Canny算法的改进及其硬件的实现

传统的Canny边缘检测算法是先对图像进行平滑,然后利用二维滤波器计算图像的梯度值,从而得到梯度直方图。通过基于梯度直方图来选取双阈值,最后进行基于双阈值的非极大值抑制,得到边缘检测的图像。为了能很方便地在硬件中实现这种算法,对传统的Canny算法进行了适当的改进,利用模板来代替原算法中的卷积,从而使得该算法在FPGA(Field Programmable Gate Array)中可以完全利用原理图来实现。     

一种新型通用化图像处理系统的设计

提出了一种基于FPGA+DSP的通用化嵌入式图像处理模块,可以用于不同的项目,只需要针对不同的项目设计不同的AD、DA和接口就可以了。该处理模块具有高性能、低功耗、低成本、可扩展、可重构、灵活性强等优点,可以大大降低开发成本和设计周期。     

基于光谱差异均衡区间筛选的高光谱目标检测

如何快速、准确地进行目标检测,是高光谱遥感图像在实际应用中面临的关键问题.波段选择是提高高光谱数据利用效率的途径之一,针对目前基于光谱匹配的高光谱目标检测算法数据利用率低,易受冗余信息干扰导致检测率不理想的问题.在构建光谱区间差异均衡化计算模型的基础上,提出差异均衡化的光谱子区间提取方法.使用实测高光谱遥感影像数据集对方法进行验证.结果表明,相比于采用全谱段数据以及其他波段选择方法的目标检测结果,所提出的方法在计算耗时、检测准确率方面均取得更理想的结果,可高效实现高光谱图像的目标检测.      

局部特征与全局信息联合的自适应图像增强算法

针对传统基于修正直方图的图像增强算法不能兼顾局部特征和全局信息的问题,提出一种局部特征与全局信息联合的自适应图像增强算法. 该算法将增强分为局部增强和全局增强两部分,局部增强利用像素的邻域信息和局部与全局对比度的比例信息作为幂次变换的伽马值,对图像进行伽马校正,提高图像的亮度和局部对比度;全局增强利用区域相似直方图统计抑制噪声,避免过度增强. 实验结果表明,本文算法在客观性能上优于其它传统图像增强算法,并且可以有效提高复杂光照下人脸图像的检测率.      

一种可见光成像的目标检测跟踪方法

在末制导成像阶段目标占据视场的大部分面积,形状信息丰富,这时对目标体上某一固定点的稳定跟踪成为最主要的需求。针对图像灰度过于集中目标难于提取的问题,在图像预处理阶段提出了依据概率统计的图像灰度均衡的方法;为解决图像边角点的快速检测问题,提出了图像二维投影和滑动卷积相结合的方法;最终为实现快速稳定的跟踪,提出了依据角点匹配的形心跟踪方法。根据此算法的特点研制了FPGA+DSP的硬件平台,充分利用FPGA的并行流水特性和DSP的逻辑运算特点,能快速检测到目标形心和进行稳定地跟踪,验证了方法的有效性和实用性。此方法应用在某课题上,跟踪效果良好,为试验的圆满成功提供了保障。     

正交线在圆形建筑物主体倾斜观测中的应用

圆形建筑物主体倾斜的观测,一般从外部进行观测,主要测定其顶部中心相对于底部中心或各层间上层中心相对于下层中心的水平位移和高差,分别计算整体或分层的倾斜度、倾斜方向以及倾斜速度,通常采用的是测水平角法。但随着社会的快速发展,城镇建筑物的密度越来越大,一些待观测的主体往往因视线受限找不到合适的测站位置,从而导致观测无法实施。依据多年工作经验,摸索出巧用正交线对圆形建筑物主体倾斜进行观测的新方法。有效地将原先需在被测对象上布点、竖立棱镜、丈量周长等操作的传统方法简化到直接在测站量（测）取距离,使得施测更加方便,提高了作业的安全性。     

基于双向稀疏表示的鲁棒目标跟踪算法

目前,基于稀疏表示的目标跟踪通常为在目标模板集上重构候选样本的正向模型或者在候选样本集上描述目标模板的反向模型.两个模型的共同点是均需计算候选样本与模板集合之间的稀疏相关系数矩阵.基于此,建立了一个双向联合稀疏表示的跟踪模型,该模型通过L2范数约束正反向稀疏相关系数矩阵达到一致收敛.与之前的单向稀疏表示模型相比,双向稀疏表示跟踪模型在正反向联合求解框架下可以更加充分地挖掘所有候选样本与模板集之间的稀疏映射关系,并将稀疏映射表上对正负模板区分度最好的候选样本作为目标.基于加速逼近梯度(accelerated proximal gradient)快速算法,以矩阵形式推导了双向稀疏表示模型的求解框架,使得候选样本集和目标模板集均以矩阵方式并行求解,在一定程度上提高了计算效率.实验数据表明所提出的算法优于传统的单向稀疏表示目标跟踪算法.     

基于圆形采样和稀疏表示模型的鲁棒目标跟踪

为解决基于稀疏表示的跟踪算法在小样本空间中出现模板漂移而在大样本空间中实时性差的问题,提出了一种基于圆形采样的双重稀疏表示目标跟踪算法.该算法对跟踪矩形窗数据进行圆形采样,这不仅保证了目标的灰度和结构信息,而且减少了背景信息干扰.同时对稀疏表示得到的小模板系数引入距离权重判断函数,判断目标样本变化情况,提高模板更新效率.最后引入HOG（histogram of oriented gradient）特征,对稀疏表示得到的多个次优解进行二次稀疏表示,有效解决小样本数量少带来的估计误差.实验结果表明,该算法能够提高小样本空间中目标跟踪的鲁棒性和实时性.      

线状目标实时检测算法的研究

提出了一种基于FPGA和DSP的算法并设计了相应的硬件系统,能对大小为256×256像素、帧频为25帧/s的视频图像进行实时处理。即先对输入图像采用改进的Sobel算子提取边缘,再用改进的Hough变换算法进行直线检测。解决了传统的Sobel算子提取的边缘较粗及Hough变换算法计算量大、难以实时实现的难题。     

环形向量非局部SAR图像降噪算法

提出一种基于环形向量的非局部SAR图像降噪算法.根据像素点的主方向提取环形向量,计算环形向量各自的特征向量.基于特征向量计算相似度权重,该方法的时间复杂度明显优于NL-Means的矩形模板匹配算法,且相似点匹配具有旋转不变性.通过仿真实验验证了该算法的计算速度和旋转不变性能,匹配效果明显优于NL-Means,降噪结果的峰值信噪比和结构相似度优于BM3D、BLS-GSM等主流降噪算法.