低信噪比红外图像直线段检测算法

因梯度场计算受噪声影响严重,直线段检测是低信噪比红外图像处理的一个难点。文中利用直线区域的相位分布具有显著非各向同性的基本事实,通过度量图像点邻域内的非各向同性度来区分直线点和非直线点。定义了图像的局部非各向同性度并给出了计算子,结合相位编组和背景反例模型,提出了一种能有效抑制噪声影响的新的直线段提取算法。实验表明,该算法能有效检测出低信噪比图像中的直线段,并具有很低的虚警率。     

基于案例和描述逻辑的海上援救规划方法

实现知识共享和案例检索是开发基于案例的智能决策支持系统面临的首要问题。针对海上援救指挥决策,采用Web本体语言OWL表示危机态势信息和海上援救领域知识,提出一种基于案例推理和描述逻辑推理的援救规划业务流程。以援救搁浅触礁舰船为例,对海损状况及其援救方法等信息进行了描述和推理。实验结果表明,根据具有语义的领域知识使用描述逻辑推理机对危机态势信息进行分类,能事先限定所要搜索的案例库和选择合理的援救方法,并提高案例检索效率和援救规划的实用性。     

基于多尺度支撑域描述子的多光谱图像匹配算法

针对现有多光谱图像匹配算法鲁棒性不强的问题,提出一种新的基于多尺度支撑域描述子的多光谱图像匹配算法。该算法首先提取Harris角点作为特征点;然后分别统计特征点不同尺度邻域内的边缘方向直方图,组合构成特征描述子;以欧氏距离为相似度准则,使用比值法获得初始匹配结果;最后提出了一种基于RANSAC算法的外点去除算法。实验结果表明,该算法可有效匹配多光谱图像,且与已有算法相比鲁棒性更强,获取的正确匹配对更多。     

基于小波和形态学的自然地面背景红外目标检测方法

本文采用小波变换和形态Top-Hat滤波相结合的方法抑制红外图像的混合噪声及大面积的背景干扰,减少图像模糊和增强目标;通过选择适当的结构元素进行系列形态组合运算,去掉虚警点而获得少量候选目标;搜索局部极大值并确定阈值,分离出真正的目标.实验结果表明,该方法能有效检测和分割出低信噪比复杂自然背景红外图像中的目标.     

基于有向分维的海面运动目标自动检测方法

在分析分形理论在目标检测领域应用的基础上,提出了一种基于有向分维参数的海面运动目标自动检测算法.该算法与传统的分形参数计算相比,具有检测准确、计算快速和易于并行处理的特点.根据图像纹理的方向特性,选取相应方向的邻域像素来计算有向分维参数,根据其数值的不同来确定目标的位置.具体实现步骤是,首先利用传统边缘检测方法得到海面运动舰船的航迹位置,再沿着运动航迹方向计算有向分维参数,对所得图像二值化处理,最终通过分析二值图像获得目标位置.该算法适用于具有方向特性的自然背景下运动目标的检测,实验表明能够有效检测出图像中目标所在的位置.     

基于奇异值分解的图像匹配和目标跟踪研究

在目标跟踪过程中，由于存在目标姿态变化和背景干扰，在跟踪过程中必须要对模板进行必要的修正，应该在获取目标模板后有一个可靠的模板更新策略．本文探讨了奇异值分解及其在图像匹配和目标跟踪中的应用，定义了一种近似奇异值向量并提出了一种基于图像奇异值特征向量数据特点的跟踪策略并作了大量试验，试验结果表明所提出的图像匹配方法和目标跟踪策略的有效性．     

基于等级相关的非分类案例检索

现有的非分类CBR（case-based reasoning）系统的对齐度量需要设定阈值,为了克服此局限,提出使用等级相关来判断一个案例是否符合CBR假设,据此给出了非分类CBR系统的评价指标,对加拿大交通安全局的55个航空事故调查报告进行实验,结果表明,使用等级相关对齐进行5-NN案例检索比使用比例对齐（case alignment）和加权相关（weighted correlation）这两个对齐度量,正确率分别提高了10.91%和16.37%。     

MDEA与MEA脱碳反应动力学

通过双模理论及反应釜吸收实验的方法,建立了胺液脱碳拟一级传质反应模型,并对其进行了实验验证。通过模型中的增强因子、二级反应速率常数及传质速率分析了伯胺MEA(乙醇胺)及叔胺MDEA(甲基二乙醇胺)的动力学特性,以此为基础进一步分析了MDEA+MEA混合胺液的交互作用、动力学特性,并得到了较优的胺液配比。研究结果表明:伯胺MEA的增强因子及传质速率数值大于叔胺MDEA,随着气液传质过程进行,传质速率逐渐减小;对于混合胺液,表观反应速率常数以及增强因子随着MEA浓度的增加以及温度的升高而逐渐增大;当总胺浓度为3mol·L^-1时,MDEA+MEA(2mol·L^-1+1mol·L^-1)的混合胺液增强因子数值为0.5,传质速率较大,为最优混合胺液配比。     

立体目标的宽基线图像匹配

为了匹配立体目标的图像特征,提出一种仿射不变的局部特征提取算法。根据高斯滤波器的形状和大小要与图像结构相适应的原理,该算法利用图像中的最大稳定极值区域(MSER)的协方差矩阵衡量局部图像结构,并将局部图像结构变换到圆形高斯滤波器适用的形式下,以解决视角和尺度变化问题。为了保证图像变换的正确性,采用旋转压缩的方式将各向异性的图像结构变换为各向同性的图像结构。最后在各向同性的图像结构上提取尺度不变特征变换(SIFT)特征点,并将SIFT特征点的坐标变回原图像坐标。实验结果表明该算法提取的局部特征是完全仿射不变的,在立体目标的宽基线图像匹配中表现出良好的效果。     

多分辨率迭代切距离及其在目标识别中的应用

针对在目标识别过程中切距离的线性逼近、易陷入局部最优的局限性,提出了一种新的仿射变换不变距离度量,即多分辨率迭代切距离(MITD),并将其用于仿射变形下的目标识别。MITD将迭代切距离嵌入多分辨率框架,计算模板图像和实时图像之间的变换不变距离,以扩大算法的收敛域,提高目标识别算法的识别概率。实验结果表明,所提出的基于MITD的目标识别方法较基于欧氏距离(ED)和切距离(TD)的算法具有明显优势,优于基于迭代切距离(ITD)的算法,具有较高的鲁棒性。