基于低秩近似与常量统计的机载红外多光谱扫描仪去噪方法

为解决飞机平台强干扰环境下红外多光谱扫描仪的图像混合噪声问题,提出了一种基于低秩矩阵近似与常量统计的光谱图像去噪方法.从仪器的噪声产生机制出发将图像噪声区分为谱间差异噪声与谱间共有噪声,并根据噪声在光谱数据中的特点分别采用低秩矩阵近似与常量统计的方法进行去除.经仿真分析去噪后的光谱图像具有较高的峰值信噪比与去噪鲁棒性,并通过机载遥感试验数据证明在大量噪声的干扰下对于响应偏低的边缘谱段仍能有效地恢复出图像信息.该方法在其它类似光谱图像去噪方面具有一定的推广应用价值.     

基于场景有序运动的热红外视频去噪方法

在信号动态范围较小的场景下热红外图像的信噪比偏低,同时在诸多应用中其场景会在某一方向发生单调运动。基于这种考虑,提出了一种基于场景有序运动的热红外视频去噪方法。通过低秩矩阵近似的相关理论,引入场景有序运动这一先验知识并构建严格的观测矩阵,利用加权核范数最小化算法求解去噪的低秩矩阵形式并重构视频信号。经仿真分析,本方法在强噪声环境下具有较高的峰值信噪比与降噪鲁棒性,通过海洋遥感数据验证了方法的实际效果,从而在遥感与搜救等领域具有一定应用价值。     

一种基于矩阵低秩近似的聚类集成算法

 首先将聚类集成问题归结为直观的最佳子空间的求解问题;随后根据线性代数理论将该问题描述为带约束条件的优化问题,通过放松离散约束条件进一步约简为矩阵低秩近似问题;最后通过求解超图的加权邻接矩阵的奇异值分解问题获得最佳子空间的一组标准正交基.据此,设计了一个基于矩阵低秩近似的算法,该算法根据每个对象在低维空间下的坐标使用K均值算法进行聚类,从而得到最终的结果.在多组基准数据集上的实验结果表明:较之于传统的聚类集成算法,本文的算法获得了更好的聚类结果,且效率较高.     

基于低秩稀疏分解的红外弱小目标检测算法研究进展

红外探测系统具有隐蔽性好、抗干扰能力强等特点,广泛应用于军事和民用领域,红外弱小目标的检测是红外探测系统中的重要组成部分,已成为了当前的研究热点。近年来,学者们在基于低秩稀疏分解的红外弱小目标检测算法研究方面取得了丰硕的成果,为此,重点阐述了基于低秩稀疏分解的红外弱小目标检测算法的研究现状和研究进展。从背景分量约束、目标分量约束和联合时域信息约束等3个方面详细地综述了基于低秩稀疏分解的红外弱小目标检测算法。首先把背景分量约束划分为块图像的低秩约束、张量的低秩约束和全变分约束,其次从目标的稀疏性表示和融合局部先验的目标分量加权策略两方面分析了目标分量的约束,然后分析了联合时域信息约束,将典型的基于低秩稀疏分解的检测算法和单帧检测算法进行了性能对比,最后讨论了该领域下一步的研究方向。     

轻小型面阵摆扫热红外成像系统研究

研制了一套轻小型面阵摆扫热红外成像系统,采用面阵探测器并结合系统光学元件在翼展方向的摆扫实现了宽视场、高分辨率成像,利用环架反向补偿纠正了横滚姿态扰动导致的视场偏移。通过功能验证试验,获取了视场无偏移的宽视场高分辨率图像。系统光机结构简单,体积、重量优势明显,在轻小型无人机热红外遥感方面应用前景广阔。研究成果对推动无人机载热成像技术向宽视场、高分辨率方向发展具有一定的参考价值。     

基于矩阵分解和非凸秩近似的低秩表示算法

针对低秩表示模型的一般求解算法存在针对核范数存在近似矩阵秩不精确的问题,用矩阵分解技术与对数行列式函数替代矩阵核范数来近似矩阵秩函数。提出了基于矩阵分解和非凸秩近似的低秩表示模型,并设计了一种交替方向乘子法求解,最后用谱聚类方法进行聚类,通过数值实验对比,证明提出的算法有效性。     

基于判别低秩矩阵恢复和稀疏表示的车标识别

针对现有的车标识别方法无法较好地处理阴影、遮挡、污损等情况下识别率低的问题,提出了基于判别低秩矩阵恢复和稀疏表示的车标识别方法。文中采用判别低秩矩阵恢复来纠正效果较差的训练样本,并通过学习一个低秩投影矩阵,将待测样本特征矩阵投影到相应低秩子空间来恢复干净的测试样本。并采用稀疏表示方式进行分类识别。同时,在Medialab LPR Database数据集上进行了对比实验,实验结果表明,该识别方法的性能要优于当前其他识别方法     

基于低秩汉克尔矩阵重构技术的星载间断调频连续波SAR成像方法

间断调频连续波(IFMCW)合成孔径雷达(SAR)是一种新型的集轻量化、低成本和低功耗于一体的新型SAR系统。该系统采用单根天线发射和接收信号,颠覆了传统的调频连续波(FMCW) SAR系统设计理念。在该模式下,由于发射机工作时接收机关闭,导致合成孔径中出现周期性的间隔,采用传统成像算法进行成像,在聚焦SAR图像中将会出现周期性的虚假目标。为了有效地抑制虚假目标,该文基于子孔径回波数据,提出一种新的成像算法,即基于子孔径投影的低秩汉克尔矩阵重构技术(LHRTSP)。实验结果表明与现有方法相比,所提方法对虚假目标的抑制效果更佳,验证了所提方法的有效性。     

基于广义线性插值奇异值的低秩近似

传统算法奇异值分解（singular value decomposition,SVD）低秩近似在图像处理等领域有巨大的潜力,但其并没有有效的利用图像本身的自然结构信息。针对上述问题,提出有限维交换半单代数,在此基础上提出广义奇异值分解（tensorial singular value decomposition, TSVD）,并对二阶图像进行邻域拓展策略,将原图像的每个像素替换为广义标量。广义线性插值奇异值分解（tensorial linear interpolation singular value decomposition, TSVD-L）对广义标量进行线性插值处理,拓展阶数后的广义标量构成广义矩阵。以此为基础,通过不同阶数和尺寸的策略,将TSVD-L与传统算法SVD进行低秩近似重建,比较峰值信噪比结果,实验数据表明,在有限维交换半单代数之上的广义线性插值奇异值分解算法性能明显优于经典奇异值分解算法,且随着阶数的提升,TSVD-L的峰值信噪比完全优于SVD的峰值信噪比。同时TSVD-L比TSVD有一定的优越性。     

一种新的融合小波变换与低秩矩阵恢复的图像去噪算法

针对小波阈值图像去噪会引入量化噪声和阈值选取不当会损失图像本身有用信息的问题,提出一种新的融合小波变换与低秩矩阵恢复(Low Rank Matrtix Recovery,LRMR)的图像去噪算法.不同于传统的单一阈值的去噪算法,所提出的算法在单一阈值上结合了低秩矩阵恢复算法,这样不仅能进一步消除噪声,同时还能修复被噪声损坏的数据,而且更能适应各种不同的噪声环境.首先,选取固定阈值对图像矩阵进行小波去噪处理.其次,采用增广拉格朗日乘子算法最小化矩阵核范数.最后,将矩阵分解为低秩逼近矩阵和稀疏误差矩阵.实验结果表明,算法获得了较高的峰值信噪比,在不同噪声环境下有较高的鲁棒性.     

基于光线追迹的长线列摆扫式热像仪在轨几何成像仿真方法

针对卫星发射前在轨数据缺乏导致的无法进行成像质量评估、链路分析及几何处理算法验证等问题,提出了一种基于光线追迹的长线列摆扫式热像仪在轨几何成像仿真方法.首先根据光学系统结构及成像特点,构建了长线列摆扫式热像仪严格几何定位模型;然后,基于姿轨仿真数据、DOM和DEM辅助数据,通过光线追迹及重投影算法实现了像元视矢量的空间...     

基于低秩稀疏约束的穿墙雷达成像算法

针对穿墙雷达(TWR)成像过程中墙杂波与成像空间分别具有低秩性和稀疏性的特点,提出了一种基于低秩稀疏约束的穿墙雷达成像算法.所提成像算法通过奇异值软阈值法和l1范数最小化技术进行迭代求解低秩稀疏约束优化问题,实现在墙体强反射波存在的探测环境中基于压缩感知框架对墙后隐蔽目标的准确成像重建.仿真和实验数据的处理结果验证了所提成像算法的有效性和准确性.     

运用增广矩阵束方法稀布优化平面阵

基于增广矩阵束方法(Matrix Enhancement and Matrix Pencil,MEMP),以使用尽可能少的阵元逼近期望的方向图为目标,提出了一种求解阵元位置和设计激励幅度的新方法.首先对期望平面阵的方向图进行采样得到离散的数据集,再构造增广矩阵,对此增广矩阵进行奇异值分解(Singular Value Decomposition,SVD),确定逼近期望方向图所需的最小阵元数目;基于广义特征值分解求解两组特征值,并根据类基于旋转不变技术的信号参数估计(Estimating Signal Parameters Via Rotational Invariance Techniques,ESPRIT）对这两组特值配对;在最小二乘准则下求解稀布面阵的阵元位置和激励.仿真试验验证了该方法在稀布平面阵优化问题中的高效性和数值精度.     

基于摆停模式的航空大视场面阵热成像技术

针对目前基于单元探测器和线列探测器的红外成像仪不能较好兼顾大视场、高空间分辨率、高温度灵敏度的问题,研制了一套基于非制冷型面阵红外探测器的大视场热红外成像仪,实现了75°大视场、0.4 mrad空间分辨率和50 m K(NEΔT)温度灵敏度指标.建立了面阵摆扫图像畸变校正模型,较好地解决了面阵摆扫图像定位精度低和图像拼接裂缝问题.研究成果对大视场面阵摆扫红外成像技术的发展具有重要的参考价值.     

非制冷红外热成像技术的发展与现状

非制冷红外焦平面技术在过去的几年内飞速发展,非制冷焦平面由原来的小规模,发展到中、大规模320×240和640×480阵列,在未来的几年内有望获得超大规模的1024×1024非制冷焦平面阵列。像素尺寸也由50μm减小到25μm,提高了焦平面的灵敏度,使非制冷红外热成像系统在军事领域得到了成功应用,部分型号已经装备于部队,并受到好评。今后,随着焦平面阵列规模的不断增大、像素尺寸的进一步减小,非制冷热成像系统在军事领域的应用将越来越广泛,尤其在轻武器瞄具、驾驶员视力增强器、手持式便携热像仪等轻武器方面,非制冷热成像系统在近年内有望逐步取代价格高、可靠性差、体积大等笨重的制冷型热成像系统。     

基于原子范数的互质阵列协方差矩阵重构算法

针对互质阵列的虚拟阵列插值过程中协方差项的非均匀加权问题,将互质阵列协方差矩阵重构转换为低秩矩阵填充与原子范数重构,提出基于原子范数的互质阵列协方差矩阵重构算法。该算法先利用广义增广法得到非完备的互质阵列协方差矩阵,并利用截断的均值奇异值门限填充法得到虚拟阵列的协方差矩阵初值,然后对其进行原子范数最小化求解,实现稳健的正定Toeplitz协方差矩阵重构。该算法充分利用互质阵列协方差矩阵信息,有效提高互质阵列DOA估计算法的稳定性,降低计算复杂度。     

显微热成像技术研究现状与展望

显微热成像系统不仅能观测物体的形状细节,还能观测温度变化的细节,因此对需要进行细微热分析的领域具有重要作用。本文对显微热成像技术研究的背景和意义进行了概括,简单介绍了显微热成像系统的组成及工作过程,总结了显微热成像技术国内外发展研究及应用的现状,最后对其存在的问题及发展动态进行了分析。     

基于局部多尺度低秩分解的红外小目标检测算法

针对红外低秩块模型计算复杂度大,容易误判等不足,提出了一种更加有效的红外小目标局部多尺度低秩分解检测算法。该算法首先利用非下采样金字塔变换对红外小目标图像做多尺度分解;接着,将分解出的高频子带进行融合,通过融合后的高频信息提取出目标感兴趣区域;最后,利用红外小目标背景的非局部自相关性质对感兴趣区域进行分块,并对各块进行重新排列构成一个新的矩阵;最后,对该矩阵做低秩分解,提取出红外小目标。实验结果表明,与其他低秩分解类方法相比,所提出算法速度更快,提取效果更好,是一种性能优越的方法。