一种消除光照影响的舰船跑道区域增强方法

光照过强或者过弱都会对舰船跑道直线提取造成严重影响,导致跑道直线提取不完全甚至失败。针对上述情况,提出了一种图像处理算法来消除光照带来的影响同时增强跑道直线的算法。首先将图像灰度均值恢复到光照合适时的水平,然后用一种线性灰度变换算法增大图像的动态范围和对比度,并且根据图像质量改善情况的反馈对这两步多次迭代,直至得到较好的图像跑道增强效果。仿真实验证明该算法较好地消除了光照变化带来的不利影响,并实现了增强舰船跑道线的目的。     

基于自适应阈值分割的宫颈细胞图像分类算法

本文以宫颈癌细胞图像的自动筛查为应用背景,研究了一种新的宫颈细胞图像分类算法。算法首先采用形态学滤波与自适应直方图均衡的预处理方法进行图像增强;根据对图像内容与直方图分布关系的深入分析,提出采用经验因子加权Otsu自适应阈值分割算法进行细胞核分割,有效地解决了细胞重叠所引起的自适应分割阈值的选取问题;然后,通过提取面积、周长、区域面积与外接凸多边形面积比以及长宽比四种参数,对分割出的细胞核区域进行杂质剔除;最后以最能体现癌细胞特征的面积、平均灰度作为特征参数采用K-means算法对样本图像进行分类实验。实验样本为233幅宫颈细胞图像,其中49幅癌细胞图像,184幅正常细胞图像,实验结果证明了该算法的有效性。      

基于优选数据准则的空基多平台协同定位方法

在多无人机(unmanned aerial vehicle, UAV)协同定位地面固定辐射源的应用环境中,UAV编队中的各机利用携带的电子支援措施(Electronic Support Measurement, ESM)探测目标的方位角,并利用各观测机获取的辐射源入射角（arrival of angle,AOA）对目标实施协同定位。假设UAV所携带传感器设备测量精度相同,且测量误差服从正态分布,在此条件下,UAV编队的队形会对多机协同定位的精度产生影响。为了进一步研究编队队形与协同定位精度的关系,首先,利用两机的相对几何关系建立了基于AOA的双机定位模型,并在此基础上推导出基于测向交叉定位方法的多无人机协同定位误差模型;其次,基于该误差模型分别分析了观测机处于不同的观测点对定位误差模型的影响和不同的观测角组合对定位精度的影响,并给出UAV编队队形与定位误差关系的结论;最后,基于上述结论提出了基于测向交叉定位方法的多机数据融合优选定位数据对的优选函数,并利用该优选函数对多机协同定位方法进行了改进,仿真验证了改进算法的有效能。同时,本文得出的结论对于UAV机群的路径规划有一定的指导意义。      

一种基于Phong物体光照模型的阴影检测算法

针对目前运动目标检测算法中常将阴影误检为前景目标的问题,提出一种基于Phong物体光照模型的阴影检测算法。基于Phong物体光照模型,我们对场景中象素的亮度值进行分析,通过定义一个亮度相对变化量,推导出他在整个阴影区域是比较稳定的,所以在一个(5×5)的模板上用协方差来衡量这种稳定性,从而得到第一个阴影判决式。又推导出阴影区域亮度相对变化量随时间的变化保持相对稳定,设计一个滤波模板来增大目标区域的不稳定性,从而得到第二个阴影判决式。最后结合以上二个阴影判决式进行阴影检测,并对实验结果进行定性和定量的评估。与前人提出算法比较,本文提出的算法在阴影检测率和区分率等方面都得到了提高,具有较强的鲁棒性。     

一种利用SAR和可见光图像融合检测目标的方法

本文利用军事目标在SAR图像中具有较大的雷达散射截面,后向散射强以及在可见光图像中几何外形清晰的特点,提出一种利用SAR图像和可见光图像多维特征检测目标的方法。该方法分为图像预处理,目标检测和融合检测三部分。首先,利用基于特征匹配的方法对多传感器图像进行配准。其次,利用全局双参数恒虚警(CFAR)方法检测SAR图像中的目标,经过滤波处理后,确定感兴趣区域(Region Of Interesting,ROI)并提取目标的SAR图像特征;将ROI映射到可见光图像中,对该区域进行边缘检测、滤波、连通性分析、提取目标的可见光图像特征。最后,在特征层利用特征向量距离准则融合检测目标。实验结果表明该方法性能优于单传感器检测方法,且能有效的改进目标检测性能。      

极小景深条件下显微镜大范围聚焦算法

自动聚焦是全自动显微成像中的一项关键技术。为了克服已有聚焦算法对聚焦起始点敏感及聚焦范围过小的问题,从分析大范围聚焦曲线形态入手,依据离焦距离、初始搜索方向和初始搜索范围等参量和曲线形态参数间的制约关系,将聚焦划分为六种类型,极值搜索中结合聚焦函数值的变化信息并通过启发式方式将未知类型转化为基本型,从而实现了大范围聚焦到小范围聚焦的转换。然后在聚焦曲线陡峭区范围内对曲线进行高斯拟合以获取最优焦平面。基于自行研发的全自动显微镜系统对提出的算法进行了验证,实验结果证明了该算法的有效性。     

基于角点匹配和纹理映射的前向序列图像插值算法

在基于图像的绘制(Image—based Rendering简写为IBR)中,有效快速地实现两幅图像间的平滑过渡是一个关键而困难的问题。本文提出一种基于角点匹配和纹理映射的方法,完成对前向拍摄有较大尺度和较小旋转变化的图像进行插值。该算法先检测角点并通过Delaunay三角化匹配角点,再利用匹配点的凸包分图像为中心和边缘区域两部分,用不同的方法建立两个区域和原图像的对应网格关系,最后用一个快速三角形纹理映射的方法建立插值图像。对实际图像试验证明该方法可以快速,有效和实时地产生高质量的插值图像。     

基于单目视觉的车辆行驶方向检测及误差分析

智能车辆中一个重要的技术就是如何准确计算车辆前进方向与道路的夹角,目前的参考文献中基本上都是假设相机光轴与地面平行,而忽略了相机的安装误差,本文基于单目摄像机利用机器视觉方法与几何方法完成了对车辆行进方向与道路夹角的检测,给出了完整的技术实现方案,并重点分析了摄像机光轴方向与地面成一定角度情况下的校正方法,从而减少了摄像机安装误差对测量结果的影响,拓展了道路夹角检测技术的应用范围,使其有了更广的适用性,实际拍摄的场景图像也验证了本文算法的有效性。      

基于色差向量场的彩色光学显微细胞图像分割

细胞图像分割是医学图像处理领域的研究热点之一。传统的细胞图像分割算法多是基于灰度图像的分割,图像中的颜色信息利用得不充分。在深入分析细胞图像颜色特征的基础上,提出了基于色差向量场分析细胞图像颜色变化规律的方法,相比于经典的彩色空间(HSV、YIQ、CIEL*a*b*),这种方法更能够突出图像中的主体细胞与非细胞区域的差异,而且针对大量图像的普适性更好。然后基于细胞图像的色差向量场,提出了一种循环匹配的分割方法,同时采用色差强度对分割结果进行了进一步的修正。通过对实际采集的彩色细胞图像样本的分割实验验证,该算法比RGVF Snake算法的分割结果更可靠,准确率可以达到95.2%,而且能够实现不同颜色重叠细胞图像的分割。