空中背景混合高斯快速建模算法

由于空中目标存在信噪比小,对比度低的特点,传统混合高斯背景建模较难地把目标从背景中分离出来,且受光照影响较大。针对此问题,提出一种改进算法,对模型建立、初始化和更新,生成新高斯分量,以及删除无效高斯分量等方面进行优化,减少中间的冗余环节;同时通过改变标准差阈值减小光线突变的影响。最终算法单帧运算所需要的平均时间接近单高斯模型算法的1.3倍,达到混合高斯模型算法的0.5倍以下。算法有效提高了地对空、空对空目标的实时跟踪的速度与稳定性。     

异源共光学系统多分辨率图像的融合

在激光照射性能监测系统中,考虑到对成像激光光谱特性、命中率测量精度的要求,为保证图像的探测动态范围,提高光斑命中精度的测量准确度,使用可见光传感器和红外传感器获得图像。采用加权平均法、PCA变换法、金字塔小波变换法,对共光路光学成像系统的多分辨率图像进行融合,通过融合性能评价指标对以上融合方法进行比较。实验结果表明：基于金字塔小波变换的图像融合方法具有更为理想的图像融合效果,可以提供更多、更有效的信息,提高了图像的分辨效果,能更好的识别光斑。     

激光照射器立靶测试中靶板识别方法

在激光照射器立靶测试系统中,针对外场环境背景复杂、对比度低等情况,导致动态靶板难以精确识别,提出一种基于小波变换的多尺度模板匹配识别动态靶板方法,采用小波变换和多尺度理论相结合的多层次搜索匹配策略,首先在图像分辨率最低层次进行粗匹配,剔除大量非匹配点,保留对应准匹配点;然后沿图像分辨率增大方向在准匹配点进行逐层局部匹配,直到匹配结束,精确识别出靶板的四个角特征目标区域,精确定位靶板角特征目标点.实验表明,该方法对动态靶板中心的测量精度达到0.4pixel,对激光照射器照射精度测试的研究有重要意义.     

基于GPU的快速夏克-哈特曼波前重构方法研究

在夏克-哈特曼波前重构方法中,为了提高波前重构的速度,解决实时性差的问题,提出了一种基于GPU的快速夏克-哈特曼波前重构方法：将Zernike模式波前重构算法中Zernike多项式系数和波前数据的矩阵求解部分按照棋盘式和带状式分解并行化,根据不同的分解并行模式调度线程块及线程块中的线程数,转存数据到共享内存提高数据访问效率,优化数据存储结构提高全局存储器访问带宽,多个线程并发执行,快速重构波前。实验表明：基于GPU的快速算法相比传统CPU方式具有明显加速效果,当波前插值分辨率为2048*2048时,速度甚至提高了206倍;在加速的同时仍可保持原有算法的高准确度,为高精度、高分辨率的波前重构提供了快速、实时的计算方法。     

基于机器视觉的焊缝宽度测量方法

针对焊缝检验尺对焊缝宽度检测精度差和效率低的特点,提出一种基于机器视觉的焊缝宽度测量方法。通过测量设备获取目标图像,使用直方图均衡化和分段线性变换相结合的算法对图像进行增强。采用基于最大阈值Ostu的图像分割算法经过膨胀腐蚀等形态学的处理提取目标轮廓,再利用霍夫变换检测焊缝边缘,计算焊缝宽度。实验结果表明,该算法对焊缝的宽度检测精度可达0.01mm,效率更高。     

海空目标多尺度波峰最佳阈值自动搜索策略

针对海上低对比度低信噪比的条件下,能够精确快速搜索空域目标,提出了一种快速精确的海空目标多尺度波峰最佳阈值自动搜索策略:采用金字塔波门搜索和多尺度波峰阈值法,逐级减小搜索区域并对搜索域内图像进行分割,然后根据目标特征进行概率统计分析,确定最优目标,实现海空目标的自动搜索。实验结果表明,该算法在序列图像中的搜索定位平均误差为0.413像素并全部识别成功,较OTSU算法的2.61像素和最大熵阈值算法的3.1像素的误差,精确度大大提升。整幅图像搜索时间优于21.34 ms,满足海空目标自动搜索的精度和实时性的要求。     

激光照射性能测量中异源相机的标定方法

激光照射性能测量相机包括可见光相机和近红外相机,可完成激光照射器照射精度立靶成像测量。可见光相机用来拍摄运动靶板,近红外相机用来拍摄照射激光。为解决在测量过程中卡塞格林光学系统使图像产生畸变和两个相机光轴不严格一致问题,在远距离测量中忽略透视误差的影响,对张正友相机标定方法进行改进,使相机内参数中扭曲因子为0,实现相机标定;根据可见光相机和近红外相机成像面的空间透视关系,实现双相机轴线一致性标定。实验结果表明：可见光相机标定的重投影误差为0.08像素,近红外相机标定的重投影误差为0.19像素,相机配准轴线一致性精度为0.37 μrad,满足激光照射器照射精度外场测试中的需求。     

一种光斑图像加速处理算法研究

在激光光束质量测量领域中,高分辨率图像能够提高测量精度,然而对于多点采样测量,全帧图像算法会导致测量时间的大大延长。为解决此问题,提出一种基于局部图像的光斑加速处理算法：根据前三个采样点激光参数,计算出光束空间传播路径,预测下一采样点计算区域,在此区域内计算相应参数。实验结果表明：对于单个采样点,图像分辨率1392×1040,该算法能够有效地降低信息处理量,全帧图像平均测量时间为0.926s,加速处理算法平均测量时间为0.512s,有效地减少单点采样全帧图像处理时间的45.27%。能够准确地计算出激光性能参数,提高整体测量速度,对高分辨率图像在激光光束质量测量中的应用具有重要意义。