高斯拉普拉斯算子在联合相关变换器中的应用

提出将高斯拉普拉斯算子应用在光电联合相关变换器中进行谱面图像的增强处理。光电混合联合变换器可实现对目标的实时探测、识别及自动定位,但由于实际中采集到的图像的对比度较低,且存在大量背景噪音,影响了目标的识别率。根据高斯拉普拉斯变换对高斯噪声不敏感的特性,结合了自适应阈值、边界跟踪和细化技术,对图像噪声进行滤波的同时,对图像进行了增强处理,这样最大限度地保留了光谱图像的细节信息,提高了光电联合相关系统的目标识别率。

应用光电联合相关变换器实现目标识别

本文通过光电混合联合变换相关的方法,应用国内外最新的写入读出器件——电寻址液晶和电荷耦合器件、光学信息处理系统、计算机处理系统,利用光学相关探测方法,对目标实现实时探测,可自动识别及高精度的对目标进行定位。由于光学相关是所有采样点并行处理,这样就可以提高处理速度,并能用各种数字处理技术提高系统的信噪比,并输出相关信号,可以精确的探测和实时识别目标在空间的方位。

基于Matlab仿真的联合变换相关器实验

利用Matlab软件平台对JTC进行了图像识别仿真实验,得到了二维及三维相关输出图像,显示出尖锐的相关峰.仿真实验表明:联合变换进行图像识别中存在强烈的零级干扰,干扰信号是有用信号的7.14倍,输出结果不理想;采用功率谱相减法可以消除零级强干扰,进而提高了图像的识别能力.