后将改进的SUSAN算子应用在图像配准中,通过计算候选匹配角点对,然后利用图像间的不变信息对候选匹配角点对进行筛选,最终得到正确的匹配角点对集。试验表明了该方法的有效性和可靠性。     

红外图像序列小目标检测预处理技术

文中就如何复杂背景条件下低信噪比的小目标检测概率问题展开了讨论，提出了用空间高通滤的方法改善图像质量，达以抑制背景噪声，增强小目标的目的，并交坑通滤波和中值滤波做了一个简单的比较，随后采用分层投票表决法对目标进行检测，取得了良好效果。     

红外起伏背影下运动点目标的检测方法

文中根据目标，背影干扰和噪声在红外序列图像中的差异，提出了一种基于空间高通滤波和时间域上最大递归滤波的运动点目标检测方法。     

一种用于实时体绘制系统的自适应采样算法

本文讨论了一种用于体绘制的、支持基于空间跳跃和自适应光线终止等优化算法的高效硬件结构及一种加速半透明物体绘制的新技术.这种硬件结构用于绘制规模为256³体元的数据时可达到70Hz的帧频,但这样的帧频只是在体元的透明度都被置为0(完全透明)或1(完全不透明)的情况下才能取得.引入新的加速技术后,绘制半透明物体的帧频也可接近上述数值.新的加速技术采用自适应采样步长减少体绘制过程中冗余的体元重采样,从而使算法的复杂度和对存储器的带宽要求大大减小.新的加速技术对半透明体数据可取得高达4.7倍的加速比.采用新的加速技术需要在开始交互绘制前对体数据进行距离编码.优化后的距离编码对有8兆体元的体数据的预处理时间仅需要8~30秒.