双通道视频信息处理数据融合技术

“飞鱼”类掠海反舰导弹已对水面大型舰艇的生存构成重大威胁，而近程反导舰炮武器系统是反“飞鱼”类掠海反舰导弹的最后防线。因此，实现成功拦截掠海反舰导弹，精确稳定地自动跟踪目标，是近程反导舰炮武器系统的关键技术之一。阐述了适合自动跟踪高速飞行掠海导弹的双通道视频处理器的构成。对工作原理、去噪预处理、图像分割、特征抽取、识别和位置检测等技术作了简要说明，并对核心部分——双通道视频信息的资源利用和数据融合处理作了较详细的论述。双通道并行处理数据融合技术在国内首次应用于××近程反导舰炮武器系统光电跟踪仪中，在海上定型试验中取得了很好的跟踪效果。     

基于阶梯网络与交叉融合的端到端图像去雾

针对卷积神经网络类图像去雾方法存在的细节丢失、颜色失真、去雾不彻底等问题,提出一种基于阶梯网络与注意力交叉融合的端到端图像去雾算法.整体网络模型包含特征提取、特征融合、图像重建三个模块,其中特征提取包括有雾图像细节和轮廓特征的提取,由阶梯网络的不同阶梯层提取实现;特征融合模块以注意力机制的交叉融合实现,并结合自适应残差...     

基于融合与高斯加权暗通道的单幅图像去雾算法

针对图像去雾算法在景深突变处出现光晕现象和远景区域去雾不足的问题,提出了一种基于融合与高斯加权暗通道的单幅图像去雾算法.利用图像形态学梯度的特点,将形态学梯度图像与暗通道图像线性融合获取融合暗通道,构造自适应的高斯权重参数对融合的暗通道图像逐像素处理获取粗透射率,在使用L1正则化优化透射率,通过大气散射模型与修复的大气光值恢复无雾图像.仿真实验表明,本文算法可以较好地恢复出图像的细节并抑制光晕现象,与几种典型的图像去雾算法客观对比,证实了本文算法的可行性.     

基于双通道残差密集网络的红外与可见光图像融合

为改善红外与可见光融合结果与源图像间的部分细节特征丢失问题,充分提取红外与可见光图像中的特征信息,提出了一种改进的双通道深度学习自编码网络进行红外与可见光图像融合。其中,双通道结构由密集连接和残差连接模块级联构成,并设置一种综合像素、结构相似度和梯度特征保留的损失函数,使该编码器结构可以充分提取红外与可见光图像的多层次特征,在融合层采用空间L1范数和注意力机制对级联双通道特征分别进行融合,最后设计对应的解码器对融合特征图像进行重构,获取最终的融合结果。通过与传统算法以及近年最新的深度学习算法进行实验对比,结果表明该方法在主观和客观上都具有优秀的综合性能。     

偏振光谱图像去雾技术研究

空气污染严重影响了成像质量,雾霾天气下成像的对比度和分辨率下降。利用不同波段偏振光谱数据的图像去雾研究国内外尚未见报道;运用偏振光谱去雾技术对光谱数据立方体研究具有重要意义。在中重度雾霾天气下,利用光谱仪,获取了380～1 000 nm的可见近红外偏振光谱数据,研究了450,550,650,750和850 nm五个波长下偏振图像和去雾结果。结果表明,波长对图像目标与背景的灰度差值影响显著,去雾后图像的灰度动态范围和平滑度都有显著提升;去雾后图像远景对比度平均提升了5倍,其中450 nm图像对比度最低,但对比度提升量最大,提高了7.13倍;850 nm图像对比度最高,但对比度提升量最小,提高了3.86倍;去雾后不同波长图像的灰度动态范围均有明显展宽,展宽范围为13.5%～28.6%,而图像近景动态范围展宽为33.3%～44.0%。分析了图像复原过程中可能出现的估计误差,根据其产生机理提出了对大气散射光的偏振度和无穷远处的大气散射光强度的校正方法,并总结出了最佳校正系数的选取规律,对未知条件下的图像去雾提出指导。通过斯托克斯参数从原始数据中提取偏振信息,基于大气散射光与景物透射光偏振特性差异对图像去雾,偏振光谱图像去雾技术为光谱图像去雾研究提供一种新手段,也为图像去雾技术的发展提供一种新思路。     

基于对偶学习的图像去雾网络

针对光学成像设备在雾天搜集到的图像存在的降质问题,提出了一种基于对偶学习的从源域到目标域转换的对偶去雾网络以实现图像去雾功能。网络首先采用对偶生成对抗网络直接学习有雾图像与无雾图像之间的双向映射关系,并将有雾到无雾图像的映射作为初步的去雾结果,随后采用预训练模型在特征空间计算去雾图像与真实无雾图像的特征向量,运用欧式距离作为损失函数最小化特征向量之间的距离,以保证去雾图像在特征层面与真实无雾图像接近。实验结果表明,对偶去雾网络得到的去雾结果具有较高的峰值信噪比和较低的色差值,并能够有效保留图像的结构信息。     

多尺度奇异值分解的偏振图像融合去雾算法与实验

针对现有偏振去雾算法鲁棒性不强和图像增强效果有限的问题,提出一种基于多尺度奇异值分解的图像融合去雾算法.首先,利用偏振测量信息的冗余特性,采用最小二乘法,提高了传统偏振图像去雾算法中偏振信息的准确度;然后,从传统偏振图像去雾算法的局限性出发,定性分析了偏振图像融合去雾的可行性,并提出了一种基于多尺度奇异值分解的偏振图像...     

基于目标识别的多传感器图像信息融合技术

本文针对目标识别问题，论述了多传感器目标属性融合技术。包括目标属性融合概念、原理、处理结构、算法及应用举例。指出了多传感器目标属性融合中存在的主要问题及解决方法，并预测了发展趋势     

单幅图像的去雾新算法

提出了一种基于单幅图像的去雾新算法.首先把图像归一化后从RGB彩色空间转换到HSI彩色空间,对色调分量运用四叉树分割法进行分割图像|分割后图像的每一局部小方块可以认为具有相同的场景深度,从而可以对每一局部小方块估计出空气光.然后再对亮度分量运用雾天图像光学模型,从雾的物理特性上去除雾对图像的影响.最后再对图像的饱和度分量进行校正,得到复原后的图像.该算法的主要优点是速度快,且不仅可以应用于彩色图像,也可以适用于灰度图像.通过该算法与其它几种算法的实验结果进行分析和比较,表明该算法能有效恢复出清晰图像.     

公路场景去雾技术研究

提出了一种应用单目机器视觉技术并结合Hough变换消失线检测和边界检测技术来构建距离深度图的方法,并应用衰减-空气光去雾模型对图像进行了恢复。结果表明,采用该方法恢复的道路图像色彩自然,模型与实际道路完全匹配,对于不同距离的景物都具有良好的恢复效果。     

可见、近红外光谱和深度学习CNN-ELM算法的煤炭分类

煤是工业的主要能源,煤的品质对工业和环境起决定性作用。在使用煤的过程中,如果不能准确确定煤的品种,有可能对生产效率、环境污染、经济损失等会造成重大的影响。传统的煤分类,主要依靠人工方法和化学分析方法,这些方法的缺点是高成本和耗费时间。如何快速准确确定煤的品质很重要。因此,提出深度学习、极限学习机-ELM算法和可见、红外光谱联合建立煤矿分类模型。首先,从抚顺、伊敏和河南夹津口煤矿区采取不同煤样品,并使用美国Spectra Vista公司的SVC HR-1024地物光谱仪测得光谱数据。然后利用深度学习的卷积神经网络-CNN提取光谱特征,并采用ELM算法对光谱数据建立分类模型。最后,为进一步提高分类精度,引入粒子群算法。通过全新定义惯性权重和加速系数的取值范围来改进粒子群算法,并使用改进粒子群算法优化CNN-ELM网络。实验结果表明,和PCA特征提取方法比较,CNN网络能够更好的提取光谱特征,CNN-ELM分类模型有良好的分类效果;改进ELM分类模型的分类精度高于基础ELM和SVM分类模型。与传统的化学分析方法和人工方法相比,此方法在经济、速度、准确性方面均具有无可比的优势。     

基于可能性信息质量合成的双模态红外图像融合算法选取

针对双模态红外图像在融合时异类差异特征两两合成出现信息冗余导致所选择的融合算法相互冲突,造成融合效果差甚至失效的问题,提出了一种基于可能性信息质量合成的双模态红外图像融合算法选取方法。首先计算双模态红外图像多融合算法下不同差异特征的融合有效度,利用可能性框架得到对应的可能性分布向量子集;其次计算向量子集的信息量和可信度,并对多个向量子集进行加权合成;然后构建基于信息质量的排序函数,得到每种融合算法下的非支配子集;最后构建多融合算法得分函数的联合分布对多种融合算法优化选择。实验结果表明,将基于质量来整合多个差异特征的方法运用于双模态红外图像融合算法选取中,所选出的融合算法在加权综合指标上高于其他算法均值55%以上,证明了本文方法的有效性和合理性;由多组实验算得本文方法平均耗时10.083 s,在时间效率上也符合实时图像融合应用的工程需求。     

基于互信息的含水岩石近红外光谱特征选择

传统的相关分析方法无法准确刻画含水岩石的近红外光谱与其含水量之间的非线性关系.针对这个问题,首先进行了莫高窟崖壁砾岩水分运移的室内试验,分别采集了砾岩样品3个不同位置从初始干燥状态到饱和状态的全过程,共计51条近红外光谱信息;然后采用多点平滑与基线校正相结合(N PS+B-corr)的方法对原始近红外光谱进行预处理,根...     

基于LVQ与SVM算法的近红外光谱煤产地鉴别

传统煤产地鉴别方法一般以发热量、挥发分、粘结指数、哈氏可磨指数和坩埚膨胀序数作为分类指标,过程复杂耗时较多、耗费巨大的人力、物力并且无法直接快速的得到煤样产地等问题,借助近红外光谱技术快速无损检测的优势,利用基于SVM的留一算法对光谱数据集进行异常样本剔除,得到包含正确光谱信息的煤样光谱数据集,构造基于SVM算法与LVQ算法的定性分析模型,完成基于近红外光谱分析技术的煤产地的快速鉴别,无需对煤样的各种指标进行汇总并且人为预测。针对SVM分析模型中存在随机参数优化问题,引入PSO算法对SVM模型中的损失参数C和核函数半径g进行改进,得到最优参数,最后引入计算准确率的方法对比以上模型并进行评价分析。实验一共收集了加拿大、俄罗斯、澳大利亚、印度尼西亚、中国内蒙等5个地区的煤样光谱数据集,数据集共计305组煤样样本,其中异常样本共计10组,分别选择各国煤炭光谱的前31组作为训练样本,后6组数据作为测试样本,结果表明各分类模型的分类准确率均能达到75%以上,其中基于PSO算法改进的SVM分析模型的准确率可达到96.67%,仅一个样本出现问题,可快速高效地实现基于近红外光谱分析技术的煤产地的鉴别。     

多传感器通道多点数据并行高速采集器设计

为解决传统方法设计的采集器传感器通道单一、运行功耗大、抗干扰能力差及采集效率低问题,设计了一种多传感器通道多点数据并行高速采集器。分析数据采集器工作原理,先对影响采集器高效运行的高频率噪音和高频载波两大干扰因素进行过滤处理。同步采集数据信号,对数据进行校验,通过数据采集处理,实现多传感器通道多点数据并行高速采集器的设计。实验结果表明,改进的数据采集器运行功耗小,抗干扰能力强,采集效率高。     

一种基于NSCT变换的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT变换的图像融合方法。对经NSCT变换的低频子带系数采用基于区域能量自适应加权的融合规则,对高频子带系数采用混合的融合方法,即对于低层,采用基于区域方差选大的融合方法,对于高层采用像素点的绝对值选大的融合方法。实验结果表明,该融合算法可以获得更多的细节信息,能获得较理想的融合图像。     

一种快速暗通道去雾算法

基于暗通道的去雾算法计算初始透射率需要进行大量的数据比较,优化透射率时需要计算融合矩阵,这两个过程耗时巨大,使其难以投入实际应用。针对这一问题,提出了一种快速暗通道去雾方法。首先利用分区最小表的数据结构,提高初始透射率的计算速度;接着,在优化透射率时,采用基于形态学梯度的彩色图像边缘检测算法提取图像边缘信息,减少优化范围,再利用边缘信息与像素的空间信息优化透射率,避免计算复杂矩阵,从而加快了优化速度;最后,运用最小可觉差模型补偿前两个步骤导致的图像画质下降,提高图像清晰度。实验证明,快速暗通道去雾算法在保持恢复图像效果基本不变的基础上,很大程度提高了算法速度。     

一种基于区域特性的红外与可见光图像融合算法

提出了一种基于区域分割和à trous小波变换的红外与可见光图像融合算法.首先,对红外与可见光图像进行区域分割及区域关联,并按关联映射图所划分区域提取红外与可见光图像的的能量信息及梯度信息;然后,对红外与可见光图像进行多尺度à trous小波变换分解,分解后的低频部分按照文中所提出的区域能量比和区域清晰比指标进行区域融合,高频部分采用绝对值取大算子进行融合;最后进行重构得到融合图像.结果表明,该算法既可保持可见光图像的光谱信息,又可有效获取红外图像的热目标信息.     

基于虚拟通道技术的数字图像灰度水印算法

根据提出的虚拟通道技术,提出一种在载体中嵌入灰度图像作为水印的数字水印算法.通过修改载体频率域系数,载体通道可被看成一个虚拟的水印通道,它由若干个缺损的水印子通道构成,水印的提取不需要原始载体或原始水印的参与.实验结果表明提出的算法很好地保证了水印的不可见性和稳健性.     

基于可见光谱通道的松树年轮参数获取方法研究

年轮参数是树木生长的重要指标。目前年轮的检测方法主要有人工测量法、扫描仪法和X射线法等。这些方法费时费力、检测成本高、操作难度大。为此,提出采用可见光谱进行年轮参数检测的新方法。首先针对活立木年轮检测需求,设计了木芯专用可见光谱分析装置。装置采用宽光谱对称式光源,封闭式暗箱设计,彩色CCD外置、固定距离采集方式。进而采集样品全彩色图像,分别提取不同光谱通道数据进行分析,最终获得年轮特征光谱参数。以从松树活立木钻取的木芯为例,经打磨后的木芯水平固定于载物台,光源均匀照射样品,CCD采集木芯漫反射RGB图像,基于对木芯全彩色图像的不同光谱通道的分析,分别提取RGB三帧灰度图像的强度曲线,区分早晚材分界线,得到树木年轮各项指标,实现树木年轮参数的快速提取。实验首先将CCD采集的RGB图像转换至NTSC色彩空间,以扩大色彩域。在设置滤波窗滤除背景,截取出木芯图像后,通过提取木芯图像的R,G和B三灰度分量图像,发现木芯B灰度图的早晚材区域差异最分明。基于该特征,可提取出早晚材分界线的位置信息。对木芯B灰度分量图微分,得到灰度沿水平方向的空间梯度。确定灰度变化率极大值对应的各点,鉴于木芯生长特性,灰度变化率极大值对应空间位置首先取为窄像素区域,进而在窄像素区域取中间值,此即木芯年轮各早晚材的中心点。其中,早材中心点对应光谱曲线的极大值,晚材中心点对应光谱曲线的极小值。结合专家经验,建立早晚材中心点与分界线的灰度关系,可得各分界线的位置。通过早晚材分界线与年轮各参数的关系,可进一步得出年轮各项指标。对比3位林木育种专家人工识别结果,本方法检测结果除了在木芯靠近端点处的位置外,都具有极高的准确度。采用可见光谱通道的数据采集与分析方法检测树木年轮参数,检测过程可实现全自动,高效、无损,精度可达到0.1 mm,结果精确。相比于人工测量法、扫描仪法,检测效率更高;相比于X射线法,检测过程更加安全、低耗,操作更方便。是一种具有较强应用性的方法。