自适应图像增强滤波器

Ｕｎｓｈａｒｐ ｍａｓｋｉｎｇ滤波算法是一种经典的图象增强算法,算法简单便对噪声非常敏感;而传统的平滑去噪算法对图象细节有很大损失。本文采用改进的自适应ＵＭ算法来增强图象,既有良好的去噪特性,又增强了图象的边缘,且算法简单,适于实时处理,效果优于同类滤波器。     

基于动态显著性特征的粒子滤波多目标跟踪算法

针对复杂背景条件下图像序列中运动多目标跟踪问题,提出一种基于动态显著性特征的粒子滤波多目标跟踪算法,该算法借鉴心理学中关于视觉注意的研究成果,综合目标的灰度、细节和运动特性形成稳健的动态显著性特征,用来作为粒子滤波的状态向量。由于该算法中的显著性特征来源于目标的多种底层特性,因此算法具有很强的稳健性,同时,粒子滤波可实现非线性非高斯状态空间模型的最优估计。故而,该算法能够同时处理多个目标跟踪过程中的航迹管理问题,以及目标出现、消失、合并、分裂、被障碍物遮挡等问题。实验结果表明,该算法能够很好地实现复杂图像序列中的多目标跟踪。     

改进的探测器S形曲线的非均匀校正算法研究

在大动态范围内,基于光子效应的IRFPA探测器单元的响应输出与入射辐照度之间为非线性关系。由理论分析各测量结果可知,探测器的响应曲线服从S形非线性分布。然而经典S形曲线校正算法计算量大,而且参数随时间漂移,工作一段时间后需重新定标,这样必然影响热像仪的连续工作,并且增大了硬件实现的难度。针对这两个问题提出了改进的S形曲线校正算法。该算法结合两点校正算法,减少了计算量,并利用最小均方法(LMS)对S形曲线的定标参数进行补偿,解决了探测器需要重新定标的问题,实现了基于LMS的S形两点定标校正算法。并通过实验,表明提出的改进算法计算量小,校正精度较高,而且解决了经典S形曲线校正算法需多次定标的问题,具有较好的工程实践意义。     

一种基于自适应背景抑制的红外小目标检测方法

红外成像自动目标识别是精确制导武器的重要研究内容。为解决红外起伏背景下的小目标检测问题,提出了一种自适应的背景抑制方法,并对抑制背景后的图像进行了目标分割,最后用邻域法判决目标位置。实验结果表明,该算法能够从信噪比大于2．0的图像序列中检测出目标。     

图像静态超分辨率重建

给出一种图像重建算法,从一组静态低分辨率图像中重建高分辨率图像,算法适合观测条件都相似的情况.利用场景空间到观测图像的映射关系,将重建问题描述成一个典型的线性系统求逆问题,并借助总变分整形约束克服病态情况,最后实验表明了算法在改善空间分辨率和噪声抑制上的显著效果．     

起伏背景下的自适应门限检测方法

介绍了起伏背景下的自适应门限检测方法的基本原理,并对其进行了改进,利用该方法可有效地检测起伏背景下的小目标,并给出了实验结果的验证。     

红外成像制导信息处理系统研究

本文针对红外成像制导信息处理算法和处理机结构进行了研究。为满足制导系统的特殊要求，通过与算法的有机结合，研制成功了一种智能红外图像处理系统，它可以实地完成弱机动目标的有效检测和精确跟踪。     

参数化通用一位量子门模型

量子门组网络是实现编码量子态演化的手段,由一系列的量子门组构成.而一位量子门是构造量子门组的基础.本文以量子门酉正性为基础,通过分析酉正矩阵元素的特点,建立了参数化通用一位量子门模型,分析了模型与布洛赫球面的关系.模型涵盖了所有的一位量子门,通过给模型设置特定的参数,就可以得到特定的一位量子门.参数化通用一位量子门模型的提出,对于综合分析一位量子门特性和设计更加实用的一位量子门,都具有十分重要的作用.     

基于小波变换与灰度形态学滤波的双波段红外图像弱目标融合检测

针对舰载红外搜索与跟踪系统中的弱目标检测问题,本文首先提出了一种采用小波变换与灰度形态学滤波相结合的背景抑制与目标增强算法;然后基于所提出的背景抑制与目标增强算法设计了一种双波段红外图像弱目标融合检测方法;最后采用实际的双波段红外图像序列对所提出的背景抑制与目标增强算法和所设计的双波段红外图像弱目标融合检测方法进行了实验测试,并给出了详细的分析与比较。实验结果显示所提出的背景抑制与目标增强算法在较大程度上改善了在信噪比条件下的红外图像弱目标检测效率,而双波段红外图像的应用进一步提高了系统的目标检测性能。     

弱对比度细节模糊增强的自动参数选择

针对广义模糊增强算法中参数选择的主观性,提出了一种模糊参数自动调整的方法。通过分析实验得出模糊参数对图像增强效果的重要性,给出一种用图像可检测边缘度和图像熵的熵值作为图像增强的评价标准,并根据这个标准实现了原来模糊增强算法中参数的自动选择,达到图像的自动增强,提高图像中弱边缘对比度的目的。最后通过实验证明算法的有效性。