基于先验驱动深度神经网络的泊松去噪变分模型

泊松去噪是一个典型的病态逆问题,其变分模型需要反复迭代和调节参数且计算效率低下,而纯深度学习模型往往依据经验设计网络且可解释性差。针对以上问题,在泊松噪声去噪变分模型的交替方向乘子法展开的基础上,设计端到端深度卷积神经网络,结合泊松噪声分布统计量与Bayesian最大后验概率估计推导出改进的泊松去噪变分模型。为了求解泊松去噪能量函数极值问题,采用交替方向乘子法,引入辅助变量、拉格朗日乘子和惩罚参数,将该问题分解为高斯去噪和图像重建两类交替优化子问题,先采用先验驱动的深度卷积神经网络实现高斯去噪,再通过解析迭代求解完成图像重建。实验结果表明,与基于非线性主成分分析、VST+BM3D、I+VST+BM3D和TRDPD的泊松去噪模型相比,改进模型在Set12数据集上的峰值信噪比均值分别提高2.73、0.87、0.57和0.50 dB,结构相似性均值分别提高0.148、0.046、0.020和0.047,在彩色图像及正电子发射断层扫描与计算机断层扫描图像上也明显提升了泊松去噪效果。上述实验结果证明了改进模型不仅有效去除了泊松噪声,而且避免了泊松去噪过程中产生的伪影和散斑等问题。

基于多尺度特征提取与融合的单幅图像去雾算法

为解决随着CNN网络层数加深而导致的学习成本过高或过拟合问题,提出了一种基于多尺度特征提取与融合的单幅图像去雾算法。该算法结合U-Net思想,对输入图像进行物理分割和下采样得到多个尺度的特征图,采用残差连接的方式进行多维度融合,可以更好的适配大尺度数据集。同时,在网络中加入了深度监督模块,引入额外的监督信号有助于梯度传播,加快收敛速度,保证了训练的稳定性,这种多任务的学习形式提高了网络对不同输入的适应性,可以增强去雾效果。此外,使用自带多维度天气系统渲染的3D游戏引擎,自建了一份大尺度全高清数据集,模型训练的鲁棒性和泛化能力得到显著提升。实验结果表明,所提算法在训练速度和模型大小控制上具有一定优势,在主观评价上,远景去雾效果明显,峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)和结构相似性(Structure Similarity, SSIM)两个客观评价指标分别为26.75 dB和0.907,相较于对比算法中性能第二的模型分别提高了3.5和5.9个百分点,加入自建数据集进行组合训练后进一步提升了模型的去雾性能。

小位移光流计算的中值公式

光流场反映了图像上每一点灰度的变化趋势,其计算的可靠性和效率已成为运动跟踪领域研究的热点问题。变分方法是用来实现光流计算的主流方法之一,但其计算效率较低。利用对偶方法虽然克服了变分方法中引入小规则参数的问题,计算速度有所提高,但并未有实质性改进。引入了中值公式计算光流,避免了复杂的迭代计算过程,提高了计算效率。首先简单介绍了光流计算模型中数据项和光滑项的不同模型假设,然后利用中值公式计算小位移光流场。通过实验对对偶方法和中值公式的实验时间进行比较,验证了中值公式的有效性和效率。

基于区域特征映射的模糊掌纹识别方法

针对掌纹在非接触采集时易出现模糊现象从而导致系统识别性能降低的问题,建立了区域到点的特征映射模型,提出了一种基于区域特征映射(Region feature map,RFM)的模糊掌纹识别方法.首先根据图像的模糊原理,建立等价的模糊模型,获取模糊掌纹;然后使用RFM对模糊掌纹进行操作,将高维的区域特征映射到低维的点特征;最后,采用归一化相关性分类器对掌纹所属类别进行判定识别.使用模糊模型对Poly U掌纹库进行处理得到Poly U模糊掌纹库,并分别在Poly U掌纹库和Poly U模糊掌纹库上进行测试,识别结果较为稳定.在模糊掌纹库上,本文算法的等错误率(Equal error rate,EER)最小可达0.9069%,优于传统算法,且进行一次识别的时间为33.95 ms,得到的特征数据维数较小,降低了算法复杂度,表明了本文算法的有效性和实时性.

图像边缘检测方法研究

边缘检测是图像处理和模式识别领域的基本课题。阐述了传统的边缘检测方法——微分算子法和现代的一些边缘检测方法——小波分析、形态学、分形、模糊学、人工智能、遗传算法等,分析了以上各种算法在图像边缘检测中的发展状况及其优缺点。为了直观地看出各种算法的效果,给出了用一些常用算法对同一幅目标图像进行边缘提取的结果。最后提出在实践中应根据待解决问题的特点和要求决定采用何种方法。

基于图像的目标自动跟踪系统

快速准确地跟踪目标是现代战争精确制导武器的基本要求,提高跟踪系统的实时性和准确性成为国内外目标跟踪技术的热点。建立了一套基于图像的目标自动跟踪系统,介绍了系统组成、设计原理以及算法原理。系统采用了一种非参数化跟踪算法——连续自适应平均值迁移(CAMSHIFT)算法来追踪目标,为精确制导武器的基于图像的目标自动跟踪技术奠定了重要的基础。试验证明该系统实现了目标自动跟踪功能,算法简洁,实时性和鲁棒性好。

隐式开曲面上多相图像分割的变分模型及算法

提出了一种隐式开曲面上多相图像分割的变分模型并设计了相应的对偶方法和Split Bregman算法。任意拓扑结构的开曲面用符号距离函数的零水平集与二值标记函数的交集表达,曲面上的多区域划分用n-1个二值标记函数划分n个区域的方案,借助内蕴梯度、内蕴散度等概念建立了隐式开曲面上多相图像分割的变分模型。在对标记函数交替优化的过程中,通过凸松弛技术将离散标记函数松弛为有界连续函数,从而将原优化问题转化为对不同标记函数的凸优化问题。通过引进对偶变量设计了对标记函数优化的对偶方法,并通过引进辅助变量和Bregman迭代参数设计了对标记函数优化的Split Bregman算法。通过多个数值实验对所提出的模型和算法的正确性及计算效率进行了验证。

彩色纹理图像分解的VO模型及其Split Bregman方法

彩色纹理图像分解的处理模型和方法是近年来纹理图像处理研究的热点。为实现彩色纹理图像的分解,在介绍TV(total variation)模型及其Split Bregman方法的基础上,通过辅助变量和Bregman迭代参数,将Split Bregman方法引入到VO(Vese-Osher)模型中,提高了计算速度。通过数值实验比较了VO模型与TV模型在彩色纹理图像分解中的效果,验证了基于Split Bregman方法的VO模型的有效性和效率。

不变矩方法研究

不变矩方法是一种比较经典的特征提取方法。自1962年Hu提出代数不变矩以来,已被成功应用于很多领域。首先介绍了不变矩的基本理论以及Hu提出的七个不变矩,并对不变矩的物理含义进行了分析。利用Matlab编程后,对给定目标图像旋转、缩放后图像的不变矩进行了计算,给出了计算结果,并与原图像的不变矩进行了比较,分析了不变矩方法的特点。最后介绍了一种适用范围更广的极半径不变矩,与Hu不变矩进行了比较。

基于OpenGL的火炮膛内压力变化的动画仿真

以火炮膛内压力变化为例,分析了内弹道过程中火炮膛内压力的变化过程,介绍了压力数据的获取方法,介绍了利用OpenGL实现火炮膛内压力变化动画仿真的过程,给出了部分仿真结果并作了分析。通过动画,可直观地观察出火炮膛内压力分布的变化过程。

精确制导技术研究

精确制导技术在整个现代军事技术的发展中占据着十分重要的地位,是世界各国竞相发展的对象,但是迄今为止在国际上尚无统一的定义,也无统一的分类标准。首先给出了精确制导技术的基本概念,然后详细地介绍了精确制导技术的分类,并分析了它们各自的优缺点,最后对精确制导技术的发展趋势作了说明。

毫米波雷达导引头技术研究

毫米波雷达导引头是毫米波精确制导技术的重要组成部分.首先介绍了对导引头的基本要求,然后详细介绍了毫米波雷达导引头的工作原理、关键技术、工作模式、主要特点以及典型应用,最后分析了毫米波导引头的发展方向.

毫米波精确制导技术

毫米波精确制导技术是精确制导技术发展的重要方向之一。介绍了毫米波精确制导技术的基本原理、与其他制导技术相比存在的优缺点以及毫米波雷达导引头的关键技术和典型应用,并分析了毫米波精确制导技术研究的最新进展,最后总结了毫米波精确制导技术的发展趋势。

基于支持向量机的AdaBoost人脸检测方法

人脸的检测与识别技术因其巨大的应用价值及市场潜力,引起各方面的关注,已经成为计算机视觉领域的研究热点。介绍了一种基于支持向量机(SVM)的AdaBoost人脸检测方法。与原有的AdaBoost算法相比,AdaBoostSVM算法通过设置核参数σ的最小值,并自适应地调整σ值来解决AdaBoost算法分类器训练中的过学习问题。该方法降低了复杂性,增强了推广性。实验结果证明,对于人脸模型具有较好的检测效果,并且比单纯运用AdaBoost算法具有更高的正确检测率。

三维图像多相分割的变分水平集方法

变分水平集方法是图像分割等领域出现的新的建模方法,借助多个水平集函数可有效地实现图像多相分割.但在区域/相的通用表达、不同区域内图像模型的表达、通用的能量泛函的设计、高维图像分割中的拓展研究等方面仍是图像处理的变分方法、水平集方法、偏微分方程方法等研究的热点问题.文中以三维图像为研究对象,系统地建立了一种新的三维图像多相分割的变分水平集方法.该方法用n-1个水平集函数划分n个区域,并基于Heaviside函数设计出区域划分的通用的特征函数;其能量泛函包括通用的区域模型、边缘检测模型和水平集函数为符号距离函数的约束项3部分;最后,针对所得到的曲面演化方程,采用半隐式差分格式进行离散,并对多种类型三维图像进行分割验证了所提出模型的通用性和有效性.

隐式曲面两相图像分割的变分水平集模型及对偶方法

本文对曲面上分段常值和分段光滑的两相图像分割的变分水平集模型及其对偶方法进行了研究.图像所在的曲面用静态的符号距离函数的零水平集表达,曲面上图像分割轮廓线用另一动态符号距离函数的零水平集与上述静态的零水平集的交线表达,借助内蕴梯度、内蕴散度的概念平面两相图像分割的变分水平集模型已被推广到隐式曲面上图像分割的变分模型.本文借助二值标记函数和凸松弛的概念,将该模型转化为全局凸优化的极值问题,避免了轮廓线初始化对分割结果的影响.针对隐式曲面上两相图像分割的凸优化模型,设计了相应的对偶方法.最后通过数值实验验证了本文所提方法的计算效率优于传统方法.

VO图像分解模型的模糊掌纹识别方法

针对掌纹图像在进行非接触式采集时易产生离焦模糊图像,从而导致系统识别性能降低的问题,提出了基于VO图像分解模型的模糊掌纹识别方法.首先建立高斯离焦退化模型模拟图像的模糊过程,通过对模糊原理的研究与分析得出在图像模糊过程中存在稳定的特征,这种特征从图像层次结构划分可表现为图像的结构层;然后使用VO图像分解模型得到模糊掌纹的结构层图像;为了提高特征的可区分性,采用分块的梯度方向直方图提取结构层中的稳定特征;最后采用归一化相关性分类器度量特征间的相似度.在清晰PolyU掌纹库和模糊PolyU掌纹库上进行测试的实验结果表明,该方法在不同掌纹库上获得较优的识别精度,且识别结果较为稳定;在模糊PolyU掌纹库中的等错误率最小可达0.309 1%,优于传统高性能掌纹识别方法;且进行一次身份辨识的时间小于1.3s,满足实时性要求,表明了该方法的有效性和优越性.

基于梯度和拉普拉斯算子的图像扩散变分模型

采用图像扩散的变分方法可以有效地设计边缘保持或增强的图像恢复模型。传统的模型往往基于图像强度的梯度,所得到的结果在本该光滑的区域具有明显的阶梯效应。为此,提出了基于梯度和拉普拉斯算子的图像扩散变分模型,以期实现在对图像进行噪声去除的同时,保持或增强图像的边缘,并消除单纯基于梯度模型导致图像光滑区域的阶梯效应。对变分模型中光滑项的设计,首先针对一维模型的分析得出基于梯度和拉普拉斯算子模型向前、后扩散的条件,然后将其推广到二维图像扩散,并在设计的有限差分方法基础上,对所提模型的有效性进行了实验验证,效果良好。

多相图像分割的Split-Bregman方法及对偶方法

变分水平集方法为多相图像分割提供了统一框架,但其能量泛函的局部极值问题和较低的计算效率制约着该类方法的应用,文中针对此问题提出一种改进模型和方法.首先将两相图像分割的全局凸优化模型推广到多相图像分割,建立了多相图像分割的交替凸优化变分模型,以改善传统模型的局部极值问题;然后提出了相应的快速Split-Bregman方法和对偶方法来提高计算效率,其中Split-Bregman方法通过引入辅助变量将凸松弛后的变分问题转化为简单的Poisson方程和精确的软阈值公式,对偶方法则通过引入对偶变量将该问题转化为对偶变量的半隐式迭代计算和主变量的精确计算公式.文中的改进模型适用于任意多相图像分割,且对二维和三维图像分割具有相同形式,可用于三维图像的多对象自动形状恢复.最后通过多个数值算例验证了文中方法的计算效率优于传统的方法.

基于整体变分模型的矢量图像修复

基于灰度图像修复的整体变分法,提出解决矢量图像修复处理的4步法:对待修补图像进行标注,根据标注的像素灰度值求掩模图像,对掩模图像进行膨胀,根据膨胀信息进行修复。对3幅彩色图像进行实验,取得了很好的修复效果,对含有噪声的图像,也能很好地去噪并保持图像的清晰边界。