基于稀疏特征的红外与可见光图像融合

针对传统的红外与可见光图像融合算法提取目标信息不突出的问题,提出一种基于非下采样剪切波变换和稀疏结构特征的融合方法.首先用非下采样剪切波变换分解源图像;然后通过主成分分析提取低频子带系数中边缘和轮廓等显著特征,引导低频成分融合规则的设计,同时基于结构信息的稀疏性指导融合高频子带系数;最后经过非下采样剪切波变换逆变换得到融合后的图像.实验结果表明,该方法在保留可见光图像背景信息的基础上,突显了红外图像的结构信息,有效提高了融合效果.     

基于Color Lines先验的高阶马尔科夫随机场去雾

传统的一阶马尔科夫随机场在图像先验信息表达和对图像整体的约束上能力有限,同时基于暗通道的去雾算法在天空等大片白色区域处理效果存在偏差。针对以上问题,该文提出一种基于Color Lines 的高阶马尔科夫随机场去雾算法。该算法通过引入对颜色失真具有很好鲁棒性的Color Lines 先验条件,初步校正经暗通道获取的传输图,然后利用高阶马尔科夫随机场优化传输图,获取最终精确的去雾图像。实验结果表明,与已有算法相比,该文算法具有更强的普适性,可提高雾天图像的清晰度,同时恢复更多的图像细节等信息。     

机载任务记录器中数据记录器组件的设计与实现

随着现代空战训练的转型,对机载任务记录系统所记录数据的多样性和全面性,记录数据的时间同步性和一致性有了很高的要求。为此,在新型机载任务记录仪设计研发中,采用统一的时间标准,同步记录多路任务数据,严格保证了事后评判的客观性和时间准确性。     

基于亮度反馈的彩色雾霾图像增强算法

针对目前主流去除雾霾算法采用亮度和色度分量分而治之的机制,割裂了二者固有的相关性,致使增强后图像质量不能两者兼顾的问题,本文以人眼视觉特性为依据,提出了一种亮度反馈的增强方法.该方法首先对亮度信息进行区域适应性调整,并对其细节和边缘进行提升,然后将该结果纳入色度信息处理的约束条件,较好的保持了两者间的相关性.实验表明本文算法在去除雾霾后视觉效果优异,具有较好的实用性和较少的计算资源消耗.     

基于景深约束的单幅雾天图像去雾算法

本文提出一种基于景深约束的单幅雾天图像去雾算法,该算法首先对退化模型进行变换以满足Kimmel变分框架的要求;其次,考虑到人眼视网膜锥细胞对绿光的敏感性,将绿光分量作为大气传输图变分求解模型的输入;最后,利用景深图像特性,在8邻域快速求解中对能量函数进行约束,从而有效提升去雾图像的视觉效果.实验结果表明本文算法在获得最佳去雾效果的同时,具有较好的实用性和较少的计算资源消耗.     

基于SIFT和MSE的局部聚集特征描述新算法

为寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于SIFT和MSE的局部聚集特征描述算法.分析说明了该方法在继承SIFT算法良好性质的基础上,通过对多尺度下信息熵的估计,能够快速准确找出图像局部结构特征并利用改进的非线性降维方法对特征描述子进行特征重划.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种变换条件下,该描述子不仅能够取得更多的特征效果,并且计算速度较原算法大幅提升.该算法适用于实时性要求较高,存在旋转、尺度缩放、亮度差异等变换下的结构图像寻找描述子.     

基于稀疏特征提取的单幅图像去雾

为解决暗通道先验去雾算法在天空区域和大片白色区域色彩失真的问题,提出了一种基于稀疏表示模型和特征提取的单幅图像去雾算法。通过稀疏字典的训练过程,学习雾天图像的稀疏特征,初步优化粗略介质传输图的稀疏系数。根据雾天灰度图像的稀疏特征,进一步精细化介质传输图。逆向求解雾天退化模型,得到去雾图像。实验结果表明,所提算法在天空区域的处理上优势明显,同时恢复出更多的图像细节和边缘信息。     

基于稀疏掩模Transformer的遥感图像目标检测方法

针对遥感图像中目标尺度差异较大和方向分布随机等导致检测精度较低的问题,提出一种基于稀疏掩模Transformer的遥感目标检测方法。该方法以Transformer网络为基础,首先引入角度参量,使其适应遥感目标的旋转特性;其次在特征提取部分以多层级特征金字塔为输入,以应对遥感图像目标尺寸变化大的特点,提高对不同尺度目标的检测效果,尤其对小目标的检测效果提升明显;最后以稀疏-插值注意力模块代替自注意力模块,有效缓解了Transformer网络检测高分辨遥感图像时计算量大的缺陷,并且加快了网络的收敛速度。在大型遥感数据集DOTA上的实验结果表明,所提方法的平均检测精度为78.43%,检测速度为12.5 frame/s,与基准方法相比,平均精度均值（mAP）提高了3.07个百分点,证明了所提方法的有效性。