光学干涉图像处理中基于质量权值的离散余弦变换解包裹相位

为减少噪声对相位恢复过程的影响,快速得到正确的解包裹相位,提出了一种改进的相位解包裹方法——加权离散余弦变换解包裹算法。该方法把离散余弦变换和标识相位数据好坏的质量权值结合起来,兼有速度快和可靠度高的优势。为验证此算法,对模拟和实验得到的包裹相位图添加随机噪声和散粒噪声,同时采用加权与非加权离散余弦变换算法进行处理,所得到的解包裹结果与未加噪声的解包裹相位值进行比较,结果表明,通过加权离散余弦变换算法恢复的相位图比非加权离散余弦变换算法所恢复的相位图更接近于理想值,而且两种算法的运行速度基本相同,这证明提出的算法不仅保证了效率高的优点,而且所恢复的解包裹相位具有较好的噪声免疫能力和可靠度。     

改进TOPSIS法的装备可靠性评估方法

装备的可靠性是完成遂行任务必备条件,对装备可靠性进行评估可为任务决策提供理论支持。目前关于装备可靠性评估方面的研究大多数都是基于概率统计学的,而概率统计的准确性受限于样本的大小,从而使得基于概率统计学的装备可靠性评估因装备样本的大小而产生不可避免的或大或小误差。为解决这一评估受样本大小制约的问题,引入逼近理想点（TOPSIS）法。同时,针对TOPSIS法受主观因素影响较大的问题,修定了该法评估指标权重及理想解的确定方法,并在评估结果中引入了“合格分数线”的概念,使得评估结果等级划分有了量化依据,从而体现出了客观性和科学性,然后构建了某装备基于该改进TOPSIS法的可靠性评估模型。最后,通过示例分析,利用MATLAB计算验证了本文方法的正确性,评估结果可为装备的使用者或指挥者提供决策依据。     

基于云重心评估法和熵值法的装备技术状态评估

装备技术状态评估是状态维修的关键环节,对维修决策有重要的支持作用。针对装备的监测信息和历史数据的模糊性和随机性,提出了基于云重心评估法的装备技术状态评估模型。同时,充分利用云理论特征值之一的熵,通过熵值法得到指标权重,避免了主观评价造成的误差。采用加权偏离度最终确定技术状态,构成定性属性值与定量属性值的映射关系。通过实例,验证了该方法的可行性和有效性。     

一种基于属性权值和w_k-距离的天体光谱异常特征线挖掘方法

采用信息熵思想,给出一种基于属性权值和wk-距离的异常天体光谱特征线挖掘方法,并开发了天体光谱异常特征线挖掘系统。首先采用信息熵思想计算天体光谱特征线属性权值,从而有效地刻画每条特征线的重要程度;其次采用邻域半径的剪枝技术,对海量天体光谱特征线数据集约简,删除不可能成为异常的数据对象,形成一个候选异常数据集;然后根据离候选异常数据中对象之间的偏差,计算wk-距离和,并选取wk-距离和较大的前TOP-NN个数据对象作为天文光谱异常特征线数据;最后采用SDSS恒星光谱特征线数据集,实验和系统运行结果验证了该方法的有效性和可行性。     

三目自适应权值立体匹配和视差校准算法

立体匹配是计算机视觉研究中的关键问题.相比于双目视觉,三目视觉能够获得更多的信息和额外的极线约束消除立体匹配的歧义性.为了提高三目立体匹配的精度,提出一种基于自适应权值和视差校准的三日立体匹配方法.将双目视觉中有效的自适应权值窗选择算法应用到三目视觉中,进行匹配窗的选择;提出一种新的目标图像选择算法,能够合理利用平行基线三目立体视觉系统中不同目标图像提供的信息,有效地消除遮挡,提高匹配的精度;提出一种适用于三目视觉的视差校准算法,利用三目图像像素间的色彩相似性和距离约束将初始匹配的视差结果进行校准,得到最终的视差图.实验结果表明,本文算法结构简单,能够生成浓密、高精度的视差图.     

一种基于分割的可变权值和视差估计的立体匹配算法

立体匹配一直是计算机视觉研究领域中的热点和难点.是立体视觉中的关键技术之一.为了消除幕于局部图像的双目立体匹配的歧义性,提出一种基于图像分割及可变权值方窠的初始匹配和贪婪的后处理视差估计策略相结合的市体匹配算法.分割彩色立体图像对,利用分割自适应地分配权值来消除匹配特征相似的歧义性.计算匹配代价得到初始视差.接着,为了更好地消除弱纹理区域、重复纹理区域和宽遮挡区域等复杂歧义性,视差后处理中采用贪婪估计方案,包括基于分割的视差校准、窄遮挡处理及多方向自适应加权最小二乘拟合填充.实验结果表明,基于分割的本算法结构简单,能有效地提高处理局外点的稳健性,并生成高精度的稠密视差.     

基于亮度校正模型的多参量权衡与灰度权值算法研究

针对嵌入亮度校正模型的全彩LED显示屏低灰度均匀性差甚至会出现缺少灰度等级的问题,研究了校正算法实施过程中的多维参量,分析了红绿蓝三基色校正参量偏差和扫描图像数据偏差产生的原因及其对各灰度级亮度差值的影响。最后基于LED显示屏驱动控制系统提出参量的权衡公式,根据权衡公式选取各参量最优值,并针对图像数据的最小进位精度这一参量提出一种高精度灰度权值算法,不仅可提高显示屏各灰度下的均匀性指标,而且还可增加LED显示屏上的显示灰度等级。实测结果表明:当选取校正参量的校正精度为8 bit、图像数据的最小进位精度为0.5时,8扫显示屏不能达到均匀性指标的灰度级区间为[42,1];按照权衡公式选取校正参量的校正精度为10 bit、图像数据的最小进位精度为0.25时,均匀性不能达到指标的灰度级区间减小到[20,1],同时相比前者,LED显示屏的起辉级数减小,显示灰度等级增加两级。     

等价权修正的Kalman抗野值滤波算法

水声工程实际数据中野点的存在影响标准Kalman滤波精度。借鉴抗差惯性导航定位中等价权思想,构造反映观测值误差的统计量,以其协方差矩阵作为判断滤波精度的指标,依据莱特准则设计了三种不同权重因子,充分利用正确观测,限制利用可用观测,排除有害粗差。仿真结果表明,这种等价权修正Kalman抗差算法,抗差性可媲美中位数滤波,证明当模型正确时,其在抑制零星和斑点型野值方面,效果很好。     

基于改进Sobel算子的边缘检测算法的研究

针对传统Sobel边缘检测算法对噪声敏感的缺点进行了分析,提出了自适应权值的改进算法,该权值的大小取决于Sobel算子模板内像素灰度值之和。通过不同形式的噪声图像处理对比,结果表明,该算法不仅计算简单,而且具有较强的抗噪能力,对图像边缘有较高的检验精度,极大地改进了图像边缘识别的效果。     

求解本征值问题的改进边界元法

本文提出了一种求解本征值问题的改进边界元技术,它是将Laplace方程对应的基本解用于Helmholtz方程,从而使形成的边界元方程不隐含本征量,这样大大降低了对计算机内存的要求,并提高了求解速度。     

Multi-Sensor Scheduling Method Based on Joint Risk Assessment with Variable Weight

In multi-sensor cooperative detection systems, to reduce target threat risk caused by attack tasks and target loss risk induced by uncertain environmental factors, this paper proposes a multi-sensor scheduling method based on joint risk assessment with variable weight. Firstly, considering the target state and prior expert experience of sensor scheduling, this paper gives a new scheme of target threat risk. Then, by combining the given target threat risk and the target loss risk, this paper constructs a joint risk model to meet the diversity of risk assessment. Secondly, a variable-weighted joint risk assessment model is given based on the adaptive weight of target loss risk and target threat risk, and the optimization problem of multi-sensor scheduling is described to minimize the multi-step prediction of the variable-weighted joint risk model. Finally, this paper relaxes above the non-convex optimization problem as a subconvex problem and designs the scheme of multi-sensor scheduling, improving the rapidity and optimization of the sensor scheduling solution. The simulation results show that the proposed method can adaptively schedule sensors and accurately track targets by using minimum sensor resources.     

基于运动剧烈程度的无参考视频质量评价模型

网络视频质量评估具有无参考性、实时性、网络传输状态依赖性和主观视觉性等需求.本文以网络丢包引发的视频失真为研究重点,针对不同解码类型帧上的网络丢包引发的视频失真持续效应不同和网络丢包引发的人眼视觉感受与丢包所在帧视频内容的运动剧烈程度有着显著的关联等现象,提出了一种基于运动剧烈程度的无参考视频质量评价模型.该模型无需原始参考视频序列亦无需视频解码,对客户端接收到的码流分析其由丢包引起的视频损伤,标记受损宏块,建立受损宏块的失真持续效应和运动剧烈程度与视频质量间的关联,并完成视频质量评估.实验结果表明,该方法计算量小,实时性高,与主观评价结果一致性程度较高.     

基于结构相似度的图像融合质量评价

在分析现有图像融合质量评价方法特点的基础上,提出了新型的、基于结构相似度的图像融合质量评价方法.针对不同情况,分别采用平均结构相似度、加权平均结构相似度、结构信息与交互信息量之乘积作为图像融合质量客观评价标准.该方法充分考虑了图像的结构信息和人类视觉系统的特性,可以为不同场合下选择不同的算法提供依据.对不同融合算法的质量评价结果表明,该方法是一种有效的图像融合质量评价方法.     

一种无参考型模糊图像质量评价方法

图像的边缘信息是人眼观察和识别物体的重要特征,根据模糊图像相对于清晰图像其边缘特征发生较大变化的特点,提出了一种基于边缘锐度的无参考模糊图像质量评价方法。首先,通过文中所示方法寻找图像中的所有阶跃边缘;其次,根据一些原则选择合适的部分边缘;最终,计算这些合适边缘的锐利程度作为图像的模糊度评价依据。实验结果表明,该方法相比于全参考模型SSIM能够更好地评价高斯模糊、离焦模糊等模糊类型图像,与主观评价结构相关性强,更符合人眼视觉系统特性,并且易于实现。     

一种无参考型模糊图像质量评价方法

图像的边缘信息是人眼观察和识别物体的重要特征,根据模糊图像相对于清晰图像其边缘特征发生较大变化的特点,提出了一种基于边缘锐度的无参考模糊图像质量评价方法。首先,通过文中所示方法寻找图像中的所有阶跃边缘;其次,根据一些原则选择合适的部分边缘;最终,计算这些合适边缘的锐利程度作为图像的模糊度评价依据。实验结果表明,该方法相比于全参考模型SSIM能够更好地评价高斯模糊、离焦模糊等模糊类型图像,与主观评价结构相关性强,更符合人眼视觉系统特性,并且易于实现。     

基于梯度和运动估计的视频质量评价

数字视频质量评价在视频压缩、处理以及视频通信领域中有着十分重要的作用.本文在现有视频质量评价方法以及对人类视觉特性研究的基础上,提出了一种基于梯度和运动估计的视频质量评估方法.该方法充分考虑了视频图像的边缘特性、各帧之间的时间相关性以及画面中场景的变化对视频质量的影响等因素.实验结果表明,该方法对基于H.264编码的失...     

基于梯度和运动估计的视频质量评价

数字视频质量评价在视频压缩、处理以及视频通信领域中有着十分重要的作用.本文在现有视频质量评价方法以及对人类视觉特性研究的基础上,提出了一种基于梯度和运动估计的视频质量评估方法.该方法充分考虑了视频图像的边缘特性、各帧之间的时间相关性以及画面中场景的变化对视频质量的影响等因素.实验结果表明,该方法对基于H.264编码的失真视频有更好的评价效果,与人类视觉的主观评价结果一致.     

基于边缘的SSIM图像质量客观评价方法

在图像处理领域中,准确判断所处理图像的质量是一项关键技术.本文在基于结构相似度的图像质量评价方法的基础上,考虑了边缘信息对人眼感知结构的重要性,提出了基于边缘结构相似度的图像质量评价方法.实验中,对实验图像进行客观指标的提取与计算,最后统计分析实验数据.结果表明,该方法对图像质量的评价结果优于基于结构相似度的图像质量评价方法,能够正确反映图像质量且更加符合人眼的主观感受.     

BMEFIQA: Blind Quality Assessment of Multi-Exposure Fused Images Based on Several Characteristics

A multi-exposure fused (MEF) image is generated by multiple images with different exposure levels, but the transformation process will inevitably introduce various distortions. Therefore, it is worth discussing how to evaluate the visual quality of MEF images. This paper proposes a new blind quality assessment method for MEF images by considering their characteristics, and it is dubbed as BMEFIQA. More specifically, multiple features that represent different image attributes are extracted to perceive the various distortions of MEF images. Among them, structural, naturalness, and colorfulness features are utilized to describe the phenomena of structure destruction, unnatural presentation, and color distortion, respectively. All the captured features constitute a final feature vector for quality regression via random forest. Experimental results on a publicly available database show the superiority of the proposed BMEFIQA method to several blind quality assessment methods.