基于重加权低秩近似和高斯混合模型的图像块效应去除算法

针对离散余弦变换(Block-based Discrete Cosine Transform, BDCT)在图像解码器处产生的块重构伪影现象,提出了一种联合两种先验知识的图像去块效应算法,这两种先验知识分别是重加权低秩近似和高斯混合模型。该算法首先利用重加权低秩近似来增强图像块之间的局部结构和非局部的自相似性,有效地保留原始图像中更多的精细结构。其次,还利用高斯混合模型对块状伪影进行建模获得更可靠、更鲁棒的结果。通过在标准测试图像上的实验表明,提出的算法在主观视觉效果和客观评估方面均优于其他的块效应去除方法。     

基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于收缩场学习的Retinex低照度图像增强

为增强低照度图像和抑制噪声，提出了一种通过学习收缩场（SF）改进Retinex分解的图像增强方法。首先，构造新的目标函数，在正则项中引入2组不同的高阶滤波器分别约束未知的反射图和照明图。高阶滤波器可以学习到多种激活模式，有利于在恢复反射图的同时抑制噪声污染。然后，在优化目标函数时通过求解收缩场更新隐变量，参数化的压缩函数可以自适应地调整相应滤波器在反射图和照明图上的响应。最后，在每个级联内更新照明图之前，嵌入一个辅助的收缩场，以抑制噪声和不良伪影的传播，从而更精确地估计照明图。实验结果表明，所提方法取得的峰值信噪比（PSNR）和结构相似性（SSIM）均高于当前最新的低照度图像增强方法。      

高速机动目标多普勒解模糊高分辨成像方法

针对目标高速机动导致ISAR成像结果产生距离徙动（MTRC）和多普勒模糊的问题，提出一种新的高速机动目标ISAR成像方法，用于解算距离徙动下的多普勒模糊难题。首先，将原始信号变换至图像域，提取最强散射点，估计该点对应的信号调频率，并基于图像最大对比度准则估计多普勒模糊数。然后，重构回波信号的同时矫正距离徙动，并利用CLEAN技术降低运算量和减小噪声对成像结果的影响，获得高速机动目标无模糊的高分辨ISAR图像。仿真实验结果证明了所提方法的有效性和低信噪比下的强鲁棒性。      

TDI-CCD遥感图像条带噪声的消除

针对TDI-CCD遥感图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特 点及小波变换对奇异点检测的优越性, 提出了一种快速傅里叶变换和小波变换 相结合的方法来确定条带噪声频率点所在的位置, 采用改进的陷波滤波器对条 带噪声的频率成分进行消除. 另外, 提出一种基于提升小波变换的改进阈值 函数法, 用以消除图像的条带噪声. 实验结果表明, 在消除条带噪声方面, 改 进的陷波法优于改进的阈值函数法, 而改进的阈值函数法优于硬阈值函数和软 阈值函数法. 利用改进的陷波法消除条带噪声后, 图像的质量得到提高, 其PSNR达到46.4181dB, NMSE减小到0.00007, 相对基于提升小波变换的 几种阈值函数法, PSNR提高了3～4dB, 而NMSE则减小了 0.00007～0.00011. 本文提出的方法能较好地消除遥感图像的条带噪声, 同时能够较好地保持原图像的特征, 具有可行性.      

混合泊松-高斯分布模型的参数估计

针对实际CCD图像处理问题中噪声概率模型的参数估计问题,从CCD图像的噪声背景出发,研究其噪声的混合泊松高斯分布,给出了两种参数估计方法,以及非零均值高斯噪声情况下的参数估计方法,计算结果表明文中方法给出的参数估计精度高。     

基于GCF-SB视觉注意模型的红外目标检测算法

针对复杂背景、低对比度条件下的红外目标检测,提出了一种基于灰度对比度特征 相似性贝叶斯(GCF SB)模型的红外显著性目标检测算法.建立了一种灰度对比度特征(GCF)模型,该模型利用两个通道分别提取红外图像的灰度特征和对比度特征,然后通过特征融合获得初级显著图;建立了一种基于相似性的贝叶斯(SB)模型,该模型根据初级特征图分别计算目标和背景的先验概率和似然函数,然后利用贝叶斯公式获得最终显著图,进而实现红外图像的显著性目标检测.实验结果表明,所提出算法能够有效抑制复杂背景、低对比度红外图像的噪声,增强对比度,具有较高的检测精度和鲁棒性.     

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建（Simultaneous Localization And Mapping,SLAM）系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(Generative Adversarial Network,GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;之后将达到模糊分数阈值的图像同步输入至改进GAN网络模型,该网络以端对端的形式恢复中心模糊帧的纹理信息,最后将输出的清晰图像重新进行位姿估计参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,方案可以明显降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

融合低秩和稀疏先验的结构性缺失图像修复

针对基于低秩先验的图像矩阵补全算法无法有效处理结构性缺失图像修复的问题，建立了在观测矩阵上使用双重先验的矩阵补全模型，在低秩先验的基础上引入稀疏先验，以便更好地利用观测矩阵的先验特征。该模型根据行列间的相关性，使用低秩先验对矩阵正则化；根据行列内的相关性，使用稀疏先验对矩阵正则化；为了更加精确地逼近秩函数，使用截断Schatten-p范数替代核范数作为低秩先验，从而提出了融合低秩和稀疏先验的矩阵补全模型，并使用交替方向乘子法有效处理所提模型。实验结果表明:算法修复的图像细节清晰，与截断核范数模型算法相比，峰值信噪比和结构相似度提升范围分别为2%~44%和0.7%~8%。      

基于双谱重构的图像降噪

提出了一种基于双谱重构的图像去噪方法.该方法的基本理论依据是:高阶统计量对高斯噪声的不敏感性.它首先计算图像的高阶谱,而得到的高阶谱中理论上将不再包含高斯噪声,然后再通过高阶谱重构图像的幅值和相位信息,最后还原至空间域而得到去噪后的图像.它是高阶谱域的变换与重构方法.仿真结果和分析表明,该双谱重构法较好地解决了去除噪声与保留细节之间的矛盾,无论从直观视觉和从定量分析结果,该双谱重构法都优于中值滤波法和高阶累积量方法.     

基于智能优化算法和有限元法的多线圈均匀磁场优化设计

针对多线圈均匀磁场优化设计中的高阶求导及优化结果可信度评估问题,提出一种基于智能优化算法和有限元法相结合的多线圈均匀磁场优化设计方法。首先,确定待优化参数,并以磁场偏差率作为目标函数;然后,采用智能优化算法对目标函数进行寻优;最后,基于优化得到的结构参数,建立相应的有限元仿真模型,检验优化结果的可信度。以2组亥姆霍兹线圈的结构参数优化为例,仿真结果表明,本文方法求得的最优参数优于传统的求导方法寻优得到的参数,且经过有限元法检验后,该优化结果的可信度得到了确认。      

多视场星敏感器结构参数标定方法

提出一种基于星间角距不变原理的多视场(FOV)星敏感器结构参数标定方法.这种方法以欧拉角表征多视场星敏感器各个子视场之间的旋转关系,利用识别得到的各个视场星点的坐标信息和赤经赤纬信息,计算出多对星光矢量来建立标定模型和目标函数,然后使用L-M算法优化目标函数并解算出各个子视场之间的结构参数.此方法不需要外部姿态测量仪器辅助,可用于在轨和地面标定.在全天球随机抽取多个姿态生成多视场的仿真星图用于标定,并采用星内角统计偏差作为结构参数标定精度的评价指标.这种方法能够准确求解多视场星敏感器的结构参数.星内角统计偏差的平均值在星点位置噪声标准差为0.1像素的仿真试验中为1.3",在外场观星的实际试验中为6.4".      

一种基于卷积神经网络的地磁基准图构建方法

地磁匹配导航技术是一种重要的辅助导航制导方法，地磁基准图的构建精度对地磁匹配制导的精准度起着决定性作用。针对现有地磁基准图构建精度难以满足实际地磁匹配导航需求的问题，提出了一种基于卷积神经网络的地磁基准图构建方法。首先，利用卷积层提取低分辨率基准图中的特征图像块；然后，利用基于学习的阈值收缩算法（LISTA）实现图像块的稀疏表示；最后，利用三通道的地磁信息得到重建后的高分辨率基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，同时对噪声有更好的鲁棒性，各种客观评价指标均高于现有的超分辨率重建方法。      

基于改进大气散射模型的单幅图像去雾方法

雾天情况下获得的图像通常会出现对比度低、色彩丢失及噪声等问题，传统的去雾方法主要着眼于解决对比度低、色彩损失等问题，而没有考虑空气中灰尘颗粒散射隐藏的噪声光，导致去雾结果中易出现大量的噪声。针对该问题，提出了一种基于改进大气散射模型的单幅图像去雾方法。结合雾霾天气的特点，通过增加空气中介质散射的噪声光对传统雾天成像的大气散射模型进行改进；针对暗通道先验计算透射率不准确的问题，根据改进的模型构建一种透射率精细化的求取方法；结合全变分模型保边抑噪的思想，构造一种新的目标函数，迭代求解获得去雾图像。实验结果和对比分析表明:所提方法能有效去除图像中的雾，减少去雾结果中的噪声，同时也能保留图像中丰富的纹理信息。      

OFDM系统的自适应低秩信道估计

为了降低正交频分复用OFDM(Orthogonal Frequency division Multiplexing)系统中最小均方误差MMSE(Minimum Mean Square Error)信道估计算法的复杂度,并且改善由于信道的统计特性与先验知识不匹配而导致的MMSE估计性能恶化,提出了一种自适应的低秩信道估计算法.该算法利用信道的时间平均相关取代统计相关,结合了基于特征值分解的低秩建模,从而近似地实现MMSE估计.借助于子空间跟踪,该算法可以自适应地估计信道相关矩阵的主特征空间及噪声方差,以迭代的方式逼近最优的MMSE估计,而且复杂度较低.进一步分析指出基于信道延时子空间跟踪的估计算法是该算法的一种特例,理论分析和仿真结果均表明这种新算法在低信噪比时可以显著改善信道估计的准确性.      

非线性量测下自适应噪声协方差PHD滤波

概率假设密度(PHD)滤波算法已被证明是实时多目标跟踪的有效方法,但现有这些基于PHD滤波的方法假设量测噪声协方差先验已知,而实际中量测噪声协方差可能是未知或随着环境改变而变化。针对这一问题,提出了一种适用于非线性量测模型的自适应噪声协方差多目标跟踪算法。该算法以PHD滤波为基础,采用容积卡尔曼(CK)技术近似非线性量测模型,利用逆威沙特(IW)分布描述量测噪声协方差分布,通过变分贝叶斯(VB)近似技术迭代估计量测噪声协方差和多目标状态联合后验密度。仿真结果表明,本文所提算法可有效估计量测噪声协方差,同时实现准确的目标数和目标状态估计。