【摘 要】
：
针对复杂海空背景下的红外图像,提出了一种基于侧抑制的红外图像自适应预处理的方法。根据不同背景图像方差加权信息熵的变化,建立了方差加权信息熵与侧抑制网络作用调节因子的对应关系。通过对不同实际场景自适应地调整侧抑制网络作用强度,实现了不同背景条件下实时红外序列图像的自适应处理。仿真实验表明,该方法能有效提高杂波背景下图像的信杂比,具有突出目标特征和适应复杂背景的能力。
论文部分内容阅读
针对复杂海空背景下的红外图像,提出了一种基于侧抑制的红外图像自适应预处理的方法。根据不同背景图像方差加权信息熵的变化,建立了方差加权信息熵与侧抑制网络作用调节因子的对应关系。通过对不同实际场景自适应地调整侧抑制网络作用强度,实现了不同背景条件下实时红外序列图像的自适应处理。仿真实验表明,该方法能有效提高杂波背景下图像的信杂比,具有突出目标特征和适应复杂背景的能力。
其他文献
首先对指纹中的每个细节点定义具有很好区分度的子结构,根据这些子结构计算相似度并筛选出可能的参考点对。然后利用它们之间的边角关系等结构信息实施奖惩得分制度,根据事先设定的阈值,得分较高的参考点对被保留进行最终的全局匹配并计算匹配得分,两幅指纹的最终的匹配得分就是这些分数的最大值。实验结果表明,本文提出的匹配算法在性能下降可以忽略的情况下能够大幅度降低匹配时间。
传统目标跟踪检测方法对多目标情况处理已较为困难,对群体目标监测和跟踪更是难以解决的问题。因此考虑在拉格朗日混沌动力学基础上实现对视频群体流的分割以及相关检测。把群体运动系统作为混沌动力学系统处理,而群体目标则作为流动的粒子群处理,粒子的流动以流图(flow map,FM)进行跟踪。在此基础上可以获得有限时间李亚普诺夫指数(finite time Lyapunov exponent,FTLE)场,形
提出一种基于分解的图像修复算法,该算法对敦煌壁画的数字图像进行修复。选择用Lαβ色彩空间进行通道分解实现彩色图像的修复,并利用整体变分降噪模型进行图像分解,该分解算法不需要进行Banach空间范数的计算,不仅降低模型的数值计算复杂度,还可以降低敦煌壁画中的噪声对修复结果的影响。实验证明:该算法很好地解决壁画中的划痕和脱落等现象的破损,修复效果较好。
Quantized projection technology(QP) is the version of quantization index modulation(QIM) working in the projection domain.It essentially belongs to a double-sided additive embedder.In this article,the
为了解决普通电子标签在金属表面无法被正确识别,提出了一种可用于金属物体识别的超高频段RFID(射频识别)标签天线。应用射频仿真软件ADS对该标签天线结构进行了仿真分析,分析了各项结构参数对天线性能指标的影响。基于仿真分析结果,在普通FR4基板上设计制作了一款超高频标签天线。通过RFID阅读器实测表明,所设计标签天线读取距离可达到3米以上,具有体积小、结构简单、易于实现和成本低等优点。
提出了一种基于形态学分水岭的垩白米粒检测方法。充分利用单个垩白米粒图像区域中垩白部分白色不透明这一物理特征,将单个垩白米粒图像区域分成3个标记区域,通过形态学分水岭方法分割垩白米粒图像,提取区域间的单像素边缘将垩白区域提取出来。为了提高边缘检测的准确性,使用sobel算子去噪。由于使用标记控制分割,从而使区域极小值修正具有自适应性和准确性特点。试验结果表明:该方法对垩白米粒的检测精度为96.4%,
将Tian差值扩展技术应用于彩色图像,提出一种基于预测误差差值扩展(PEDE)和余数调整的彩色图像可逆数据隐藏算法。针对传统差值扩展技术存在过分修改像素灰度值、须嵌入定位图等缺点,首先利用色彩分量间的相关性减小差值,并将差值扩展量分散到2个色彩分量中;其次,由2个色彩分量中像素的预测平均值决定可用于扩展嵌入的差值,对不能用于扩展嵌入的差值则用可逆对比图RCM变换嵌入数据,无需保存溢出定位图;最后,
针对人脸易受到年龄、表情等影响,提出了脸和耳相结合的组合识别方法。利用二维Fisher线性判别(2DFLD)方法分别进行了脸、耳图像层和特征层的组合识别。在北京科技大学人耳库和ORL人脸库上进行实验,结果表明,图像层组合和特征层组合的识别率分别为97.5%、95.0%,分别比人脸识别提高了12.5%和10.0%,比人耳识别提高了5.0%和2.5%;与同样应用于组合识别的主成分分析(PCA)、二维P
为了更有效地提取虹膜纹理特征区域和进一步减小虹膜特征的存储空间,提出了一种基于分块相关性分析的二维不可分B-样条小波的虹膜识别方法,通过对虹膜归一化图像进行二维不可分B-样条小波变换并提取小波系数特征,把这些特征等分成正方形的特征块并按照相关性由大到小排序,保留相关性大的特征块进行匹配。实验表明,本文算法比经典的虹膜识别方法能更准确地捕捉识别效果好的特征区域。
针对mean shift(MS)算法不能解决非线性目标跟踪及Monte Carlo(MC)算法实时性差的问题,提出了一种自适应选择MS算法与MC算法的目标跟踪策略。首先,对目标、背景分别采样,用"对数似然法"评价每个目标区的特征对背景的可区分能力,选择区分能力强的特征作为目标。然后,引入一跟踪方式选择标志,通过计算当前跟踪窗内的目标与模板的匹配度来决定该标志的值,当目标与模板的匹配度大于某个域值时