低秩聚类被动压缩鬼成像

低采样率下的高质量鬼成像(GI)对于科学研究和实际应用具有重要意义,为了在低采样率条件下重建高质量图像,提出了一种高质量的被动式压缩鬼成像重构算法(PCGI-LRC)。基于图像的非局域相似块堆叠而成的矩阵具有低秩和稀疏奇异值的假设,从理论和实验上证明了一种对最小二乘问题与非局域相似块低秩近似问题进行联合迭代求解的方法,能够在低采样率(6.25%~50%)条件下实现高质量鬼成像。实验结果表明:与基于稀疏基约束的GI(GI-SBC)和基于全变分约束的GI(GI-TVC)相比,PCGI-LRC在峰值信噪比、结构相似性系数和视觉观测等方面均更优,在抑制重构噪声的同时保持了目标的细节信息,其中PSNR提升效果优于1.1 dB,SSIM提升效果优于0.04。

基于双邻域梯度的红外偏振弱小目标检测算法(特邀)

偏振探测技术是一种场景多维光学信息获取技术,它能够应用于弱小目标探测任务中,可以克服传统光学探测技术难以在低照度场景、恶劣天候条件下探测的不足。但偏振图像中的目标尺寸小响应弱,而且背景杂波和图像噪声的分布特征不同于强度图像,是检测算法需要解决的问题。首先分析偏振成像原理,比较了偏振图像与传统强度图像的特点;然后对强度图像和偏振图像进行融合增强;最后根据局部对比度显著性理论,提出了基于双邻域梯度的偏振融合图像目标检测算法。实验结果表明,与传统算法相比,文中算法更充分利用了偏振图像特点,可以更有效实现弱小目标检测。

一种基于图像分割的海天线提取算法

针对红外图像中海天线的特点,提出一种基于图像分割的海天线提取方法。首先通过模板运算对图像进行预处理,以增强海天区域的图像梯度值,然后在竖直方向对图像进行分割,以定位局部海天线,最后用直线拟合法找出海天线位置。实验结果表明,该方法可以快速有效地检测出海天线位置,易于工程应用。

一种新的实时红外图像增强技术

提出了一种新的实时红外图像增强技术。此方法首先对图像进行多尺度滤波处理,得到图像的低频部分和高频部分;然后利用自适应平台直方图均衡的方法(APE)对低频部分进行了对比度增强,利用阈值XP方法对图像的高频部分进行了边缘锐化和降噪处理。很好的解决了红外图像存在的目标与背景对比度差、边缘模糊、噪声较大等缺陷。而且此方法的处理时间为每帧25 ms满足实时显示的要求。实验表明此方法能在实时红外图像系统中取得了非常好的显示结果,红外图像经该方法增强后,目标与背景的对比度、边缘清晰度等都有一定改善。

具有记忆跟踪功能的质心跟踪算法

针对质心跟踪算法对目标跟踪时容易出现目标丢失的问题,提出了目标置信度函数,通过对目标的位置、面积、灰度和形状综合判断目标是否被遮挡,如被遮挡则对目标的位置进行预测,直至目标重新出现,使算法具有记忆跟踪的功能。改进算法基本不受目标大小、旋转变化的影响,跟踪算法的稳定性和可靠性得到提高。实验结果也表明,改进算法较好地克服了原跟踪算法易丢失目标的问题,扩展了质心跟踪算法的适应范围。

低SNR海天线提取算法

针对海天线SNR低且有一定倾角难于提取的问题,提出一种新的海天线提取算法。在预处理阶段,利用Laplacian模板对海面的波纹进行增强,然后使用顺序滤波与数学形态学相结合的方法增加海面波纹的面积与灰度,预处理后增大了海面与天空的灰度差,海天线的SNR提升70%以上;最后,设计了一种斜线查找矩阵,通过对图像行扫描生成该矩阵,矩阵最大值的横纵坐标即为海天线的位置和角度。实测数据的试验结果验证了该方法的有效性且算法运算简单,易于工程应用。创新点在于使用模板运算与形态学相结合的方法提高了海天线SNR并设计了斜线查找矩阵可以简单地定位海天线的位置和角度,减少了计算复杂度。

加速度滞后补偿与模糊自适应PI相结合的伺服控制算法

提出了一种加速度滞后补偿与模糊自适应PI相结合的伺服控制算法。这种算法利用模糊规则制定相应的PI控制参数,针对大机动运动目标的特性,采用加速度滞后补偿方法,两种算法的有效结合提高了伺服系统的跟踪精度以及动态响应能力。该算法运算量小,实时性好,可在硬件上实现。实验表明,此算法对最高速度为30?/s、最高加速度为10?/s2的运动目标可以实现快速地捕获以及稳定地跟踪,跟踪精度均方值为13.8′′。

基于自适应引导滤波的子带分解多尺度Retinex红外图像增强

利用引导滤波的边缘保持特性及梯度保持特性,提出一种基于自适应引导滤波的子带分解多尺度Retinex红外图像增强算法。首先利用自适应引导滤波对光照分量进行精确估计,生成光谱不重叠的Retinex子带,然后对各个子带进行自适应增强,最后将各个增强后的子带加权融合。实验证明,该算法可有效消除光晕现象及凸显红外图像细节。

基于最短路径的大视角变换下SLAM回环检测

回环检测是视觉同步定位与地图构建中必不可少的一部分,回环的正确检测能够避免机器人的累计位姿漂移问题。但是移动机器人在定位过程中,相机视角发生大幅变化会使得相邻帧间图像的特征点匹配数目骤减,匹配精度降低,系统性能下降甚至匹配失效。基于这些关键帧进行回环检测时会因为视角的变换使得原本的相同位置误认为不同位置,减少了正确回环的判断结果,降低了系统的召回率,影响准确的地图构建。因此,提出基于图像协方差矩阵匹配的最短路径算法,以关键帧为节点,帧间协方差矩阵距离为权重,构建有向图,通过最短路径算法得到关键帧间的位置关系,再结合距离阈值确定相似位置,完成回环检测。最后,在数据集和实际场景中验证了这一算法。

基于视觉显著性与对比度增强的红外图像融合

目前传统多尺度分析红外图像融合算法存在以下不足:融合图像的对比度改善效果有限,无法获取图像的某些细节信息;融合规则仅考虑单一特征,故未能突出目标特征。针对以上问题,本文提出一种基于视觉显著性与对比度增强的红外图像融合算法。首先对待融合的图像进行基于自适应引导滤波的多尺度Retinex图像增强,然后利用NSCT对图像进行多尺度分解,最后利用图像视觉显著性融合低频系数,采用基于窗口的系数融合带通系数。实验证明,该算法获得的红外融合图像效果明显优于传统方法。

基于FPGA的红外弱小目标检测算法

传统的红外弱小目标检测算法一般采用DSP(digital signal processing)处理器实现,算法复杂且实时性差,本文提出了一种基于FPGA(field programmable gate array)的自适应阈值的FAST(features from accelerated segment test)算法对红外弱小目标进行检测,利用FPGA并行处理的特点,采用流水线设计实现了算法的硬件加速。改进的自适应阈值方法可以根据不同的环境生成合适的阈值,避免了由于阈值选择不当造成的红外弱小目标的丢失或冗余。最后采用4组不同的实测红外图像进行实验,结果表明:该算法能实时地检测出红外图像中的弱小目标,并且能够取得较高的检测率和较低的虚警率,满足实时性和有效性的要求。

基于目标能量的远距离红外空间目标提取算法

提出了一种基于目标能量的红外目标提取算法。这种算法利用目标相对角速度大于瞬时视场时图像会产生拖尾的现象,采用能量叠加来增强目标与背景的信噪比,从而实现对信噪比小于或等于5的远距离红外空间目标的探测和跟踪。此算法运算量小,可在硬件上实现。实验表明,此算法能实时探测和跟踪距离不小于15 km的红外空间目标,且探测概率可达96%。