一种低能见度下红外机场区域识别新方法

针对低能见度下红外图像背景复杂、目标对比度低的特点,提出了一种新的基于感兴趣区提取和区域生长的红外机场区域识别方法。首先,采用自适应Wiener滤波对图像进行预处理,以削弱图像的背景杂波并增强机场区域的信噪比;然后,利用机场区域和背景的灰度分布特性的差异,在图像预处理的基础上采用自适应双阈值分割和自适应局部极差阈值分割相融合的方法实现机场区域的初步分割;其次,利用机场区域的形状约束和长宽比特征,采用形态学处理和连通域标记实现感兴趣区域的提取;最后利用有限约束的区域生长实现机场区域的识别。该方法结合了感兴趣区域提取和区域生长的优势,能够以较少的计算代价实现机场区域较完整的识别。实验表明,该方法能够有效检测识别机场区域。      

可见光图像背景起伏的平稳性和相关性分析

提出了单位根假设检验可见光图像背景起伏平稳性的方法,理论上证明了时空域变化的广义平稳性。该方法采用ADF假设检验,从时域和空域分析背景灰度的变化,利用线性回归的方法进行协整性检验,从而得出结论。在平稳的基础上,使用相关长度刻划背景起伏的时空域相关性,得到两个结论。(1)一维指数模型的时间相关长度分析表明背景起伏具有强时相关性。并且这种强相关性集中体现在像素点灰度均值和相邻的有限帧(1～2帧)。因此提出低阶AR模型(1～2阶)对这种特性进行描述,得到的模型参数可用于图像背景估计。(2)空间相关长度分析证实了背景起伏具有强的空域相关性。并且图像可以分割成若干个不相关的区域。总的来说,背景起伏具有时空域的双重平稳性和强相关性。     

基于序贯岭回归背景抑制的目标检测算法

复杂背景下的弱小目标检测是空间监视和远程预警中的关键技术之一.针对这一难点问题,提出了一种新的基于自适应序贯岭回归背景抑制算法的目标检测算法.首先,利用岭回归估计原理,建立了自适应序贯岭回归估计算法.然后,利用图像背景空间域的相关性建立了基于序贯岭回归的图像背景抑制算法,并采用双向扫描更新方式加快算法收敛速度.该抑制算法能根据像素邻域灰度自适应调整加权参数.最后,在该抑制算法基础上,结合阈值化技术形成了一种新的弱小目标检测方法.实验证明,该算法能增强目标信噪比和对比度,有效检测到信噪比大于2的弱小目标.     

基于Laplacian的局部特征描述算法

为了更好地兼顾特征描述子的鲁棒性和生成复杂度,提出了一种基于Laplacian的局部特征描述算法.分析说明了Laplacian不仅对图像的欧氏变换、缩放及亮度线性变化具有较好的性质,而且能够反映图像的局部结构特征.据此利用高斯型拉普拉斯变换响应建立了一种64维特征描述子,并将该特征描述子应用于特征点匹配.匹配实验结果表...     

面向边缘智能计算的异构并行计算平台综述

边缘智能计算对硬件资源的需求复杂多元,传统计算平台难以为继,异构并行计算平台成为边缘智能算法落地的关键途径之一。以深度学习算法和边缘计算为牵引,对异构并行计算平台展开研究。一方面,阐述了传统计算平台适配实现边缘智能计算的优缺点,指出边缘端应用场景中传统计算平台算力与功耗矛盾突出等局限性,并以指令模型、通讯机制和存储体系三个关键技术为线索梳理技术发展脉络。另一方面,从运算速度、功耗等角度重点对比分析了近年来典型异构平台较新的代表性产品,然后针对不同应用场景和约束条件给出了异构平台的选择建议：优先选择CPU+X组合的异构平台。功耗要求严格约束下的应用建议优先选择CPU+FPGA组合;功能迭代更新快的场景建议优先选择CPU+GPU组合;算法成熟且对实时性和功耗均具有高要求的应用优先选择ASIC计算平台。提出了异构并行计算平台在指令模型统一、通讯机制轻量化、存储体系灵活性以及开发生态完备化四个方面的问题与挑战,期望能为该领域研究人员带来一定的启发。     

BICGSTAB算法在波前重构和控制中的应用

自适应光学波前重构和控制对精度和实时性的要求很高。BICGSTAB算法可用于非正定对称的线性系统方程的求解,并且速度快、精度高,稳定性好。基于Fried网格,提出将BICGSTAB算法引入自适应光学波前重构和控制系统方程的求解,并与SVD以及几种常见的迭代算法(Jacobi,Seidel,SOR以及SSOR)作比较。仿真结果表明,对于121阶系统,BICGSTAB法达到0.01%精度仅仅需要不到70次的迭代;SVD法达到0.01%需要近300次;四种常见迭代方法即使104次也没有收敛。这说明BICGSTAB具有更高的速度和精度,能够更好地满足自适应光学系统实时性和精度的需要。     

天文CCD相机的噪声分析与信噪比模型的研究

全面分析了天文CCD相机系统中的几类主要噪声:光子噪声、读出噪声和暗电流噪声等,提出了在低照度条件下的信噪比(SNR)模型,并进一步提出了在不同曝光时间长度下CCD的信噪比简化模型.根据不同的简化模型,可以将曝光时间分为两个不同的噪声主导区域:光子噪声主导区域和读出噪声主导区域.为了更加有效地提高信噪比和检测CCD图像中的目标,可以采用像素合并技术.实验结果表明,所提出的信噪比模型及其简化模型是有效的.因此,在不同的应用条件下,可采取不同的曝光策略来获取图像数据,从而更加有效地检测图像中的目标.     

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-I型和SVD-II型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.     

Harris算法硬件加速设计

针对序列图像实时边缘和角点检测应用需求,对Harris算法进行了硬件加速设计,提出了一种内嵌并行运算的流水线结构。采取分解简化高斯模板、流水实现复杂计算、缓存灰度数据并并行计算一阶差分及其乘积等措施提高算法的实时处理能力,减少硬件资源消耗。ModeISim仿真结果和ISE综合报告显示,与常规方法相比,该设计在性能、速度和硬件资源消耗方面均表现较好,在实时图像处理应用领域有较好的实用价值。     

空时域联合差分检测可见光图像的运动小目标

可见光图像背景常常表现出时域和空域的双重相关特性。针对可见光图像背景下的运动小目标检测,提出了一种空时域联合差分的检测方法。以可见光图像序列模型为基础定性分析了目标、背景和噪声的基本特性和差异;在此基础上提出了空时域联合差分的背景抑制方法,结合流水线结构给出了一种实时性好的具体实现方案。实验结果证实了该方法的有效性。