基于脑模型控制器的红外背景预测算法

在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显著提高目标的信杂比,从而改善目标的检测性能.     

基于四叉树和偏微分方程的灰度图像压缩

提出了一种基于四叉树和偏微分方程的灰度图像压缩方法。该方法只需传输和处理部分稀疏像素而不是整幅灰度图像。在编码端,首先采用四叉树分割图像,然后对部分像素进行编码传输。在解码端,采用基于偏微分方程的图像插值算法再生图像,有效地消除了解码图像中的方块效应。实验表明,该方法可以获得较高的压缩比和峰值信噪比,尤其是对尺寸较大且纹理细节较少的图像更是如此,并能较好地保持原始图像中灰度变化较大的细节,可以方便地去除方块效应,具有较高的实用价值。     

基于脑模型控制器的红外背景预测算法

在分析云背景红外图像空间分布上存在混沌现象的基础上,提出一种基于脑模型控制器的红外背景预测算法.该方法利用混沌具有短时可预测性的特点,对云背景图像进行预测,并根据云背景杂波和运动目标的混沌特性差异修正预测模型.仿真结果表明,该算法能有效地提高云背景的预测准确度,预测残差符合白噪音特性,对云背景杂波具有良好的抑制效果,能显著提高目标的信杂比,从而改善目标的检测性能.