简介：针对风场对临近空间伪卫星导航精度影响的问题，提出伪卫星抗风场干扰自主导航算法，以提高伪卫星的导航精度。首先，将风场模型加入伪卫星SINS/CNS/SAR组合导航的量测模型中，建立风场干扰下的SINS/CNS/SAR组合导航系统模型；然后，设计自适应UPF非线性滤波算法，将该算法用于SINS/CNS/SAR组合导航解算中，分别在考虑风场干扰和不考虑风场干扰的情况下，利用UKF、UPF和自适应UPF算法对临近空间伪卫星组合导航系统误差进行估计。仿真结果表明，在考虑风场干扰的条件下，提出的自适应UPF算法在东向、北向和天向的速度误差均控制在±0.21m/s以内，误差大小分别是现有的UKF和UPF的1/5和1/3。该算法能有效抑制风场对导航解算精度的影响，提高伪卫星的定位精度。

简介：介绍了层析成像技术的图像重建算法，并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明：用本质是线性算法的各种变换方法重建图像存在严重失真，而卷积滤波的引入可以使变换方法的重建效果有所改善；基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解；基于Fourier变换的方法具有本质的局限性；小波变换则可以同时刻画图像时域和频域的细节特征；有限元法通过重建对象像素的智能划分可以简化正问题的复杂性；而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建；智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。

简介：为了保证从PLIF(planarlaserinducedfluorescence)测量的荧光图像中提取温度和浓度信息的真实性和可靠性,开展了荧光图像降噪方法及评价研究.分析荧光图像中包含的各种噪声来源,比较了荧光信号与噪声特征的差异性;分析了几种常用滤波方法的特点,比较了不同滤波方法对荧光图像中含有米散射噪声的去除效果;分析了图像降噪处理效果的评价方法,选用了差值图像比较的方法,通过检查荧光图像与处理图像的差值图像中含有荧光图像结构信息的程度,检验降噪方法对荧光图像信息的损伤情况.结果表明,形态学图像重构对荧光图像中米散射噪声去除较好,而且对图像中原有荧光信息的数值和分布有较好的保护.

简介：用矩阵表示图像，构造正交均值差分变换矩阵，对原始图像进行正交变换，进一步取阈值，仅存储绝对值大于阈值的系数，获得数据压缩．解压缩过程只需作逆均值差分变换．最后将该算法分别应用于灰度和彩色图像的压缩处理，结果验证了算法的有效性．由于算法中所有变换都通过矩阵运算处理，且意义直观明了，故该算法是大学线性代数教学中一个非常好的应用案例．

简介：针对MSATR图像分割问题,给出了一种基于高阶灰度矩的处理算法.首先深入分析了MSTAR图像的统计分布特性,并对目标、阴影,以及背景区域分别建立了相应的描述模型,在此基础上,构造了高阶灰度矩特征.通过将原始图像变换到高阶灰度矩形式,显著增强了目标区域与阴影、背景区域的差异性,进而依据不同的阈值化策略,实现了MSTAR图像中目标、阴影和背景区域的分割.对MSTAR图像的实验结果表明,与恒虚警率(CFAR)、最大类间方差(OTSU)、模糊C均值(FCM)和马尔可夫随机场(MRF)等常用分割算法相比,本文算法不需进行噪声抑制处理,且在分割效果和鲁棒性等方面性能更好.同时,对多尺度、多目标MSTAR图像的分割也显示出良好的适应性.

简介：针对SAR图像的目标自动分割问题,在分析非下采样轮廓波变换(nonsubsampledcontourlettransform,NSCT)和脉冲耦合神经网络(pulsecoupledneuralnetworks,PCNN)的基础上,提出了一种基于非下采样轮廓波域特征图和PCNN的SAR图像目标分割算法.对SAR图像经过NSCT分解后的高、低频图像分别运用不同方式进行处理.利用PCNN对低频图和高频子带特征图分别进行分割,获取了目标所在的区域及目标的精细结构.利用MSTAR数据进行了仿真实验,并与基于模糊C均值的分割算法、基于马尔可夫随机场的分割算法进行了对比.实验结果表明,所提出算法对SAR图像目标的分割结果更为准确,同时较其他算法具有更强的抗噪性能.

简介：针对单一图像源下目标跟踪精度不高的问题，利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型，选取红外图像的“灰度梯度背投影”作为改进的目标模型；然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的口‘系数判定两种图像跟踪的效果，对两种图像的权重进行自适应调整，得到这两种图像的特征级融合图像和跟踪结果。实验结果表明，对于320像素×240像素的可见光和红外图像，基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标，目标跟踪精度为0．5像素，跟踪速度为30～32ms／帧。

简介：合成孔径雷达SAR图像的相干成像特性,不可避免的形成特有的相干斑点噪声,严重影响图像的地物信息提取和分类,需要进行去噪预处理。针对SAR图像斑点噪声的特点,针对SAR图像斑点噪声的特点,对图像进行小波变换分解,提出模糊聚类和软阈值收缩去噪的方法,利用模糊C均值聚类将小波系数分成包含信号能量和只包含斑点噪声能量两大类,对前一类小波系数进行软阈值降噪处理,而对后一类小波系数直接置零。实验结果的目视效果和评价指标均表明,小波模糊聚类和软阈值收缩有效地去除了SAR图像斑点噪声,图像视觉效果清晰,较好地保持地物目

简介：为解决规则目标物体特征参数的测量问题，提出了一种基于链码的目标物体图像特征参数测量方法。目标物体图像经过灰度变换、平滑去噪等一系列处理后，图像中往往还会存在一些伪边缘信息，针对图像中的这些伪边缘，对图像进行链码跟踪，利用各链码组曲率统计分析的方法剔除目标物体图像中的伪边缘，同时利用像素直线连接的方法将图像中分段的链码组组合连接；然后利用傅里叶变换高频滤波的方法平滑图像边界的曲折部分进一步对图像进行去噪；最后计算目标区域的面积和周长。经实验分析，该方法测量结果精度高，可以实现对规则目标物体特征参数的有效测量。