基于AlexNet的雷达干扰识别方法研究

针对复杂电磁环境下雷达对干扰信号的分类识别问题,研究了射频噪声干扰、噪声调幅干扰、噪声调频干扰、匀速距离波门拖引干扰、速度波门拖引干扰的Choi-Williams Distribution(CWD)时频图像,采用深度学习中的AlexNet卷积神经网络模型自动提取图像各种特征细节,从而实现雷达干扰信号的分类识别.仿真结果...     

基于微粒群的图像增强算法研究

图像增强处理中,对比度变换是一种较为有效的方法.如何根据输入图像自动选择规则化Beta函数的两个参数实现自适应增强仍是一个较为复杂的问题.提出了一种基于微粒群的自适应图像增强算法,此算法通过自动寻找最优的Beta函数参数实现图像对比度的自适应增强.仿真实验表明了该算法的有效性和可行性.     

基于形态学的可变权值匹配自适应图像增强算法

为了精确提取图像的细节特征,改善图像增强的效果,该文提出了一种基于形态学的可变权值自适应增强算法。通过构造扩展全方位多尺度结构元素,并进行top-hat变换,分解了图像不同方向不同尺度的细节。该文打破了传统形态学增强算法中各方向细节取均值融合的思想,实现了根据图像的局部灰度特性,动态调整各方向不同尺度细节的权值。在图像增强过程中,根据提取到的细节的结构化特征,构造相应的自适应增益函数,从而实现图像的自适应增强。实验结果表明,该算法能较好地利用图像的自相关性,比传统的形态学增强方法更有效地突出图像的细节信息,且能抑制噪声的放大。     

基于数字图像处理的冲压工件增强算法研究

传统的图像增强算法在增强图像时,存在丢失细节和增大噪声以及运行时间长等问题,为了满足冲压工件缺陷自动在线检测技术的需要,本文提出了基于Contourlet变换和混沌小生境粒子群优化算法(NCPSO)相融合的图像增强算法。首先,对图像进行Contourlet变换分解,在带通方向子带进行自适应增强来实现对工件图像的增强;然后将NCPSO算法引入,克服了Contourlet变换在图像增强时速度较慢等问题,提高了算法效率。通过实验表明,该方法在增强效果和运算时间上都优于传统的图像增强算法。     

基于自适应免疫因子的模糊检务文字提取

为了实现准确、高效地从模糊的检务图像中提取文字目标,本文针对多种不同类型的模糊检务图像,基于人工免疫原理,利用免疫因子的相关理念结合自适应滤波算法提出一种自适应免疫算法.该算法首先通过动态地改变滤波窗口实现自适应滤波,达到兼顾保留文字目标细节和滤除噪声的效果,再根据模糊类型的不同设计不同的免疫因子,从而实现最大程度地保...     

基于自适应高斯滤波的红外机场跑道识别方法

针对前视红外地面目标图像背景复杂、噪声干扰大的特点,提出了一种机场跑道识别算法.首先,用基于梯度信息的自适应高斯滤波对图像预处理,平滑噪声、增强边缘,然后在Canny边缘检测的图像上,利用空间邻接关系、梯度等信息进行像素级的边缘点搜索,再用最小二乘法拟合直线,在已提取的直线符号上使用多种特征进一步连接修正,最后,利用几何特征、灰度信息进行跑道识别.经实测数据检验,本算法能够准确、快速地识别跑道.     

基于CFAR和CNN的SAR图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一,其旨在屏蔽固有噪声影响,获取感兴趣区域内表征目标的潜在特征信息,为目标识别提供有力的数据支撑。为了提升高分辨SAR图像目标识别精度,围绕算法设计中的相干斑抑制和特征提取问题,结合传统恒虚警率(CFAR)检测算法和深度卷积神经网络(DCNN)的最新研究,设计了SAR图像自动目标识别框架。实验基于MSTAR标准数据集,目标识别结果表明所构建模型的有效性。     

基于广义线性系统和非锐化掩膜的图像增强算法

为了解决非锐化掩膜图像增强方法的噪声增益、光晕现象和数据溢出的问题,提出一种基于广义线性系统和非锐化掩膜的图像增强算法。算法首先采用双边滤波器和广义线性减法对图像进行处理,获取图像细节层和基础层;然后对图像细节层和基础层分别进行自适应增益处理和对比度增强处理;最后采用广义线性加法将两者相加,实现图像的增强。并对3种不同类型的图像进行测试,结果表明:本文提出的算法很好地抑制了噪声干扰和光晕现象,增强了图像的对比度和细节,视觉效果良好,信息熵分别提高了10.9012%、16.0143%和9.1878%。表明了提出的基于广义线性系统和非锐化掩膜图像增强算法的合理有效性。     

利用自适应模糊推理PMHT算法的红外小目标跟踪与检测

提出了一种基于自适应模糊推理PMHT算法对红外序列图像的小目标进行跟踪和检测.对红外序列图像进行中值滤波、边缘提取、海天线识别与对消等预处理后,可以提取出若干个备选小目标,通过PMHT与模糊自适应相结合算法来实现对备选目标的跟踪和数据关联,最后,根据先验知识和检测条件实现小目标检测.算法通过模糊自适应来调整系统噪声方差,经过多次迭代,从而实现数据关联以及目标模型实时检测.另外,在多目标跟踪中存在目标重叠的现象,运用"记忆和填充"方法来解决多目标的合并和分裂问题,算法易于硬件实现.通过对实际的红外序列图像进行小目标检测,验证了所提方法的可行性和有效性.     

一种自适应红外图像增强处理的FPGA实现

本文介绍了一种自适应平台直方图算法对红外图像增强处理及该算法在FPGA器件上的实现.该方法是根据图像的直方图,自适应地选择平台阈值,实现自适应平台直方图均衡化,增强了目标的对比度.在FPGA上实现了该算法,对红外图像进行了增强处理,使红外图像的清晰度得到极大的提高,目标灰度级得到扩展,抑制噪声,并且利于将目标与背景区别开来.     

将稀疏自动编码器用于置换混叠图像盲分离

针对一类置换区域含噪声的置换混叠图像,提出一种基于稀疏自动编码器的算法来自动检测和分离含噪声的置换区域。对含噪声的置换混叠图像进行分块,获取输入数据集。构建稀疏自动编码器网络,通过数据集训练参数,获得解码后的置换混叠图像。将解码后图像与原置换混叠图像作差运算得到差图像,通过检测差图像来确定置换区域,采用自适应阈值化操作分离出含噪声的置换区域,实现对置换区域的自动检测和分离。实验结果表明,采用本算法在置换区域位置、大小、个数和所含噪声类型、大小均未知的情况下,能有效地分离出含噪声的置换区域。      

一种自适应红外舰船图像增强算法

复杂环境下海面舰船红外图像信噪比和对比度低、边缘模糊,目前仍没有一种处理效果好且实时性强的图像增强算法。提出一种基于平台直方图均衡化的自适应红外图像增强算法。首先,分析典型海面舰船红外图像及其直方图的特性;在此基础上,提出一种自适应确定目标/背景粗略阈值的方法;最后将灰度大于该阈值的直方图最大值作为平台值,通过平台直方图均衡化算法自适应地完成海面舰船红外图像的图像增强。实验结果表明,该算法不但有效地增强了图像的对比度、抑制了背景,而且具有较快的运算速度。     

长波红外图像的实时增强方法

文中介绍了一种实时图像增强方法，针对箍波红外图像的特点，考虑电路的实现方便性，图像增强方法由１×５伪中值滤波算法、基于人眼视觉效应的高通滤波算法和改进的直方图均衡算法三部分组成。该方法具有平滑图像噪声。增强长波红外图像细节，保持图这缘信息，且自适应调节图像的灰度范围等特点。文中给出了图像增强方法的电路实现框图和模拟实验结果。     

基于自适应阈值的ORB特征提取与跟踪

针对定位跟踪时不同环境的复杂光照变化特点,提出了一种自适应阈值的ORB(Oriented FAST and Rotated BRIEF)特征点提取方法.该方法首先通过自动计算图像块周围的特征点自适应提取阈值,利用该阈值实现图像特征点提取,接着采用水平双目模型进行特征点跟踪.利用数据集在不同环境场景中与不同方法进行对比实...     

基于人眼视觉特性的自适应的图像增强算法的研究

本文提出了一种基于人眼视觉特性的自适应的图像增强算法,这种算法是对基于ＬＩＰ模型的Ｌｅｅ图像增强算法的改进。该算法能够有效地增强整个图像的对比度,增大图像的动态范围,并且依据人眼视觉特性,增强图像的边缘而不明显地增大噪声。这种算法容易实现,适用于实时系统的应用。几种算法实验结果的分析和分析,表明了这种算法的有效性。     

强噪声下非平稳时延目标信号提取

为实现强噪声背景下时延目标信号自提取,设计了相关检测模型,提出了基于目标数据段自截取和变分模态分解(Variational Mode Decomposition, VMD)算法的目标信号自适应定位和提取算法。首先,根据目标信号频域参数构建基准信号;然后,利用互相关检测技术并以峰值梯度为特征值确定目标信号时延参数;最后,利用预设参数自适应初始化的VMD算法对截取的数据段进行处理,并对分解的各分量进行自动筛选实现目标信号有效提取。不同算法的对比实验表明,自截取+VMD算法可有效实现强噪声下时延信号的定位提取,实时性基本满足实际应用需求。     

多段线性拉伸增强算法及其FPGA实现

为了实现红外图像增强,以FPGA为平台,提出了一种新型的红外图像增强算法。在设计过程中,根据红外图像处理的特点,利用一帧图像的均值和标准差快速的将图像灰度范围划分成若干段,根据每段的拉伸系数做不同的线性灰度变换实现图像中目标对比度的增强。该算法不仅能实现自适应图像增强,也可以通过在线调节来特别增强某一段或某几段温度范围内的目标,达到目标识别的目的。经验证该算法优于一般的线性增强算法,获得了很好的视觉效果。     

基于改进高低帽变换的钢轨裂纹红外图像增强

针对钢轨裂纹红外图像对比度低、信噪比低、纹理细节模糊而难以增强目标区域的问题,借助形态学高帽变换和低帽变换,提出了多尺度高帽低帽变换的钢轨裂纹红外图像增强优化算法。首先,用改进高帽变换、低帽变换分别提取多尺度明亮、暗淡图像区域;其次对多尺度的明亮与暗淡图像区域实施最大值的提取;然后操作其最大值以构建明亮和暗淡的图像区域;最后通过加权处理,实现图像增强。实验结果表明:本文算法在抑制噪声和突出了目标图像的边缘的基础上,有效地提高图像对比度,可应用于红外图像增强的场合,为后续图像信息处理奠定了必要的基础。     

基于仿人眼自适应调节的多光谱视觉图像处理方法

针对传统仿生视觉系统中目标图像获取单一性问题,提出一种仿人眼自适应调节的多光谱视觉成像技术。首先,通过改进的自动调焦算法使成像系统同时采集可见光高分辨率图像及近红外低分辨率图像。然后,对于多光谱成像系统中由于分光棱镜折射率不同导致的在固定焦距下,可见光和近红外图像清晰度有所不同的问题,采用改进的二代小波变换进行近红外图像增强,提高图像对比度,改善视觉效果。最后,搭建基于液体变焦透镜的多光谱实验系统验证自动调焦算法及图像增强算法的实际性能。实验结果表明:系统完成有效自动调焦的平均用时为756 ms。同时,近红外图像增强后其灰度方差函数值提高了79.4%,解决了对比度低和细节模糊的问题,最终实现自适应调节。     

基于SET和AlexNet的雷达动目标检测方法

针对传统的雷达动目标检测方法在杂波背景下目标识别率低的问题，提出了基于时频分析和卷积神经网络的雷达动目标检测方法。首先，通过同步提取变换将动目标的回波信号转换为时频分布，初步提取回波信号的时频特征；然后，对回波信号时频分布的脊线进行提取，并基于此构建数据集；最后，将数据集输入AlexNet进行训练和测试，实现雷达动目标的识别和分类。仿真实验表明，基于SET和AlexNet的方法在噪声环境下能够有效检测动目标，对匀速、匀减速、匀加速三类动目标都具有较高的识别率。脊线提取的应用增强了低信噪比下回波信号的时频特征，提高了检测方法的准确率和噪声鲁棒性。