红外图像目标瞄准点测量和基于自适应Kalman滤波的瞄准点跟踪

前视红外图像(FLIR)包含有关目标形状的丰富信息,可据以识别目标的背景干扰,从而增强抗干扰能力,且可根据目标要害部的亮度特点及预定范围,确定并进而跟踪瞄准点,本文提出目标瞄准点的序贯相关测量与Kalman滤波相结合的跟踪方法,在用110帧红外序列图像目标瞄准点跟踪仿真研究中,获得令人满意的结果,本文给出仿真误差方差、误差曲线和代表性的跟踪照片。     

图象的修正功率谱矩及其用于图象纹理分类

图象纹理分类在航空和卫星照片分割,计算机视觉,等图象分析的各种领域都有应用。本文提出了一种基于图象功率谱的纹理测度——图象修正功率谱矩,这是一种图象功率谱的加权能量和,所选用的权函数,使低阶谱矩包含较多的功率谱的空间频域分布信息,因此,以一些低阶谱矩为元素,形成表征纹理的特征矢量,可用较低维特征矢量进行分类而得到较高的正确分类率。 权函数等价于一组特殊形式的空间滤波器,本文根据该滤波器组冲激响应的性质,导出了谱矩的近似算法,可显著减少计算机时。对10类60幅由模型生成的图象以修正功率谱矩为特征,按最小距离分类,正确分类率达91.5％,优于文献[2]的结果。     

不变矩目标特征描述误差分析和基于上层建筑不变矩的舰船识别

不变矩用于各种目标识别的特征描述，受到了广泛的注意，许多作者研究了基于不变矩描述的飞机、桥梁、建筑物和舰船等目标的识别[1，2，3]。CHO－HUAKTENetal．[5]在理论上研究了连续图象由于空间离散化和亮度量化引起不变矩误差即不变性降低的问题，本文进一步从理论和实验两方面分析了引起目标描述不变矩误差并从而限制目标正确识别概率的其它因素。为克服上述问题，本文提出了用于舰船目标识别的上层建筑不变矩描述，并在具有1440幅舰船图象的目标库上，进行了舰船识别仿真，统计分析和识别结果均表明，上层建筑不变矩较之传统的不变矩描述，具有强得多的鉴别两类目标的能力，从而极大地提高舰船的正确识别率。     

图象区域边界的参数和非参数统计检测法

噪声污染的图象,区域内灰度快速变化的图象,其图象区域边界检测通常用基于局部灰度统计的方法检测,常用的最大似然比检测法是基于图象各区域灰度服从正态分布假设的参数统计检验法,而图象边界的秩和检测法则是一种非参数统计检验法。本文对以上两种方法检测图象边界的性能进行分析,提出了一种改善检得边界质量的修正秩和算法,用三幅图象做了边界检测的对比研究。在此基础上,根据待处理图象的情况及检测边界的质量要求,提出了图象边界的不同检测方法合理选用的建议,     

小采样数的短时信号功率谱估值

最大熵谱估值具有高分辨率,短数据处理的优点。本文对典型短数据长度的单一余弦信号和两相邻近的迭加的余弦信号,在无噪声和有噪声情况下进行最大熵谱估值的计算机模拟研究。并在短数据长度下,采用很小采样数N仍可保持较高分辨率和抗干扰特性,这对许多余弦信号形式的过程数据的谱估值应用问题的实时处理具有重要意义。