基于能量累加的空间目标星像质心定位

研究了CCD观测图像的亚像素级高精度质心定位方法以提高目标星像的天文定位精度。分析了影响定位精度的主要因素,如图像噪声、离散化采样误差及定位窗口选择等,结合CCD弥散斑的成像特性,提出了一种基于能量累加的空间目标星像质心定位方法。该方法使用插值方式降低离散采样点和实际感光区域光线照度的不一致性;利用弥散斑能量累加自适应地确定目标星像的有效窗口,优化目标星像灰度,消除随机噪声的影响;并采用平方加权质心定位方法进行质心计算。实验结果表明,该方法具有较强的抗干扰能力和稳定性,定位精度可达0.01pixel,适用于低信噪比条件下的质心定位计算。

天文观测CCD相机中Smear效应的消除

为了有效消除帧转移型相机的Smear效应,针对其成像机理及特性,提出了一种基于背景估计的适用于序列图像中Smear效应的消除方法。该方法通过对含有Smear效应的原始图像灰度分布进行统计分析,自适应判定Smear效应的发生位置;然后,采用截尾均值滤波(ATMF)技术高精度估计Smear效应的强度;最后,通过差分的方式消除Smear效应。实验结果表明,该方法在有效保留弱小目标和背景信息的基础上,可较好地消除图像中的单个或多个Smear效应,提高了图像的视觉质量,基本满足天文观测相机的观测要求。

基于时空域融合滤波的弱小运动目标检测算法

针对CCD光电序列探测图像中的弱小运动目标检测问题,提出了一种运动星空背景下的基于时空域相结合的弱小运动目标检测算法,在空域上采用形态学Tophat滤波降低噪声增强目标,在时域上利用运动背景补偿和多帧差分滤波增强目标的运动特性,通过基于Hough变换的方法进行目标轨迹识别,完成目标检测。实验结果表明,该算法充分考虑了时域和空域中弱小运动目标的特性,能有效地在低信噪比条件下检测出复杂运动背景下的弱小运动目标。

颌面三维测量技术研究

面部软组织研究对于正畸、正颌外科以及整形美容外科而言至关重要。对软组织进行系统、快速、准确的三维测量是临床医生客观、真实评价颅面部形态的前提与基础。传统的测量技术主要集中在人为操作下完成,从而引入了难以控制的测量误差。在基于直线测量、弧度测量、角度测量和比例测量等基础上,提出了一种将Farkas测量法与三维激光测量法相结合的颌面三维测量技术。实验表明,该方法更智能、全面、系统、快速和有效。

一种星空背景的运动补偿方法

运动背景补偿技术是提高运动星空背景下弱小目标检测精度的关键技术之一。本文提出了一种基于块匹配与质心提取法相结合的星空背景运动补偿技术。该方法在样本运动参数估计阶段直接剔除异常点;为了减少块匹配过程中每个待匹配位置的运算次数,保持块匹配的精度,又引入了连续排除算法,降低了计算复杂度。实验验证了该方法的有效性和优越性,证明了该方法能有效地提高目标的信噪比并且降低差分残余图像灰度均值。

基于Delaunay三角剖分和ICP的星图运动补偿算法

星图运动补偿技术是有效提高空间监测中复杂背景弱小目标检测精度的关键技术之一。本文中提出了一种基于Delaunay三角剖分和ICP算法相结合的星图运动补偿算法。该方法首先通过Delaunay三角剖分建立星图中恒星之间的线索矩阵,其次通过ICP配准算法得到相邻星图间的对应关系,并通过SVD最优解析得到相邻帧之间的变换关系即摄像机运动模型,最后通过双线性内插法进行运动补偿。实验结果表明:该方法可有效实现高精度的运动背景补偿,为复杂背景弱小目标检测奠定技术基础。

基于变换域特征的星空背景弱小目标检测算法

针对CCD光电序列探测图像中的弱小运动目标检测问题,提出了一种运动星空背景下的基于变换域特征的弱小目标检测算法。在变换域中以星点到参考恒星的变化距离为特征信息,根据恒星和目标的运动特性构建的相似性度量函数进行潜在目标点划分,通过轨迹关联最终完成弱小目标的检测。实验结果表明,该算法充分考虑了恒星、目标和噪声的灰度和运动特性,能有效的实现运动星空背景下的弱小目标检测。

基于选择性视觉注意机制和曲线发现法的弱小目标检测

将选择性视觉注意机制和基于连接点问题模型的曲线发现法引入到深空背景弱小目标检测中。在注意机制中,充分利用目标灰度和运动连续显著性,得到注意焦点整合图;通过基于连接点问题模型的曲线发现法进行目标轨迹检测,最终完成目标检测。实验结果表明此方法有效地降低了信息处理量,具有较强的抗噪性,可用于低信噪比环境中的弱小目标检测。

星图中基于小波变换的CCD传感器Smear现象消除方法

帧转移型CCD传感器在拍摄星空背景图像时,视场中高亮度恒星会产生Smear现象,从而对目标检测有严重影响.为了消除Smear现象,提出了一种星图中基于小波变换的Smear消除方法.首先根据Smear产生机理及星空图像特性,建立星图Smear问题的模型;然后使用多层二维Haar小波分解,把Smear亮线分离到低频分量及高频垂直分量中分别进行Smear消除处理;最后重构出消除Smear的图像.实验结果表明:该方法能有效去除Smear,最大限度保留图像原有信息,并可增强Smear区域弱小目标信噪比.

一种匀速直线运动模糊参数估计方法

运动模糊恢复就是利用运动模糊退化的某种先验知识来重建或恢复原有图像。在运动模糊的点扩散函数未知的情况下,估计运动模糊的点扩散函数是运动模糊恢复的前提和关键。从傅立叶变换的角度对匀速直线运动模糊图像的点扩散函数在频域中的特点做了理论分析,论证了点扩散函数在频域内的零点特性及模糊图像两次傅立叶同态变换后的方向特性,并提出了利用这些特性进行运动模糊方向估计的方法及两种模糊距离的估计方法。实验结果证明了所提出方法的有效性。

基于主成分分析的直线运动模糊参数估计

为了快速准确地估计直线运动模糊图像中的模糊参数,分析了直线运动模糊参数的长度和方向在频率域图像和倒谱图像中的表现形式,提出了一种基于主成分分析的运动模糊参数估计方法。首先,基于高斯建模对模糊图像中的倒谱图像进行二值化分割,得到倒谱图像中的亮线区域。然后,基于主成分分析提取亮线区域的主成分分量,主成分分量的方向即为模糊角度;依据估计的模糊角度,计算模糊图像傅里叶频率域图像相应角度的Radon变换,进行滤波去"毛刺"处理。最后,通过计算极小值之间的间距,估计模糊长度。实验结果表明:估计的模糊角度和模糊长度平均误差分别为0.138 4°和0.273 9pixel,在同精度条件下,速度是传统的Radon变换方法的10倍左右,表明该方法能快速、准确地估计直线运动模糊参数。

基于卡尔曼滤波的弱小目标实时检测与跟踪

提出一种基于卡尔曼滤波的弱小目标实时检测与跟踪方法。计算每帧图像上所有星点到参考星点的距离,利用目标与背景恒星运动特性上的差异检测出运动目标。针对漏检问题,采用卡尔曼滤波算法估计目标在漏检帧上的位置,通过对图像的重分割寻找丢失目标,利用目标的运动信息建立连续的目标链。实验结果表明,该方法能实现高检测率和低虚警率的实时检测。

基于Curvelet变换的SAR与TM图像融合研究

Curvelet变换作为一种具有各向异性特征的多尺度变换理论,克服了小波变换难以表达图像边缘方向特性等内在的缺陷。将Curvelet变换应用于图像融合中,能够更好地提取原始图像的特征,为融合图像提供更多的信息。文中利用Curvelet变换对同一场景的不同传感器获得的合成孔径雷达(SAR)图像和专题绘图仪(TM)图像进行融合,并对融合结果进行了客观和主观分析,实验结果表明,相比于传统的基于小波变换的图像融合算法,该算法具有更好的融合效果。

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。

基于几何特征的3维网格模型零水印算法

由于3维网格模型对水印嵌入强度高度敏感,为避免外观视觉效果严重失真,如今多数水印算法只能采用低强度的嵌入策略,从而导致其鲁棒性能下降。为了解决水印鲁棒性和透明性之间的矛盾问题,提出了一种不对网格模型数据进行任何改动的零水印算法。该方法首先对网格模型的几何数据进行校准预处理,然后对网格按顶点包围盒进行分割来提取几何数据空域特征,进而再应用3维DCT变换在变换域中进一步集中能量,其水印由若干DCT大值系数构造生成,并在IPR数据库注册获得版权保护,该水印的检测过程无需原始网格模型数据的参与。实验结果表明,该算法构造的水印不仅能抵抗顶点重排序、平移、旋转、各向一致缩放等攻击,而且对加噪、网格简化、网格滤波和二次水印等也表现出一定的鲁棒性。

基于线奇异性分析的图像边缘检测方法

针对基于图像像素点分析的边缘提取方法存在无法同时满足高抑噪性、连续性、定位性等问题,本文提出了方向Beamle变换(DBT)方法,在定义图像线奇异性的理论基础上,利用DBT对图像进行线奇异性分析,依据Beamlet变换具有的线段提取能力,将图像边缘检测问题转化为方向Beamlet变换系数矩阵中奇异点的检测问题,以降低噪声点对边缘检测结果的影响。通过对人工图像以及SAR图像的实验,与经典边缘检测算子相比较,验证了本方法具有较强的抗噪性,特别是针对直线边缘,在抑制噪声影响的同时保证了线状边缘的直线连接性,抗噪性较强。

一种帧转移型CCD传感器Smear效应消除方法

CCD传感器在进行帧转移过程中会产生Smear效应,对航天、遥感、空间侦察应用来讲,必须对它进行消除,以避免影响目标检测。在对Smear效应产生机理以及星图成像性质进行分析的基础上,提出了一种帧转移型CCD传感器Smear效应消除方法。利用Smear效应对应行列灰度和高于其他区域的特征检测出Smear效应位置,并排除Smear效应位置处的星点,通过双三次插值方法消除Smear效应。实验证明,该方法能有效去除Smear效应。

基于分块的非均匀Hough变换轨迹检测方法

本文针对Hough变换方法在星空背景下弱小目标运动轨迹检测中所存在的短线段被淹没、峰值模糊化和线段无端点信息问题,对Hough变换算法中参数空间量化方式进行了改进,引入非均匀量化思想,提出了一种基于分块的非均匀Hough变换的轨迹检测方法。实验结果表明该方法既继承了传统Hough变换鲁棒的优点,同时又较好地克服了传统Hough变换的不足,从而有效地解决了星空背景图像中弱小运动目标轨迹检测问题。

一种基于目标区域的图像检索方法

为了弥补颜色直方图等全局特征在描述彩色图像空间信息上的不足,该文提出了一种基于目标区域的彩色图像检索方法。该方法首先利用一种基于颜色视觉一致性的图像分割方法提取出有意义的目标区域,然后分别对各个区域提取HSV彩色直方图和Hu不变矩作为目标区域的特征描述,最后提出了一种相应的计算相似度的方法,实现了图像之间的相似度度量。通过在中科院计算所的Mires图像数据库和ViViLab测试图像库上进行实验,该文提出的方法对于目标明确、背景不太复杂的图像可以达到较好的检索效果。

一种遥感图像机场跑道的多尺度提取方法

遥感图像机场跑道边缘的提取是机场识别的主要方法。传统Hough变换在线段提取方面具有较高抗噪性,但用于遥感图像机场跑道提取时存在边缘定位性较差及弯曲跑道误检率高的问题。本文提出了图像空间多尺度Hough变换方法,提高了Hough变换在提取、检测线段时的定位能力;将传统Hough变换的对参数空间改进为相对参数空间,增强了Hough变换检测小线段的性能,并利用分段线段的连接,达到机场跑道边缘中直线段与曲线线段检测的目的。试验结果表明该方法在保持Hough变换高抗噪性的同时,可有效地检测复杂背景下遥感图像中的机场跑道边缘,并保证了边缘的连接性。