基于曲面拟合的红外图像盲元检测方法

针对传统红外图像盲元检测方法采用固定检测阈值和不能兼顾全局非均匀性的问题,提出了一种基于曲面拟合的盲元检测方法。首先分析了有效像元和盲元在灰度分布三维图上的显著差别,进而提出整幅本底图像的曲面拟合方法,然后用拟合后的曲面值作为比较基准运用3σ原则进行盲元检测。使用拟合后的曲面值替代固定基准能够消除探测器响应非均匀性对盲元检测的影响,提高盲元检测的准确性和有效性。进一步开展了验证实验和比较实验,实验结果表明该方法比直接运用3σ原则法检测精度更高、更有效。     

一种基于短波红外焦平面阵列的盲元检测新方法

针对短波红外焦平面探测器盲元检测过程中存在的系统噪声和非均匀性问题,提出了一种综合递归滤波法、滑动窗口法和局部阈值法的盲元检测新方法.对所用递归滤波法、滑动窗口法以及局部阈值法的原理进行了阐述和分析,并对提出的新方法进行了实验仿真验证.结果表明:该方法不仅在一定程度上消除了系统噪声,提高了图像信噪比,而且有效克服了焦平面非均匀性对盲元检测的影响;与"2s"原则和"3s"原则盲元检测方法相比,该方法误判和漏判现象明显减少,提高了盲元检测精度,是一种比较实用的盲元检测方法.     

基于多方向小波提升IRFPA盲元检测精度方法

红外焦平面成像质量受材料生长及器件制备工艺的影响,易出现盲元、条纹噪声等缺陷。条纹噪声经常会导致盲元的检测偏差,准确的盲元检测对于后续图像处理具有重要意义。利用双密度双树复数小波分解的多方向性小波系数,结合广义高斯分布将高频小波系数按照对条纹噪声影响程度分别赋予不同权值并进行单支重构,消除了条纹噪声对盲元检测的影响,得到初步干净的预处理图像,进而对预处理图像运用3准则进行盲元检测。通过短波HgCdTe红外焦平面成像的实践验证,该方法对具有条纹噪声特征的红外图像盲元检测更加准确。     

红外线阵探测器盲元定位与补偿

为减少红外线列探测器的条纹噪声与非均匀性噪声受环境温度和探测器工作时间的影响,提出了一种处理盲元的综合算法.首先依据探测器最终数据输出来检测盲元通道;然后依据通道位置与数量调整偏移量值,并根据探测器的阵列结构特点,对4806个像元完成精确的盲元定位;最后完成对含有盲元通道的非均匀校正.以FPGA处理模块为核心,完成了红外探测器实时采集与处理.图像校正效果良好,具有良好的实时性和可移植性.     

中波红外相机盲元的实时动态检测与补偿方法

盲元的存在严重影响了红外相机的成像质量,基于场景的盲元检测与补偿方法可以有效地解决此类问题。本文提出了一种改进的局部“3σ”方法,通过计算图像的三维噪声获得图像的平均噪声,据此得到盲元检测的最小判据,然后采用局部“3σ”方法和中值滤波法对盲元进行实时的动态检测与补偿,并将该方法应用于自研的某中波红外相机中。对黑体成像实验的结果表明,本文方法与辐射定标法相比,盲元检出的重合度平均可以达到82%以上;与传统的局部“3σ”方法相比具有相同的盲元检测与补偿效果,但可以将盲元的过检率降低30%以上;地面及载机挂飞成像实验的结果表明,本文方法可以对盲元起到很好地抑制作用,红外相机的昼间和夜间图像均不存在明显异常的黑、白点,图像中景物细节丰富、图像质量优良。因此,本文方法可以对盲元进行实时的动态检测与补偿,在自研的中波红外相机中的运用是可行和有效的。     

一点定标与小波变换相结合的红外非均匀校正算法

分析了一点定标,两点定标及小波变换的特点,针对一点定标、两点定标存在的问题,提出了一点定标与小波变换相结合的红外图像非均匀校正算法.利用红外非均匀响应既包括加性噪声又包括乘性噪声的特性,对需要校正的图像先进行一点定标校正去除加性噪声,再通过小波变换对乘性噪声进行处理.并通过实验仿真结果证明该方法的校正精度达到了两点定标校正法的校正精度,可以有效地进行非均匀性校正.     

双极晶体管的1/f噪声参数fL和γ的测量提取——噪声电流谱测量法

晶体管低频噪声主要是1/f噪声,其参数f_L和γ的测出,不仅对低频低噪声设计,而且对于研究半导体噪声机理以及应用它来分析半导体内部缺陷或表面清洁处理情况都有着重要意义。本文给出了双极晶体管的1/f噪声参数的测量方法、系统及实例,获得了已有噪声测量系统所不能给出的参数。     

一种凝视红外成像系统联合非均匀校正算法

随着红外焦平面阵列技术的发展,凝视红外成像系统在很多领域得到了大量的应用,在这些应用中,非均匀性噪声及其校正方法是人们主要关注的一个问题。为了解决这个问题,从凝视红外成像系统非均匀性噪声的来源和频域特性出发,综合考虑了当前几种典型的基于定标和基于场景的非均匀校正算法的优缺点,结合盲元检测和补偿算法,提出了一种联合非均匀校正算法,并进行了实验验证。实验结果表明,该算法能够较好地解决成像系统非均匀性噪声随时间和工作环境漂移的问题,又能够保持较高的精度和收敛速度,具有较大的工程应用价值。     

SBOS相邻逻辑对称序列构造与实现方法

本文基于布尔序集相邻逻辑对称关系的二分枝树T_BOS结构模型的研究,从中找出布尔序集相邻逻辑对称序列S_BOS关系的内在规律,进而提出用S_BOS构造的新方法,来实现N维布尔序集唯一相邻的逻辑路径问题。文中介绍了“对跳定界搜索”方法,对工程应用有着实际意义。     

“与密钥模2~n加运算”的差分性质研究

“与密钥K模2n加”－Y=X+Kmod2ⁿ是密码算法中一个常用的基本编码环节,在SAFER++,RC6 Phelix等算法中有广泛的应用。该文对Y=X+Kmod2ⁿ进行了差分分析,首次给出了当差分转移概率取最大值1,次大值1-1/2^n-2,次小值1/2^n-2以及1/2时,输入差,输出差及密钥的结构特点和计数公式。     

模2n加整体逼近模2加产生的噪声函数的概率分布研究

该文证明了模2n加变换以6种不同的方式整体逼近模2加时产生的噪声函数取值概率的数值分布相同,给出了6种噪声函数的概率分布之间的相互转化关系,并给出了6种整体逼近所产生的噪声函数的取值概率的计算公式以及概率值平方和的计算公式,并修正了三元模2加整体逼近模2n加时所产生的噪声函数取值概率的平方和的计算公式。这些结论在区分攻击中有一定的应用价值。     

模拟电路故障诊断L1估计及其神经网络解法

基于精确罚函数法,提出了新的求解L₁范致问题最优解的神经网络方法,它避免了Kennedy和Chua(1988)网络罚因子较大时性态变坏问题。对Bandler(1982)提出的模拟电路故障诊断L₁范数法进行了改进,将线性约束L₁问题转化为非线性约束L₁问题,并用新的神经网络方法求解,计算量小。模拟实验表明,所提神经网络方法和改进的模拟电路故障诊断L₁范数方法是可行的。     

集成运算放大器同相和反相形式的En-In噪声分析和比较

本文通过分析和比较同相和反相放大器E_n-I_n噪声的特点,给出了若干新结果。本文方法在低噪声运放电路设计和运放噪声参数提取中都具有十分重要的意义。     

毫米波焦平面阵列的1/f噪声的小波处理方法

文中在概要介绍毫米波焦平面阵列成象探测器中存在的1/f 噪声的特性的基础上,深入分析了小波变换与1/f 噪声的关系,提出用小波分解的方法对毫米波焦平面探测器的1/f 噪声进行去相关处理,推导了相应的表达式。仿真结果表明可得到满意的效果。     

基于lk范数的SAR复图像域正则化方法分析及改进

正则化方法通过增加先验信息约束实现合成孔径雷达(SAR)图像的超分辨和噪声抑制,为目标识别提供了更高质量的图像信息。该文通过对基于lk范数的SAR复图像域正则化方法迭代过程的分析,揭示其增强分辨率的内在机理,并针对原有方法在不同强度散射点条件下分辨率提高不一致的问题,提出采用可变的正则化参数对其进行改进。仿真数据和MSTAR实测数据的实验结果证实了改进方法的有效性。     

一种差分跳频码发生器的构造方法

针对差分跳频中常规G函数生成的跳频图案的2维连续性不够理想,其频率转移关系容易被窃听者截获的问题,该文提出了一种用G函数结合序列构成差分跳频码发生器的解决方法,对常规G函数和差分跳频码发生器产生的差分跳频图案的2维连续性进行了检验和比较,并对二者构成的差分跳频通信系统在AWGN条件下的误符号性能进行了理论分析,同时做出相应的计算机仿真,证实了采用G函数结合序列的差分跳频码发生器的设计方法在不损失系统误符号率性能的条件下,提高了系统的安全性。     

确定BBOS对称序列左右界顶点子集的一个通项公式

根据本文作者之一(1991)提出的S_BOS相邻逻辑对称序列的性质,给出确定S_BOS对称序列左右界两顶点子集的一个通项公式。这对于利用“对跳定界搜索”法快速实现S_BOS对称序列,提供了一个选择定界范围和实用算法的依据。     

k冗余多播网络中网络编码算法设计与分析

k冗余多播网络采用网络编码可实现最大多播速率k的信息传输。该文利用最大距离可分码已有成果,给出k冗余多播网络在不同发送速率下所需的最小有限域,构造最大距离可分码[n, k]生成矩阵,将其列向量作为信源输出链路的全局编码向量,设计网络码字,实现网络编码。应用实例表明该网络编码方法相对现有的通用网络编码算法而言,具有更低的计算复杂度。     

Image change detection using Gaussian mixture model and genetic algorithm

In this paper, we propose a novel method for unsupervised change detection in multi-temporal satellite images of the same scene using Gaussian mixture model (GMM) and genetic algorithm (GA). The difference image data computed from multi-temporal satellite images of the same scene is modelled by using N components GMM. GA is used to estimate the parameters of the GMM. Then, the GMM of the difference image data is partitioned into two sets of distributions representing data distributions of “changed” and “unchanged” pixels by minimizing a cost function using GA. Bayesian inference is exploited together with the estimated data distributions of “changed” and “unchanged” pixels to achieve the final change detection result. The proposed method does not need any parameter tuning process, and is completely automatic. As a case study for the unsupervised change detection, multi-temporal advanced synthetic aperture radar (ASAR) images acquired by ESA Envisat on the recent flooding area in Bangladesh and parts of India brought on by two weeks of persistent rain and multi-temporal optical images acquired by Landsat 5 TM on a part of Alaska are considered. Change detection results are shown on real data and comparisons with the state-of-the-art techniques are provided.