Canny算法的改进及其硬件的实现

传统的Canny边缘检测算法是先对图像进行平滑,然后利用二维滤波器计算图像的梯度值,从而得到梯度直方图。通过基于梯度直方图来选取双阈值,最后进行基于双阈值的非极大值抑制,得到边缘检测的图像。为了能很方便地在硬件中实现这种算法,对传统的Canny算法进行了适当的改进,利用模板来代替原算法中的卷积,从而使得该算法在FPGA(Field Programmable Gate Array)中可以完全利用原理图来实现。     

自然地面背景下红外目标检测算法

为了快速准确地检测出以地面物体为背景的红外序列图像中的目标,结合小波变换的特点及其应用于图像边缘检测的优点,提出了一种基于小波技术的图像预处理算法。该方法利用图像边缘在目标识别中的重要作用,讨论了基于小波变换的图像边缘检测方法,并结合地面背景红外图像自身的特点,大大地提高了单帧的检测概率。     

一种新型通用化图像处理系统的设计

提出了一种基于FPGA+DSP的通用化嵌入式图像处理模块,可以用于不同的项目,只需要针对不同的项目设计不同的AD、DA和接口就可以了。该处理模块具有高性能、低功耗、低成本、可扩展、可重构、灵活性强等优点,可以大大降低开发成本和设计周期。     

基于匹配度和多小波变换的图像融合

介绍了多小波变换的理论基础。多小波变换具有正交性、光滑性、对称性、有限支撑域等性质,因而非常适合用于图像处理。给出了多小波域的图像匹配度的定义,提出了一种基于匹配度和多小波变换的图像融合算法。该算法可以实现不同传感器图像的有效、可靠的融合。使用该算法对可见光图像和红外图像进行了融合实验,并对融合结果进行了评价和分析。     

一种基于扩展数学形态学的边缘检测方法

传统的边缘检测方法对噪声敏感,抑制噪声能力差;基于经典形态学的边缘检测方法虽然具有较好的去噪能力,但不能反映全部的边缘特性。为此给出了一种扩展的数学形态学的定义,并提出了一种基于扩展数学形态学的边缘检测方法。仿真结果表明,该方法不仅能有效地去除噪声,而且通过检测所得到的边缘图像具有良好的边缘特性。     

基于双向稀疏表示的鲁棒目标跟踪算法

目前,基于稀疏表示的目标跟踪通常为在目标模板集上重构候选样本的正向模型或者在候选样本集上描述目标模板的反向模型.两个模型的共同点是均需计算候选样本与模板集合之间的稀疏相关系数矩阵.基于此,建立了一个双向联合稀疏表示的跟踪模型,该模型通过L2范数约束正反向稀疏相关系数矩阵达到一致收敛.与之前的单向稀疏表示模型相比,双向稀疏表示跟踪模型在正反向联合求解框架下可以更加充分地挖掘所有候选样本与模板集之间的稀疏映射关系,并将稀疏映射表上对正负模板区分度最好的候选样本作为目标.基于加速逼近梯度(accelerated proximal gradient)快速算法,以矩阵形式推导了双向稀疏表示模型的求解框架,使得候选样本集和目标模板集均以矩阵方式并行求解,在一定程度上提高了计算效率.实验数据表明所提出的算法优于传统的单向稀疏表示目标跟踪算法.     

一种可见光成像的目标检测跟踪方法

在末制导成像阶段目标占据视场的大部分面积,形状信息丰富,这时对目标体上某一固定点的稳定跟踪成为最主要的需求。针对图像灰度过于集中目标难于提取的问题,在图像预处理阶段提出了依据概率统计的图像灰度均衡的方法;为解决图像边角点的快速检测问题,提出了图像二维投影和滑动卷积相结合的方法;最终为实现快速稳定的跟踪,提出了依据角点匹配的形心跟踪方法。根据此算法的特点研制了FPGA+DSP的硬件平台,充分利用FPGA的并行流水特性和DSP的逻辑运算特点,能快速检测到目标形心和进行稳定地跟踪,验证了方法的有效性和实用性。此方法应用在某课题上,跟踪效果良好,为试验的圆满成功提供了保障。     

基于特征提取和脉冲耦合神经网络的图像融合算法

为了提高目标检测的准确度和精确度,提出了一种新的基于特征提取和脉冲耦合神经网络(Pulse-coupled neural network,PCNN)模型的融合算法。该算法的原理是:首先对原图像进行特征提取,然后分别建立基于处理后的图像及原图像的PCNN。融合的作用是通过PCNN的链接输入得以体现的。融合图像综合了各个侧重于原图像不同特征的滤波器的选择性。仿真结果证明,所提出的算法在增加图像目标的可识别程度方面效果明显。     

线状目标实时检测算法的研究

提出了一种基于FPGA和DSP的算法并设计了相应的硬件系统,能对大小为256×256像素、帧频为25帧/s的视频图像进行实时处理。即先对输入图像采用改进的Sobel算子提取边缘,再用改进的Hough变换算法进行直线检测。解决了传统的Sobel算子提取的边缘较粗及Hough变换算法计算量大、难以实时实现的难题。     

深空背景弱小目标实时检测算法研究

根据深空背景的特点,提出一种基于FPGA和DSP的检测算法,并设计相应的硬件系统,能对大小为512×512像素、帧频率为40帧/s的视频图像进行实时处理。先在FPGA中用最大中值滤波抑制空间成像噪声,解决了图像预处理运算量大对处理速度要求高的难题,再在DSP中用使用改进的双差分法进行运动目标分割,克服了单差分提取目标轮廓不准的缺点,最后结合候选目标的特征,采用基于逻辑的最近邻关联方法提取目标航迹。试验结果证明该算法满足了深空背景弱小目标实时检测的要求。