一种基于剪切波和Top-hat变换的星点粗提取算法

星点提取是实现高精度和高准确性的星图识别和姿态确定的关键,本文对星点目标粗提取算法进行研究,提出了一种基于剪切波变换和形态学Top-hat变换的星点粗提取算法。该算法采用剪切波变换对含有噪声的星图进行滤波,通过对不同方向剪切波系数采用不同的阈值处理并重构得到去噪星图,有效抑制噪声;利用形态学Tophat变换对重构星图进行背景噪声抑制,采用自适应阈值方法处理背景抑制后星图中的残差噪声,有效地完成星图粗提取。实验结果表明,该提取算法可以很好的滤除星图噪声,为亚像元星点提取做好良好基础。     

双阈值法地面激光点云强度图像边缘提取

在扩展目标激光测距方程的基础上,根据扫描仪的辐射机制,分析了利用强度图像进行点云边缘提取的可行性及强度图像中非边缘点、边缘点及噪声点的八邻域特征.根据各类点的八邻域特征,提出了一种双阈值判别准则,用于提取强度图像中的非边缘点、边缘点与噪声点.根据判别结果:对非边缘点与噪声点进行中值滤波;对边缘点,其灰度值保持不变.最后利用Canny算子对滤波后的强度图像进行边缘提取,并通过实验对该方法进行了验证,对不同的双阈值选取结果进行了讨论分析.实验结果表明:利用原始激光强度图像可有效实现地面激光点云的边缘提取,双阈值法不仅能去除点云强度图像中的椒盐噪声,同时能保证边缘提取的精度.     

具有前景目标的动态场景视频快速稳像算法

为了提高具有前景目标的动态场景视频的稳像效果,采用了一种基于块绝对差分的运动目标自动提取方法。在提取运动目标的基础上,提出通过自适应设定相关阈值的方法,来预判相关背景模块是否具有足够的信息,以减少用于运动矢量估计的模块数量。仿真实验结果表明,对于具有前景目标的动态场景视频,在减少运动目标提取时间的基础上,能够有效提高稳像算法的速度和精度,对实际视频取得了比较理想的稳像效果。     

基于小波分析的二值化阈值选取

图像阈值的自动选取是灰度图像二值化处理中的关键。文章提出一种基于多尺度小波分析的阈值选取方法。通过对图像直方图特征点由粗到精的表示 ,在最佳尺度上确定出个数有限的波谷点 (即候选阈值点 ) ,再根据图像阈值的性质定出唯一的阈值点。该方法计算简单 ,适应性强 ,满足了实时性要求高的图像处理与分析系统。     

基于图像法的点云数据边界自动提取

提出了一种反求工程中基于图像法的点云数据边界特性的自动提取方法，采用图像处理中梯度求解方法，对点云中每一点处的法矢和曲率进行估计，通过阈值得到候选边界点，再利用曲率极值法得到最终边界点。通过这些边界点可以进一步拟合边界曲线，达到对点云数据进行自动分片的目的。该方法具有较强的可操作性实用性，对于反求工程的自动化和智能化研究具有实际意义。     

面向视频测量机器人高噪声小视场星图的星点提取

星图识别提取是自动天文测量数据处理的关键环节．针对视频测量机器人拍摄的小视场星图具有高噪声的特性,提出了利用基于合理阈值分割的连通算法来处理此类星图;分析了4种不同星图的图形特征,对比了常见的星点提取算法对真实星图的识别效果;在定性定量分析的基础上,通过验证,得到了阈值分割下的连通算法要优于边缘检测和聚类算法的结论,并获得理想的星点提取效果．真实星空半仿真星图的室内试验表明:利用该算法可以准确可靠地计算恒星质心坐标,其水平和垂直方向均方根误差（RMSE）分别为0.025和0.021像素,可满足高精度的天文测量需求．      

提高红外点目标图像单帧检测概率的背景抑制法

给出了一种低信噪比红外点目标图像检测的新方法．利用背景图像相对于目标图像具有相关长度长、在频域空间处于低频部分的特点，提出了在空域对红外点目标场景图像进行高通滤波的方法，达到抑制背景、提高目标图像信噪比的效果．进一步讨论了自适应门限曲面函数的建立．实验表明，该方法可以在满足总体要求的红外点目标图像信噪比和虚警目标个数的条件下，最大可能地提高红外点目标图像的检测概率．     

面向像元-对象双尺度的不透水面遥感检测

为了改善像元级遥感不透水面提取时存在的椒盐现象，提出了一种面向像元-对象双尺度的不透水面遥感检测方法.首先基于建筑、植被、水体等多种光谱指数，在像元尺度上提取不透水面的分布范围，然后对遥感图像进行多尺度分割，并通过设置高阈值和低阈值来处理图中的碎斑和空洞.利用双尺度不透水面检测方法对天津市精武镇多年的遥感图像进行不透水面检测，结果表明，该方法检测的正确率为80%左右，漏检率低于10%，检测精度高于光谱指数方法.     

动态场景中自适应去除外点的全局运动估计方法

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。     

基于单向投影矢量的数字电子稳像方法

为了减少计算量，进行实时稳像，提出了一种基于单向投影矢量进行运动估计的数字稳像方法．把匹配块像素灰度值向水平或垂直方向投影，形成一个原始矢量；对参考图像的搜索区进行投影，形成多个同样维数的矢量．构建一个参考矢量矩阵；比较原始矢量与参考矢量矩阵中的每个矢量之间的差分．找到最佳匹配点．在构建矢量时，绑定像素的位置信息，以降低误匹配，并运用快速搜索法找到矢量间的最小绝对差分．对该算法的运算量进行优化，在PC机上实现了实时稳像．     

基于陆标敏感器对星敏感器在轨标定算法研究

基于陆标敏感器,针对星敏感器系统常值误差进行了在轨标定算法研究.利用陆标敏感器经图像匹配识别得到一系列特征点坐标,与基准图像相应特征点坐标经过比较,将最小二乘最优估计值作为量测,应用卡尔曼滤波算法,设计了星敏感器在轨标定模型,并进行了数学仿真,仿真结果表明该算法可以在轨准确标定出星敏感器系统常值误差.     

基于形态学方法的工件表面缺陷红外热像检测技术

提出一种基于形态学理论的红外热像分割方法,用于工件表面缺陷的自动检测。首先在含缺陷钢制试件红外热成像检测试验的基础上,对工件的红外热像进行灰度化、高斯高通滤波、对数变换和二值化等方法相结合的增强处理;然后采用形态学方法,基于缺陷的空间连续性和缺陷与噪声的尺寸差别,设定连通分量所含像素数的阈值,最终实现红外热像的有效分割。结果表明,新的红外热像处理方法可以实现缺陷位置和形状的精确检测,可作为含缺陷部件的红外检测和自动识别手段。     

彩色图像的边缘检测

彩色图像的边缘检测算法有很多,但检测结果仍存在细节丢失、抗噪性差的问题。本文提出一种新的彩色图像的边缘检测算法。首先,在RGB空间下,采用矢量梯度算法,分别在三个通道中求出像素的梯度值。然后,采用自适应双阈值算法,对梯度值进行判断,筛选出图像的边缘点。最后,只采用筛选后的边缘点的信息,构造新的模糊矩阵的隶属函数,从而形成新的模糊算法。利用该算法,检测出最终的图像边缘信息。实验证明,该算法得到的图像检测结果,不仅对比度高、边缘连续、细节保存完整,而且具有较强的抗噪性。     

一种混合噪声图像去噪的平滑算法

提出了一种新的混合滤波算法,对混有高斯和椒盐噪声的图像进行去噪处理.该算法首先对受椒盐噪声污染的像素点,采用自适应中值滤波算法进行去除;然后利用高阶统计量针对高斯噪声的不敏感特性,对受高斯噪声污染的像素点,采用其周围梯度和最小的几个点的灰度平均值来代替其灰度值去除噪声.实验结果表明,该算法能够在去除高斯和椒盐噪声的同时,保留更多的图像细节信息,特别是对感染较大噪声的图像有更好的去噪效果.     

基于金字塔模型和各向异性滤波的分层自适应图像增强算法

结合拉普拉斯金字塔模型分解和前后双向异性扩散算法,提出一种分层自适应图像增强算法.该算法首先进行图像的高动态范围压缩,然后采用拉普拉斯金字塔模型方法将原始图像分解为不同尺度和频率下的带通图像序列.根据不同频率层图像的纹理方向特征,设计自适应参数法修改扩散传导方程的参数,在不同频率图像层上分别实现噪声平滑和边缘特征的增强.仿真实验通过与其它图像增强算法进行比较,评价结果表明,提出的分层自适应图像增强算法的处理效果良好,定量评价指标大幅改善.     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

基于速度特征矢量提取运动目标的图像分割方法

研究基于速度特征矢量提取运动目标的图像分割方法,根据目标图像像素移动的一致性,在序列图像中利用块匹配法进行帧间图像配准,得到目标图像块的速度估计,将具有相同速度矢量的目标图像块聚类,即可分割出运动目标。仿真实验结果表明,该方法能有效地对复杂背景下的运动目标图像进行分割,并具有较好的抗噪能力。     

基于图像分析的显微视觉自动调焦方法研究

定义了一种基于边缘灰度的显微图像清晰度评价函数,该函数采用改进的线性微分拉普拉斯算子和阈值滤波的方法以减少图像聚焦的误差.将该函数用于显微镜的自动调焦中,具体方法包括:对显微图像的噪声进行中值和同态滤波以提高显微图像的质量;通过带门限的帧差技术以区分背景与前景,同时,为减少噪声和图像前景变化的影响,在评价函数中引入了阈值参数.实验结果表明,该方法准确、稳定和可靠,精度较高.     

基于稳健回归的自适应图像去噪方法

提出一种基于稳健回归的图像去噪方法。该方法使用最优尺寸自适应窗技术来探测图像的边界像素,减少边界像素对降噪算法的影响,并且使用尽可能多的邻域信息来提高回归性能。使用该方法对加入混合高斯噪声的真实图像进行降噪实验,结果表明,该方法不仅具有出色的去噪性能,而且能够适应不同的噪声分布。