基于多尺度红外与可见光图像配准研究

利用尺度空间理论对多分辨率的红外与可见光图像配准算法进行研究,提出利用红外与可见光图像的多尺度特征点及边缘作为配准的特征,利用特征尺度确定用于相似度匹配的子图像大小,使用LTS-Hausdorff(least trimmed square Hausdorff)距离判断子图像的相似性。利用尺度空间理论及多尺度下图像的特征能更加全面的对图像进行描述。在利用多尺度特征获取到匹配对后,再利用随机一致性检测对匹配对进行提纯并获取空间变换的参数,然后使用该参数对红外与可见光图像进行配准与融合。实验结果表明,基于多尺度的图像配准方法,能有效对红外与可见光图像进行配准。     

白光显微干涉三维形貌测量中的移相误差校正方法

白光显微干涉术通过驱动干涉显微物镜垂直扫描移相,采集低相干干涉图序列,定位干涉包络中的零光程差位置,获取待测表面的三维形貌。微观形貌的计算由获取粗略形貌的垂直扫描（VSI）算法和获取精细形貌的移相（PSI）算法两部分组成。通常情况下,设置垂直扫描移相的步长为八分之一中心波长,但移相器误差和干涉显微物镜数值孔径效应等都会使得移相量偏离π/2。文中采用基于对比度变化重心提取的VSI算法,4M幅法和7幅法两种PSI算法,分别讨论了两种类型移相误差对形貌计算的影响。理论和数值分析结果表明,在宽带光作用下,7幅法仍对移相误差不敏感,4M幅法产生的精细相位误差形式恰好与干涉物镜数值孔径效应对条纹展宽的影响相一致,在从精细相位转换为精细形貌时相互抵消。因而,采用基于对比度变化重心提取的VSI算法和4M幅PSI算法计算形貌数据,干涉物镜数值孔径效应造成的移相误差无影响,移相器误差造成的形貌复原误差可以通过预先测量已知高度的标准台阶进行标定去除。应用上述移相误差校正方法测量了高度为460 nm的台阶,形貌测试结果正确且鲁棒。     

融合时空上下文的复杂背景下多运动目标检测

针对目标进、出视场和被部分遮挡情况下检测率低的问题,提出一种联合时空上下文的多运动目标检测算法STC-MMTD。首先,利用时间上下文信息,基于前后向运动历史图提取候选目标区域;然后,利用空间上下文信息和目标表观信息,通过基于稀疏编码的CRF模型计算目标置信度图;最后,计算候选目标区域的目标置信度,检测出多运动目标。实验结果表明,所提算法具有良好的检测性能,在保证较高定位精度的同时,查全率、查准率和F测度均高于其他多目标检测算法的。     

基于移动Agent的分布式测控系统任务调度研究

动态任务调度是分布式测控系统中的一项关键技术。基于移动Agent提出了一种新的分布式测控系统动态任务调度算法。算法采用IBM Aglets系统设计和执行移动Agent,利用移动Agent-Aglet在系统运行过程中动态迁移任务,从而有效地提高了系统效率,实现了负载均衡的目标。详细介绍了任务迁移的实现及Aglet通信机制。     

分布式测控系统任务分类命名与定位研究

任务的命名与定位是分布式测控系统中的一项关键技术。本文基于面向对象技术，提出了一种新的任务命名法——类对象命名(Class object naming．CON)。这是一种全局的、与位置无关的命名法,有效地解决了分布式测控系统应用级的位置透明性问题。文中从任务的分类命名、任务的迁移和迁移任务的访问等三个方面详细介绍了分布式测控系统任务分类命名与定位的具体实现过程和相关算法。     

抛物非球面零位干涉检测的补偿器设计

非球面因具有自由度多、像差校正能力强等优点,已作为一种更优良的面型广泛应用于航天、遥感等领域的载荷系统中.达到高精度检测要求的非球面可以在光电检测领域广泛使用,为此设计了针对口径800 mm,曲率半径1400 mm的抛物非球面补偿器.基于像差理论计算了补偿器初始结构,并在Zemax中采用逆向设计的方法建立初始结构.结构...     

基于GPU的可见光与红外图像融合快速实现

为利用统一计算设备架构（CUDA）强大的并行处理能力实现快速图像融合,提出一种适用于并行运算的图像融合算法,包括高斯滤波、直方图均衡、基于小波变换的图像融合。通过CUDA编程对以上算法进行实现,并将其与对应的CPU程序相比较,实验结果表明,图形处理单元（GPU）执行效率比CPU高出一个数量级,并且随着数据量的增加,GPU的加速比还会增大。     

用于飞行员视觉增强的快速红外图像增强方法

提出了一种基于图像分块并行处理的快速的红外图像增强的方法.在对图像进行分块并行处理的基础上,综合利用改进的中值滤波算法、快速Sobel边缘检测算法、自适应权值的加权平均图像融合算法对红外图像进行快速处理.改进的中值滤波算法效果好于MTM算法,自适应权值的加权平均图像融合算法比基于区域对比度的权值选择法更好地抑制噪声,对...     

基于CUDA的红外图像快速增强算法研究

针对红外图像边缘模糊,对比度低的问题,文中研究了改进的中值滤波和改进的Sobel边缘检测对红外图像进行处理。在对处理后图像的特征进行分析的基础上,研究了改进的Laplace金字塔分解的图像融合算法,并基于CUDA并行处理技术,在可编程GPU上实现了红外图像快速增强的目的。该算法结合GPU的内存特点,应用纹理映射、多点访问、并行触发技术,优化数据的存储结构,提高数据处理速度,适用于对红外图像增强的实时性要求较高的领域。实验结果表明,该算法有较好的并行特性,能充分利用CUDA的并行计算能力,提高了红外图像增强的实时性,处理分辨率为3 096×3 096的红外图像时加速比达32.189。     

基于多尺度多分类器卷积神经网络的混合失真类型判定方法

针对图像混合失真类型判定难的问题,在深度学习多标签分类思想的基础上,提出了一种基于多尺度多分类器卷积神经网络（CNN）的混合失真类型判定方法。首先,从图像中截取得到含有高频信息的图像块,将该图像块输入到不同感受野的卷积层中以提取图像的浅层特征图;其次,将浅层特征图输入到各子分类器结构中以进行深层次的特征提取和融合,将融合的特征通过Sigmoid分类器得到判定结果;最后,将各子分类器的判定结果进行融合得到图像的混合失真类型。实验结果表明,在自然场景混合失真数据库（NSMDID）上,所提方法对图像中存在的混合失真类型的平均判定准确率可以达到91.4%,且对大部分类型的判定准确率都在96.8%以上,可见所提方法能够对混合失真图像中的失真类型进行有效的判定。