基于Contourlet域的遥感图像超分辨率复原技术

通过Contourlet域对遥感图像进行超分辨复原,采用了具有的更好方向性和各向异性特点的Contourlet系数作为特征表示,并通过最小欧氏距离进行全局的匹配选择。根据匹配的高频细节信息分布特点,引入了隐马尔可夫树(HMT)模型对遥感图像的Contourlet系数建模,运用期望最大(EM)算法对其进行参数估计,并结合贝叶斯估计原理,对叠加后的Contourlet系数进行修复、反变换后,最终完成了对低分辨率遥感图像的超分辨率复原。

核偏最小二乘算法的图像超分辨率算法

提出了基于核偏最小二乘算法(KPLS)回归的超分辨率复原算法。该算法首先将高低分辨率图像块的高频信息和中频信息作为建立回归关系的特征,并对图像进行分块;依据相应的高低分辨率图像块的关系,使用KPLS建立起回归模型;在复原时,依据该模型回归得到高分辨率的图像块,将图像块拼接为高分辨率的图像。通过对人脸图像和车牌图像的实验结果,表明该算法无论是对人脸图像还是车牌图像都能取得较好的复原效果。

基于图像类推的遥感图像超分辨率技术

由于卫星上相机距离拍摄景物较远,所以遥感图像分辨率一般较低。为了获得较高分辨率的图像。提出将图像类推技术(IA)与立方卷积插值法相结合的方法;并在学习样本集合建立过程中引入一种新的思路,直接对高分辨率图像的高频细节信息进行学习。实验结果表明,该方法不仅提高了放大图像的清晰程度,而且较一般的图像类推算法,能产生更为合理的细节以增强图像,使放大后的遥感图像更为逼真。

基于SOPC的实时运动目标检测与跟踪系统

设计了一种以FPGA为核心处理器件的实时运动目标检测与跟踪系统,采用基于累积差分更新的背景减除法检测运动目标,卡尔曼滤波和直方图匹配算法对目标进行跟踪。实验结果表明,该系统能对静态背景视频序列中的运动目标实时有效地进行检测和跟踪。

岩屑荧光图像的混合石油组分研究

石油是一种以烃类和非烃类化合物为主的复杂混合物,其主要的三种组分为:油质组分、胶质组分和沥青质组分.通过采集混合石油岩屑荧光图像中不受采集参数(相机曝光时间与光圈值)影响的归一化颜色特征分量rgb以及归一化色度分量h,利用最小二乘回归、支持向量回归、局部加权投影回归对这些特征和已知混合石油各个组分的含量进行训练,最后利用这些回归模型对未知组分的混合石油进行预测.经测试,局部加权投影回归的效果最好,对于油质组分,其预测结果的均方根误差为13.50%;对于胶质组分,其预测结果的均方根误差为13.34%;对于沥青质组分,其预测结果的均方根误差为7.03%.实验表明,预测结果较好,能够满足实际应用的需求.