基于递推最小二乘的红外焦平面非均匀校正算法

根据递推最小二乘和图像配准原理,提出了基于递推最小二乘的红外焦平面非均匀校正算法(简称ILS算法),有效降低算法的时间和空间复杂度,使噪音图像的校正处理能够实时完成.ILS算法具有噪音参量估计准确度高、收敛速度快和计算复杂度低等优点.给出了算法的推导并用仿真数据对算法的有效性进行验证.     

新一代静止图像压缩标准JPEG2000

随着多媒体应用领域的扩展,传统的图像压缩技术已无法满足人们对多媒体图像的要求,各种图像压缩格式应运而生,如JPEG、MPEG-4VTC、PNG等。其中新一代ISO/ITU-T静止图像压缩标准JPEG2000成为热点。文章重点介绍JPEG2000图像编码系统的基本思想及其特性。     

基于改进型GIW算法的TerraSAR-X图像斑点噪声抑制

针对TerraSAR-X图像中的斑点噪声抑制问题,分析了噪声的基本数学模型,并考察了经典处理方法,进而结合Kuan滤波的基本思想,给出了一种改进型梯度倒数加权(GIW)滤波算法,利用邻域像素和中心像素的灰度梯度倒数及其邻域统计信息构造滤波加权模板,然后通过卷积操作实现斑点噪声的抑制。对TerraSAR-X图像处理的结果表明该算法原理简单,实现方便,可有效抑制图像中的斑点噪声,同时具有优良的边缘细节保持能力,非常适合边缘提取、目标检测等后续处理。     

基于神经网络的海杂波模型

采用相空间重构方法构造海杂波内在动力学模型,并运用神经网络提取模型参数,通过获得的模型参数对海杂波进行预测和补偿,实现海杂波抑制的目的．对雷达采集的实际海杂波数据的实验结果表明,该方法具有较好的杂波抑制效果．     

基于边缘模型的数字图像后处理方法研究

基于边缘模型重建的数字图像后处理算法可以改善高倍压缩图像的主观和客观质量。文章通过对压缩图像退化原因以及现有的基于边缘模型的后处理算法的分析和讨论，提出了一种新的基于边缘模型的后处理算法及今后数字图像后处理算法的研究方向。     

IFS图像空间结构特征及自动目标检测

一个迭代函数系—IFS(Iterated Function System ) 由一组压缩映射组成, 它描述了研究对象“整体”和“局部”之间的变换构成关系.对于图像来讲,IFS描述了图像“整体”和“局部”之间的空间变换关系,因此,IFS可以视为图像的空间结构模型,而与IFS有关的参数可以视为反映图像空间结构的特征.IFS的提出起源于分形图像压缩的研究,因此IFS与分形之间存在着密切的和内在的联系.IFS的理论中有两个重要的结论: 一是如果IFS中的压缩映射均为仿射变换,则IFS的吸引子将是一个分形集合;二是实际中所遇到的图像都可以用IFS的吸引子逼近.根据这两个结论,如果限定IFS中的压缩变换均为仿射变换,又图像本身具有分形结构,即图像“整体”和“细节”之间存在仿射变换关系,则用IFS的吸引子逼近图像所产生的误差很小(理论误差值= 0);如果图像本身不具有分形结构,则逼近误差很大.所以,根据IFS逼近误差的大小,即可判定被研究的图像是否具有分形结构特征.大量的理论研究和实验数据分析表明,自然背景的图像符合分形模型,而人造目标的图像不符合分形模型.因此,可以根据IFS逼近误差的大小实现对自然背景中人造目标的检测.提取图像IFS的算法有多种.本文采用Bath FractalTransform (BFT)算法,它是一个原理简单、实现方便、运算速度快的     

一种基于噪声修整Contourlet变换的低码率图像压缩算法

为了克服冗余性的Contourlet变换不利于图像压缩的缺陷,提出了噪声修整的Contourlet变换结构,或称为NS-Contourlet.该结构通过迭代的方式减少了量化后的非零系数数量,并且提高了非零系数的逼近能力.设计了一种可采用提升小波实现的拉普拉斯金字塔变换,有效地提高了Contourlet中拉普拉斯金字塔变换部分的速度.提出的NS-Contourlet结构结合EBCOT编码器实现了一种图像压缩算法,并且通过实验验证了该算法的有效性.尤其当低码率压缩(小于0.2 bpp)或者待压缩图像呈现直线纹理特征时,提出算法在主观视觉质量和PSNR指标上均优于JPEG2000,平均PSNR值提高了0.1～0.5 dB.     

基于非参数统计的云层背景描述与红外弱小目标检测

针对复杂云层背景下的红外弱小目标检测问题,提出了一种新的基于非参数统计的云层边缘纹理描述方法,并利用该方法构造出针对云层边缘的陷波滤波器.由于云层对阳光的漫反射特性,它的边缘区域成像时呈现出稳定的逐级过渡的纹理特征,而利用非参数统计中的秩分析方法可以较好地描述这种过渡纹理.首先,定义理想云层边缘纹理的秩统计量.然后,获取分析图像与理想云层边缘纹理秩统计量的相关曲面.最后,对秩相关曲面进行变换,构造出针对云层边缘区域的陷波滤波图像.将陷波滤波图像与高通滤波图像相乘,实现对残留云层边缘的抑制.实验结果表明,在没有对背景噪声的统计分布做任何假设的情况下,利用该方法能够对背景中的强云边缘进行有效抑制.     

基于粒子滤波的红外焦平面阵列非均匀校正算法

空间固定图案噪声严重影响红外探测系统的成像质量,并且还会随着外界环境的变化而缓慢漂移.卡尔曼滤波算法可以解决这个问题,但会受到线性高斯模型的限制.提出了一种利用粒子滤波跟踪噪声漂移,进而实现非均匀校正的算法.首先使用粒子采样噪声参数可能的取值状态,然后通过状态空间模型对这些粒子进行预测和更新,最后把粒子状态的加权平均值作为对噪声参数的估计.该算法是对卡尔曼滤波算法的扩展,不受任何模型条件的限制,因此,能够实现对不同情况噪声漂移的有效跟踪.实验结果表明:经此算法校正后的图像的峰值信噪比平均都在37 dB以上,而经卡尔曼滤波算法校正后的图像却只有28 dB.     

基于四阶累计量的固定噪音参量估计

根据高斯噪音高于二阶的累积量为零的特性,提出基于四阶累计量的红外焦平面固定噪音乘性参量估计算法,完成从图象场景中自适应估计阵列单元的增益.利用泰勒级数展开给出乘性参量估计均值和方差的统计特性,证明算法给出乘性增益的估计为渐进无偏估计.提出的算法用蒙特卡罗仿真给予验证,证明了算法的有效性.并将提出的算法应用于实际图象的处理,有效降低了固定图案噪音,达到了较高的非均匀校正水平.