基于层次聚类的弱小目标检测算法

空间图像具有恒星、目标和噪声特征相似,星点灰度范围大的特点,常见的小目标检测方法无法有效处理该类图像。提出了基于层次聚类的空间弱小目标检测算法,以星点到参考恒星之间的距离变化为依据,根据恒星和目标的运动特性构造相似性度量函数,通过寻找误差平方和曲线拐点的方法寻找最优分类曲面和分类个数,最后以两层复合分类将恒星、噪声和目标分离。实验结果表明,该方法兼容8位和16位灰度图像,可以有效检测出单点和多点小目标。

基于疑似目标区域提取的空间图像降噪

对于空间目标图像的降噪预处理,要求能够完整地保留目标的边缘同时保证目标内部灰度分布不变,直接利用传统降噪增强方法难以取得理想效果。针对空间目标可见光图像,分析可能引入的噪声种类及其特性,提出了一种通过提取疑似目标区域达到降噪目的的方法。该方法首先使用SUSAN滤波结合频域分析、背景杂波抑制获得目标区域,然后从原始图像中提取出没有背景噪声的图像,从而实现图像的降噪。为了验证降噪效果,从整体视觉效果、局部星点视觉效果和信噪比三方面,与中值滤波、低通滤波、小波变换方法处理结果进行比较,实验结果显示,该方法在去除背景噪声的同时,能够更好地保留目标的边缘和内部灰度分布。

树形结构SVMs多类分类的研究

介绍了SVM方法原理,为了将SVM在解决两类分类问题中的优越性推广至解决多类分类问题,分析构建树方法与SVM结合运用来提高SVM在进行多类分类时的训练效率的方法,然后构造文本自动分类,实验说明该方法有较高的训练效率,并且所需的训练样本量大大降低.

基于动态规划的空间小目标检测算法

以往对动态规划法检测小目标算法的研究存在对中途入场和出场目标检测能力弱的问题,而且多数停留在对仿真图像的实验上,与实际应用还有一定差距。将动态规划算法应用于空间小目标检测,并从三方面对其进行改进:第一,针对工程应用中人为增加光学散焦导致目标信息丢失的问题,对递归方程进行修改,提高目标能量累积效率;第二,将各个速度平面分别计算修改为速度更新,减少计算量;第三,增加对入场和出场目标的处理,克服不能有效检测中途入场和出场目标的问题。实摄序列图像对比实验显示,该方法能够提高动态规划算法的检测效率,有效检测入场小目标。

基于恒星配准的空间点目标检测算法

针对以往文献在处理空间目标图像时使用的配准帧差方法,存在不能配准旋转背景以及没有充分利用目标运动特征等问题,提出了一种基于恒星配准的检测方法。该方法以恒星为控制点,利用刚体变换模型配准相邻帧,再通过帧差分离出可疑目标,最后通过最近邻航迹关联法确认真实目标,其中为了有效区分相邻帧中的目标点,对原始帧差法做了一些改进。最后利用增加了人工仿真点的实摄观测图像对算法进行实验,结果表明,该方法能较好地配准旋转背景序列图像,可以有效检测出空间点目标。

点目标图像信噪比计算方法

目前图像信噪比定义方法多种多样,对常见信噪比定义进行了分类,总结了不同定义之间的内在联系、常用解法以及使用范围。针对常见图像信噪比求解方法误差较大的问题,提出了一种基于最小二乘拟合的高斯背景噪声参数估计方法。首先根据全部灰度级估计均值和方差,然后通过迭代的方式,排除高灰度非背景像素的干扰,逐步缩小统计范围,最后选择具有最小均方误差的统计参数作为背景灰度和噪声方差的估值。仿真实验证明,与常见的"局部最小方差法"和"小于均值方差法"相比,用该方法得到的背景噪声参数计算的信噪比具有更高的精度和稳定性。

空间小目标动态规划检测

为了从序列图像中检测出空间小目标,提出了一种改进的动态规划算法。介绍了动态规划小目标检测算法的发展过程。针对工程应用中为了获取亚像素质心而对图像散焦处理的情况,对原算法的评价函数递归方程进行改进,提出用方向加权的多点能量累积代替原算法的单点累积,并将多速度平面分别计算的方式简化为速度初始化与历史速度修正方式。最后,针对算法实现过程中遇到的初始状态计算、恒虚警阈值以及轨迹数据结构等关键问题进行了说明。在实验参数条件下,计算量比原算法减少了约50%。实摄图实验结果表明,方向加权的多点累积算法5帧即可检测出目标,而原算法在第10帧时仍有大量虚假轨迹;在第5帧的20条最大评价值轨迹中,多点法的评价值信噪比比原算法提高42%。方向加权的多点累积算法可以有效抑制孤立噪声点产生的虚警,提高算法的检测能力。

应用像素运动模糊特征分割的空间移变降质复原

为了复原由动机座上的相机拍摄运动目标得到的降质图像,提出了基于像素运动模糊特征分割图像的复原方法。根据运动模糊的卷积作用,分析了图像中目标与背景不同的运动特性及像素平移叠加机理,得出了目标背景的叠加区域中相邻像素灰度值的变化程度相似的结论。基于该灰度变化特征检测运动模糊方向上的目标边缘,并利用Canny算子检测平行于模糊方向的边缘,两部分边缘进行求或运算并进行形态学处理,从而分割得到完整的目标模糊图像。剔除该目标图像叠加区的背景灰度信息,并补零扩充为完全卷积的模糊图像,最后利用反卷积复原算法去除模糊。复原实验结果表明,该方法复原得到的目标图像内部纹理清晰,复原图像的信噪比为9.64 dB,即主观和客观评价都表明该方法能够有效处理该类空间移变降质图像的复原问题。

基于改进DPA的空间小目标检测算法

针对以往动态规划算法(Dynamic Programming Algorithm,DPA)单点能量累积效率低、不能有效检测中途入场目标的问题,从三方面对DPA改进并应用于空间小目标检测.第一,对递归方程进行修改,利用多点累积方法克服工程应用中人为增加光学散焦导致目标信息丢失的问题;第二,将各个速度平面分别计算修改为速度更新,减少计算量;第三,增加对入场目标的特殊处理,克服不能有效检测中途入场目标的问题.利用实摄序列图像对比实验,证明改进的有效性.

文本过滤中的特征抽取应用研究

文本信息过滤技术需要解决的一个重要问题是对文档进行形式化处理,使得文本成为可计算和推理的信息.文中首先介绍了基于评估函数的文本特征抽取方法,分析评价了各种评估函数的优缺点,最后提出了一种利用特征抽取对文本信息进行过滤的方法,并说明如何使用评估函数对权重函数进行改进.

个性化主动信息服务实现研究

给出了一种个性化主动信息过滤系统的设计与实现方案。该系统采用智能Agent来获取用户的需求模板,通过与用户的交互得到的反馈信息来更新模板,并最终实现主动信息推送。

小波估计图像棱边分布的边缘保持规整化复原

为了从模糊图像中更准确地估计真实棱边分布,并将其用作边缘保持规整化复原的约束条件,提出小波多尺度分析的复原方法.该方法组合多个尺度的小波细节求相关,得到表征棱边分布的小波子带图像;在各向异性Markov随机场模型的基础上,选取满足边缘保持条件的势函数,将各方向小波子带滤波器代替梯度算子构造惩罚项,从而减少参数个数,降低训练复杂度;最后给出参数的自适应取值方法,并使用半二次规整化方法求解.实验结果证明,该方法复原的视觉效果优于梯度算子的方法,适合处理模糊尺度较大的图像.

双重模糊图像的复原方法研究

如果观测图像同时受到两种模糊的影响而退化,则作用于图像整个退化过程的降质函数难以确定,而适用于降质函数未知的盲目去卷积等方法有其局限性。针对这种双重模糊情况,提出一种基于插值分析的分层复原方法,该方法首先对图像进行插值,以提高对低分辨率图像退化机理的分析能力,并在分析的基础上进行图像预处理。然后在图像复原的优化准则下,交互地选择出降质模型的最优参数组合,以得到两个降质函数,最后对原图像实施分层复原。通过实验分析,该方法的复原结果比较理想。

图像插值分析的交互式分层复原

为了复原模糊图像以得到可辨识的目标,分析相机与目标高速相对运动时产生的两种模糊性质,针对其退化函数难以确定的特点,提出一种基于图像插值分析的交互式分层复原方法,该方法首先对图像进行插值,以提高对低分辨率图像退化机理的分析能力,并在分析的基础上进行图像预处理。然后在图像复原的优化准则下,交互地选择出降质模型的最优参数组合,以得到两个降质函数,最后对原图像实施分层复原。对仿真图像进行实验,基本上恢复了目标图像的特征,证明该方法复原效果比较理想。

显示彩色矢量汉字的方法

给出了一种根据TTF字形轮廓数据描绘汉字轮廓的方法,解决了彩色矢量汉字显示的问题.

高速运动目标的运动模糊图像复原研究

对单一图像进行运动模糊复原,存在模糊点扩散函数(PSF)难以估计以及图像反卷积的病态性问题。利用多个PSF具有联合可逆性的特点,针对运动目标观测,提出采用参数相同的多个成像设备共同对同一视场进行拍摄,来获取背景相同、曝光时间不同、目标模糊程度不同的观测图像;然后利用同一设备获取的序列图像进行目标的模糊PSF估计;并根据目标背景的运动模糊叠加特征,分别从观测图像中提取出完整的模糊目标图像;最后,对这些具有不同PSF的同一目标图像进行空间域迭代复原算式的联立求解。实验表明:该方法设计的目标获取装置对硬件条件要求较低,获取的图像更便于采用多点扩散函数联合进行图像复原,复原效果良好。

分析参数相关和时序特征的飞行动作识别方法

利用飞行训练过程中记录的飞行参数数据,可以识别飞行员操作的飞行动作类型。飞行参数数据的各参数子序列具有时序性、相关性、各参数量纲不同、数据量大的特点,所以该方法考虑利用主成分分析提取其参数相关度统计特征,使用欧氏距离判别分析进行粗分类;然后提取相关度较大参数数据的时序趋势变化特征,利用动态时间弯曲距离匹配细分类,进一步识别动作区段归属的飞行动作类型。该方法能够在保证识别率的前提下,提高飞行动作识别的效率。

小波多尺度分析目标图像复原

为了有效复原模糊图像以得到可辨识的目标图像,需要根据目标图像的纹理特征来进行有约束的正则化复原。针对大尺度模糊图像的复原处理,通过分析常见的自适应正则化方法在抑制噪声及虚假波纹方面存在的问题,提出基于小波多尺度分析的正则化复原方法,该方法利用小波变换的多尺度分析技术直接分析模糊图像,结合形态学操作得到合理反映目标棱边分布的图像,并利用该图像加权调节正则化参数进行复原操作。实验表明该算法能够有效处理大尺度模糊,并能够较快地收敛到易于辨识的目标图像。

Kronecker积重构卷积核矩阵的图像迭代复原方法

图像复原实际上是反卷积问题,其中的卷积核矩阵属于大尺寸的Toeplitz矩阵。为了降低迭代复原算法的计算复杂度,通过分析该Toeplitz系统的病态性及常见快速求解方法,提出一种基于卷积核矩阵重构的预条件共轭梯度迭代算法。首先根据Toeplitz矩阵可分解为Kronecker积的和的性质,对点扩散函数进行奇异值分解,将各奇异值对应的左右向量构造子Toeplitz矩阵,子矩阵作Kronecker积并加和,从而得到卷积核矩阵的分解式,然后根据Kronecker乘积的性质,将该分解式用于构造预条件算子,最后利用预条件共轭梯度法求解。计算复杂度分析及实验表明该方法有助于加速迭代的收敛并得到稳定结果。

利用不变矩去除恒星的空间小目标检测方法

相邻帧配准差分去除恒星方法,在处理16位灰度图像时,由于高亮度恒星的插值误差大于目标灰度与背景之差,导致差分不能有效去除恒星干扰。针对该问题,引入模式识别中的不变矩概念,提出基于不变矩的空间小目标检测方法。该方法从恒星之间的相对位置入手,避开通过灰度差分消减恒星的过程。利用相邻帧中恒星不变矩相等的特性,寻找三颗恒星作为参考恒星组;向参考恒星组逐一加入未知星点,通过判断增加星点后不变矩是否仍相等来提取恒星;利用目标运动的连续性和一致性从剩余星点中提取目标。通过对仿真恒星点配准差分说明问题的由来,利用实摄序列图像对配准差分法和不变矩方法对比实验,结果表明,配准差分法无法去除的恒星可以通过不变矩方法去除,该方法能够从16位灰度图像中有效检测出小目标。