基于Tsallis熵的自适应红外图像边缘检测方法

针对红外图像边缘检测这一难题,结合红外图像的特点,提出了基于Tsallis熵的自适应红外图像边缘检测方法.该方法分别计算图像子空间的边缘与非边缘的Tsallis熵,根据子空间最优Tsallis熵,构造出子空间最佳阈值的评价函数,根据评价函数,选择不同方向的边缘检测模板,增强了图像的边缘信息,从而避免了单一模板造成的边缘丢失现象.实验结果表明,与传统的边缘检测方法相比,该方法对于红外图像可以最大程度上抑制噪声,有效地提高图像的边缘检测效果.     

静态背景下运动目标的边缘提取

针对运动目标在单帧图像中所占的比例较小,传统的边缘提取方法在对整幅图像计算时产生大量冗余,对噪声敏感,提取出的运动目标轮廓不明显的缺点,提出了一种基于帧差法和图像分块相结合的运动目标边缘检测方法.该方法首先对序列图像进行差分,根据分块大小自适应选取阈值对图像进行分块,完成对运动目标的细分割,分离出运动区域和非运动区域,然后对分割出来的运动区域进行边缘检测,将边缘检测结果和差分结果进行“与”运算,从而提取出运动目标轮廓.实验证明,分块边缘检测方法能较为准确地提取出运动目标且能提取出清晰的运动目标边缘轮廓,能满足实时性需要.     

用Decklink Duo采集卡实现双通道SDI输出

在靶场光电测量任务中,为满足远距离实时监测任务进展的需求,常要将数字相机采集的图像信号转换为SDI视频信号,并将相应信息叠加后显示输出。针对这一问题,以Microsoft Visual Stdio 2010为软件开发平台,结合OpenCV2.4.11,利用Decklink Duo采集卡将Camera Link Full图像视频信号转换为双通道SDI信号输出,并分别对这些信号进行了文字信息叠加显示处理以及模拟红外伪彩色处理。实验达到了预期的显示效果,证明该方法有效,可以满足实际任务的要求。     

基于顺序形态学自适应边缘检测方法

基于顺序形态学自适应边缘检测方法是图像处理新技术之一,针对形态学单一结构元素在边缘检测中图像边缘信息丢失的问题,根据图像形态学多刻度形态滤波的思想,提出了基于顺序形态学自适应边缘检测方法。根据传统的形态学边缘检测方法,该方法构造了边缘检测算子,给出了边缘检测算子的评价函数。通过该函数选择不同方向的结构元素增加图像的边缘信息。实验结果表明,与传统的基于数学形态学的边缘检测方法相比,该方法可以最大程度上抑制噪声,有效地提高图像的边缘检测效果。     

基于FPGA的HDLC协议实现

为了实现高速串行通讯,设计了基于FPGA的RS485总线的通讯接口,FPGA与DSP之间采用双FIFO进行数据缓存,并且通过DSP总线与DSP进行数据交换;开发了以FPGA和DSP为核心的原理图与印制电路板,使用VHDL语言开发了HDLC通讯协议的控制时序.实验结果表明:系统的持续存储速度可以达到1 Mbit/s,工作稳定可靠,没有丢帧、串帧等丢失数据现象.     

图像存储与实时显示系统设计与实现

针对大面阵CCD摄像机需要实时无压缩记录的要求,在分析了数字视频的信号特点和SCSI系统数据传输过程的基础上,提出了利用FPGA将图像数据分路处理:一路原始图像数据经SCSI控制器以DMA方式直接写入SCSI磁盘阵列;另一路图像数据经过FPGA处理后由PCI接口进入计算机内存实时显示的设计方案.直接访问磁盘空间的存储方案指出了传统存储方案的不足,使用DMA技术解决该问题.并分析了SCSI磁盘存储时间,以及数据块大小对磁盘存储速度的影响.由于原始图像数据没有使用PCI接口,而是直接访问SCSI磁盘,其存储速度得到了很大提高,达到高速存储目的.实验结果表明,使用改进的存储方式,在输入图像分辨率为2K×2K,工作频率为25 f/s时,SCSI速度存储速度达到1 200 Mb/s,存储系统工作稳定,可靠,很好地满足工程需求.     

大视场红外光电经纬仪精度标定

为了提高大视场红外光电经纬仪测角精度,提出了一种多元回归分析的静态精度标定方法.对影响其精度的原因进行分析,并提出相应的解决办法.首先介绍了红外光电经纬仪的系统组成和测量原理,分析了物像空间在大地坐标系下的坐标对应关系,然后,指出了影响大视场红外光电经纬仪测量精度的原因是由于加工与装调过程中引起的误差,并且该误差与光学设计值不完全一致.最后,针对这一问题,提出了使用多元回归分析数据处理方法,该方法在全视场内按区域建立多元回归分析计算模型,当进行精度解算时,通过多元回归分析模型对脱靶量进行修正,使用修正后的脱靶量进行测角精度计算.实验结果表明:经过多元回归分析修正后的方位角与高低角测角误差差分别由21.44与26.81提高到7.62与6.38.有效地提高了大视场红外光电经纬仪的测角精度.     

多目标轨迹分离方法研究

为了实现多目标落点测量,建立了多目标测量方案,并且对大视场光电测量设备在像面坐标系下进行多目标分离的方法进行研究。该方法按目标运动方向、运动速度、运动加速度的变化,建立了相关性评价函数,根据评价函数判断像点与目标轨迹的关联程度,从而现实多目标轨迹分离工作;而且在分离过程中,考虑了同一目标像点在不同幅图像上的丢失情况,根据已有目标轨迹数据,使用卡尔曼滤波器补充丢失的像点,保证同一目标轨迹的连续性。仿真数据与实际数据结果表明,该方法有效地分离了多目标轨迹。满足多目标落点测量的设计要求。     

共面多目标交会方法及误差分析

针对多台弹道相机使用前方交会方法进行地面附近同时多炸点目标测量时出现大量假目标问题,本文提出剔除共面多目标交会产生的假目标方法和提高测量精度的偏最小二乘多元回归分析方法.该方法根据多台测量分站交会点共面差,剔除交会产生的假目标;将属于该目标的多个测量数据,采用偏最小二乘多元回归分析方法,求出目标点在大地坐标系的最佳估计值.实际数据结果表明,该方法有效地识别20个以上同时爆炸的共面目标,与两站交会方法相比,偏最小二乘方法减小测量误差6"以上.     

基于Gabor和灰度共生矩阵混合特征叶片泵装配质量检测

本文提出一种Gabor和灰度共生矩阵相结合的特征来检测叶片泵中叶片装配质量的方法。首先构建叶片图像数据集,用5种尺度的和4种方向的Gabor滤波器对图像滤波,根据滤波后的图像计算得到幅值特征图,然后提取幅值特征图的灰度共生矩阵特征,最后融合归一化各个幅值特征图提取到的特征,利用主成分分析法降维,并用这些特征向量训练支持向量机(SVM)分类器,实现对叶片装配质量的评估。将本文提出的混合特征与LBP特征、灰度共生矩阵分别进行了比较得到的分类效果约提高了约10%。基于Gabor和灰度共生矩阵混合特征的叶片装配质量检测准确率提升到了93%。实验结果表明Gabor特征和灰度共生矩阵结合后能够很好从多尺度、多方向上提取图像的纹理特征,并应用于图像分类取得了良好的效果,在一些图像识别上有很宽广的应用前景。