基于噪声检测的置换混叠图像盲分离

置换混叠图像盲分离作为一类新型的单信道盲分离,在理论和方法上与传统的单信道盲分离有着本质的不同。针对一类置换区域含噪声的置换混叠图像,本文提出一种基于噪声检测的置换混叠图像盲分离算法。本文首先给出置换混叠图像的数学模型,对置换混叠图像用非零元个数约束的K-SVD算法进行训练得到其稀疏表示的字典,利用学习得到的字典对置换混叠图像去噪,然后利用去噪后的置换混叠图像与原图像作差运算得到差图像,通过检测差图像来确定出置换区域的位置和大小。并利用图像形态学运算优化置换区域,采用阈值化操作分离出置换图像。实验结果表明,本文算法能够较好的从置换混叠图像中分离出置换图像,并且不受置换图像的大小、位置、个数和置换图像所含噪声大小的影响。     

计算机X射线影像（CR）图像质量原理和测试方法

针对计算机X射线影像（CR）扫描仪研发过程中对图像质量评价的需要,对CR图像质量原理进行了研究和归纳,并总结了一套测试方法。测试方法涵盖了CR图像质量中最常用的几个指标：空间分辨率、对比度分辨率、空间精度、图像噪声、CNR、量子探测效率（DQE）、MTF、伪影和擦除率等。根据这套测试方法对某CR原型机进行了验证,满足了设计和制作过程中对图像质量评价的需要。     

实时视频信号的Sobel边缘检测的FPGA实现

在实时视频信号处理中,由于边缘检测等图像处理算法的数据量大,系统采用FPGA+DSP的图像处理方案。利用FPGA可对数据并行处理的特点,在FPGA中实现数据量大、处理速度要求高,但算法结构简单的低层处理算法。文中介绍了在FPGA中实现Sobel边缘检测算法的方法,并提出了自适应阈值的处理方案。实验结果证明,FPGA能够对实时视频信号完成Sobel边缘检测,且自适应阈值模块保证了系统在环境亮度变化的情况下,得到良好的边缘检测效果。     

向量优化为基础的图像空间迭代重建理论及实现

本文研究了单准则及多准则迭代图像重建理论及计算机实现.结果表明了多准则迭代图像重建在重建图像质量方面优于流行的单准则迭代重建方法,显示了多准则法的优点.     

基于块分类稀疏表示的图像融合算法

针对基于单一字典训练稀疏表示的图像融合算法忽略图像局部特征的问题,提出了基于块分类稀疏表示的图像融合算法。此算法是根据图像局部特征的差异将图像块分为平滑、边缘和纹理三种结构类型,对边缘和纹理结构分别训练出各自的冗余字典。平滑结构利用算术平均法进行融合,边缘和纹理结构由对应字典利用稀疏表示算法进行融合,并对边缘结构稀疏表示中的残余量进行小波变换融合。实验结果证明,该算法相对于单一字典稀疏表示算法,在融合图像的主观评价和客观评价指标上都有显著改进,并且算法速度也有提高。     

基于FPGA技术视频采集系统的设计与实现

提出一个基于FPGA技术的视频采集系统总体设计方案,实现视频信息的采集、存储、显示和发送。系统选择Altera公司FPGA芯片、8 Mbit SRAM芯片等构成了基于FPGA技术的视频信息采集系统的硬件平台。采用Altera公司的MAX PLUSⅡ开发工具,设计并实现了系统软件。最后验证整个系统,在系统的640×480的真彩色液晶屏可以看到清晰的视频图像。基于FPGA技术视频采集系统可以广泛地应用于视频监控、信息家电、智能小区、远程抄表等领域,而且经过进一步开发和完善,还可以应用于更广阔的领域。     

CCD与CMOS像素传感器γ射线电离辐射响应特性对比研究

为了研究CCD与CMOS像素传感器对γ射线电离辐射的响应差异,对比研究了4类像素传感器的结构特点和辐射响应特性。通过辐射实验,对各传感器在不同辐射水平条件下的光子响应事件分布、平均灰度值以及典型光子响应事件进行研究。研究结果表明：光子响应程度均与辐射剂量率相关;CCD像素传感器的沟道传输方式使每列像元间的辐射响应更容易相互干扰;平均灰度值随剂量率的增大存在明显的梯度,各积分周期内输出信号灰度值围绕均值上下波动,CCD像素传感器输出信号灰度浮动范围较小;CMOS像素传感器各像元对光子的响应更加明显,CCD像素传感器各像元的响应信号易与相邻像元发生串扰;各类像素传感器典型辐射响应事件区域中发生光子响应的像元数量随剂量率的增大而增多,响应事件并非单个光子的行为,而是反映了多个光子在区域内同时沉积能量的过程。本研究为开发像素传感器的γ射线辐射探测技术和应用提供了重要的理论分析和实验数据支撑。     

Classification of visible and infrared hyperspectral images based on image segmentation and edge-preserving filtering

The classification of hyperspectral images with a few labeled samples is a major challenge which is difficult to meet unless some spatial characteristics can be exploited. In this study, we proposed a novel spectral-spatial hyperspectral image classification method that exploited spatial autocorrelation of hyperspectral images. First, image segmentation is performed on the hyperspectral image to assign each pixel to a homogeneous region. Second, the visible and infrared bands of hyperspectral image are partitioned into multiple subsets of adjacent bands, and each subset is merged into one band. Recursive edge-preserving filtering is performed on each merged band which utilizes the spectral information of neighborhood pixels. Third, the resulting spectral and spatial feature band set is classified using the SVM classifier. Finally, bilateral filtering is performed to remove “salt-and-pepper” noise in the classification result. To preserve the spatial structure of hyperspectral image, edge-preserving filtering is applied independently before and after the classification process. Experimental results on different hyperspectral images prove that the proposed spectral-spatial classification approach is robust and offers more classification accuracy than state-of-the-art methods when the number of labeled samples is small.     

瞄准精度对中子半影成像的影响

在Monte Carlo方法模拟中子半影成像的基础上,对视场内点的空间线性不变性进行了研究.在视场范围内,离轴点产生了与离轴距离成正比的展宽现象,但点的积分强度保持了很好一致性,证明系统满足线性不变性假设.利用这一结果,分析了瞄准精度对成像系统的影响.结果表明：靶心在物面上的径向偏差应控制在50μm之内;物距误差控制应在300μm以内;编码孔旋转弧度须小于0.1mrad. 关键词： 空间线性不变性 瞄准精度 展宽效应 图像畸变     

基于边缘特征的异质图像目标配准方法

目标检测作为计算机视觉的重要研究课题,在视频监控和智能导航方面有重要应用.图像配准技术是刚体目标检测方法之一.异质图像间目标的纹理差异极大,为此,对于目标的可见光俯视图像与机载红外摄像机观测异质图像,通过研究基于边缘特征的配准技术,实现对地面平面目标的配准检测.笔者首先通过建立机载运动摄像机空间模型,解决了红外观测图像的视角变换问题,将其换到与参考图像一致的视角,提出一种新颖的基于稳定区域轮廓合成的边缘提取方法,更好地控制异质图像的边缘提取效果,边缘特征匹配是在距离变换的基础上实现的,提出了一种基于稳定区域距离图像互相关的匹配度量准则.实验表明,算法能有效地实现异质图像间的目标配准检测.