一种基于纹理特征的红外成像目标跟踪方法

提出了一种基于LBP（Local Binary Pattern)纹理特征的红外成像目标跟踪方法,将LBP纹理特征集成到了核跟踪方法中.根据目标各区域对背景的区分能力不同,提出了目标各区域置信度的评价方法,用基于区域置信度及空间距离核加权的LBP特征概率密度函数,构造了目标及候选目标的特征模型.通过相似性度量,利用均值漂移方法实现了基于纹理特征的红外成像目标跟踪.实验结果验证了该算法在红外成像目标跟踪中较基于灰度的均值漂移跟踪算法更为鲁棒.     

基于加权暗通道的图像去雾方法

传统基于暗通道图像去雾中仅考虑初始透射图对于透射图优化的影响,而未充分考虑深度信息对于透射图优化贡献不同的特点,造成去雾结果在深度不连续处出现"晕"且离视点较远区域的去雾效果有明显下降.针对上述问题,本文提出一种基于边缘特征的加权暗通道先验去雾算法.该方法根据边缘特征的位置估计深度信息的连续性,将边缘点及非边缘点赋予不同权值,对加权透射图优化求解.仿真实验表明,新的去雾算法在恢复图像细节的基础上能够有效抑制"晕"的产生,证实了本文方法的可行性和有效性.     

基于稀疏表示模型和自回归模型的高光谱分类

针对高光谱分类中对光谱信息和空间信息利用不足的问题,提出了一种基于稀疏表示模型和自回归模型相结合的分类算法。该算法利用稀疏表示模型和自回归模型,设计联合字典:在光谱维上,利用稀疏表示模型将高光谱的每个光谱向量表示为字典中训练样本的稀疏线性组合;在空间维上,利用自回归模型对每个光谱向量的8邻域进行约束。针对不同样本分别构造一个字典,在减少计算量的同时减小重构误差,最后在最小重构误差和邻域相关性的约束下求解稀疏表示问题,以最小重构误差为准则实现高光谱数据的分类。仿真结果表明,该方法能够有效地提高高光谱数据的分类精度。     

基于空时域约束模糊核聚类的红外多时相地下目标探测

提出了一种具有空时域约束的模糊核聚类红外多时相浅层地下目标探测算法.首先在经典模糊聚类算法基础上引入空间和时相变化信息,给出时相信息指数;然后根据时相信息指数修正时相权重因子,将空时域约束加入到多时相模糊核聚类中对红外多时相图像进行分类;最后由分类结果给出地下目标的位置及目标大致种类数,并根据地下目标的红外成像机理获得目标的大体物理性质来提高地下目标探测的准确性.结果表明,所提算法对地下浅层目标具有较好探测准确度.     

再生器、沉降器残余应力状态分析

对炼油厂催化系统的再生器、沉降器残余应力状态进行现场测试分析,并对出现缺陷处、装置焊接成型过程中的强力组装处等典型部位进行测试,分析了出现缺陷的原因。     

固定翼无人机视觉着降引导的合作信标设计方法

基于透视模型原理,提出了固定翼无人机视觉着降引导的合作信标设计方法。通过信标成像对引导精度的敏感性进行分析,得到了信标特征点间最小距离的设计方法。在无人机由远及近接近信标的过程中,进行视场边界的迭代计算,给出了特征点布置范围的设计方法。搭建了OpenGL视景仿真系统,在国际民航组织规定的二级引导精度及多种无人机飞行位姿条件下,进行了图像敏感性及信标捕获情况分析。测量结果表明,所提方法可保证合作信标设计满足图像敏感性要求,且该信标始终可以被完整捕获。     

一种结合梯度方向互信息和多分辨混合优化的多模图像配准方法

针对基于传统互信息图像配准容易产生局部极大值,同时结合梯度信息的互信息改进方法不能很好地应用于梯度幅值差异较大的多模图像配准,提出了一种新的结合梯度方向的互信息测度函数.在参量优化过程中,将具有全局优化的遗传算法和Powell局部优化算法动态结合,前者的配准结果为后者的算法优化提供有效的初始点以抑制局部极值,同时借鉴小波变换中多分辨率的思想,在低分辨率图像中粗略配准后,上升到高分辨率图像上进一步细化配准结果,增加算法鲁棒性并减少优化时间.多幅红外与可见光图像配准实验结果证明,提出的算法具有配准精度高和鲁棒性强等特点.     

有机相中利用脂肪酶催化的醇解反应拆分炔丙醇酮乙酸酯

 研究了有机相中脂肪酶催化的炔丙醇酮乙酸酯的立体选择性醇解反应, 考察了碱的种类、酰基受体和溶剂等对反应的影响. 结果表明, 以四氢呋喃为溶剂, CH3OH 为酰基受体, Lipase PLG 脂肪酶为催化剂, Na2CO3 为碱性添加剂, 高底物浓度下 40 oC 反应 96 h 后, 底物转化率和产物 ee 值分别达到 49.5% 和 99.5%. 碱的添加极大地提高了反应速度.     

基于偏振光谱BRDF图像的物质分类

提出一种基于偏振光谱二向反射分布函数图像的物质自动分类方法,该方法主要选择偏振光谱二向反射分布函数信息作为新的特征用于物质自动分类.采用支撑向量机的分类方法对不同的天气条件(晴天、多云、阴天)下处于杂乱的自然草地背景环境中的典型目标进行分类,最后比较三种不同特征选择对于分类准确度的影响.采取三种不同的特征选取方法,分别为采用单一的光谱特征、偏振光谱特征及偏振光谱二向反射分布函数特征.最后通过实验得出:将偏振光谱二向反射分布函数作为分类特征在三种不同的天气情况下,分类准确度都较高,特别是在阴天天气条件下,分类准确度明显高于其它两种特征选择.即使是在阴天低照度下的场景中,当不同目标和背景之间的灰度很接近时,采用本文方法也能准确的进行自动分类.     

基于颜色模型和稀疏表示的图像型火焰探测

常用的图像型火焰探测算法是提取火焰在图像上表现出的单个特征信息或其有效组合作为识别的依据,需要大量的训练样本进行学习与参量优化,且识别率对特征选择的要求也很高.本文从火焰的整体特征考虑,提出了基于颜色模型和稀疏表示模型相结合的图像型火灾探测方法.首先在HIS空间建立颜色模型对火灾图像进行预处理提取出疑似区域,建立稀疏表示模型,并利用主成分分析方法构造火焰和疑似火焰物体的特征字典,最后利用l1-minimization计算测试样本与训练样本的最小逼近残差实现火焰和干扰物体的分类识别.实验结果表明,该方法提高了火灾图像的分类准确度和识别速度,同时具有较高的准确率.