舰船目标长波红外图像命中点识别研究

目标要害点即命中点的检测识别是精确制导武器末制导信息处理中的一个关键问题。利用舰船目标长波红外图像的轮廓、形殊点、热源和几何关系等多种信息,对检测识别目标的吃水线中点,舰桥和动力舱这些要害点的可行性和方法进行了研究。

用BP网络进行彩色图像分割和边缘检测

采用ＢＰ网络模型，研究了彩色图像分割和边缘检测的神经网络方法．选取训练样本图像，并分别以区域增长分割法和Ｓｏｂｅｌ边缘检测方法所得结果为导师信号，将图像的特征向量采用ＢＰ算法进行训练，然后对实测图像进行分割和边缘检测．与采用区域增长法所得分割结果和采用Ｓｏｂｅｌ边缘检测方法所得边缘检测结果进行比较。

自适应菱形块图像编码分析

文中根据视觉生理学和心理学特性 ,采用现有人类视觉系统模型及研究结果和一系列独立于自然图像统计特性及与人类视神经元相关的特性 ,把图像分成菱形块。并考虑图像的观察者———人眼的时 -空频率具有各向异性 ,根据韦伯定理设计一个滤波器 ,把图像块分成三个区域 ,运用改进的自适应矢量量化神经网络 (MSOFM )来训练各分类块并编制码书。计算机仿真结果表明 :重构图像的“块效应”明显得到改善。

基于小波分解和分形迭代的图像编码新方法

综合利用了位图压缩、小波分解、分形迭代与霍夫曼编码技术，提出了一种图像压缩的新方法．该方法采用位图平面分解进行第一步压缩，然后对位图压缩后的图像进行正交小波分解，利用相同尺度和不同尺度上的局部相似性构造迭代函数系统，最后对所有参数进行霍夫曼编码．

基于神经网络法的焦平面器件非均匀性校正技术研究

首先分析了传统的非均匀性校正方法的缺点,指出自适应校正红外焦平面器件非均匀性的必要性。根据焦平面器件的非均匀性噪声特性和算法研究的需要,介绍了非均匀性失真图像的产生方法。在上述工作的基础上,研究了基于神经网络的自适应非均匀性校正算法,探讨了最近4邻域像素平均、最近4邻域像素灰度加权和8邻域像素灰度加权等三种情况。实验结果表明。

基于对数极坐标映射的目标搜索方法

文中提出了一种基于对数极坐标映射的目标搜索方法，均匀取样的传感器所获得的像包含有许多相对特定目标搜索而言冗余的信息，对这些信息的处理往往要消耗许多时间。对数极坐标映射可以近似模拟人眼视网膜到条状表皮的映射，利用映射的比例和旋转不变性，可以对大视场目标进行搜索识别。对数极坐标映射将对空间均匀取样得到的图像变换成非均匀取样的图像，减少冗余像素，压缩搜索空间，从而降低运算量。

基于神经网络测试码生成的一个鲁棒算法

针对基于组合电路神经网络模型进行测试码生成，提出了一个对神经元连接权值不敏感的鲁棒算法——改进的遗传算法．它克服了运用概率松驰搜索算法求解测试矢量时，神经元之间连接权值的选择影响测试结果的缺陷，增强了测试码的鲁棒性．

基于捕获位置分布的导航参考图适配性分析及快速计算

导航参考图适配性分析是景像匹配导航的关键问题之一。文中提出了一种基于捕获位置分布的估计导航参考图适配性方法。该方法首先在参考图每一点挖出实测图大小的子图，然后计算子图的特征参数并应用匹配准则估计子图的匹配概率，最后利用捕获位置分布函数对子图匹配概率加权求和以得到参考图的匹配概率。为了消除特征参数计算中存在的大量冗余计算，还研究了特征参数的快速计算方法。

GPS与惯性导航系统融合的精确连续定位算法

为了克服独立的惯性导航系统无限制的位置误差和 Ｇ Ｐ Ｓ的１ Ｈｚ 慢速数据修正速率的缺陷，本文提出了对两种具有不同输出数据速率运动传感器 Ｇ Ｐ Ｓ与 Ｉ Ｎ Ｓ融合算法，研究了五点二次和两点线性预测的高精度连续融合定位算法，真实 Ｇ Ｐ Ｓ数据和模拟 Ｉ Ｎ Ｓ数据融合的实验证明了该方法的正确性，为在中、高动态环境下的高精度实时连续定位提供了一种新的途径。

利用SUSAN算子的特征复合相关跟踪算法

文中提出了一种新的相关跟踪算法 ,该算法利用SUSAN算子提取特征、选取灰度子模板进行相关匹配 ,再由特征匹配作精确定位和置信度分析 ,并利用特征信息对相关运算进行加权以降低小尺寸子模板对相关匹配定位精确度的影响。实验结果证明了该算法的有效性。

TTC估计系统误差分析及修正

在运动图像序列中利用目标稳定的特征点进行跟踪,从而计算目标尺度变化率以进一步进行TTC(Time-To-Contact)估计,是目前应用较多的被动测距方法。但由于图像的离散化采样,在图像中进行尺度测量不可避免地带来了很大的误差。本文在对TTC估计系统进行了一系列误差分析后,根据TTC系统的特点对TTC估计结果进行一元线性回归修正,以提高估计精度和抗干扰能力。实验结果证明了该方法的有效性。