关于模式集的可识别性

本文给出了模式集可识别性的一种定义,证明了模式集可识别性的有关结果,较详细地研究了线性可识别性.特别地,在线性赋范空间中对于一种模式集证明了一种线性可识别的充分条件.文中的若干例子,说明了这种研究的重要意义.     

基于分水岭变换的彩色图像分割

为了克服传统分水岭算法固有的过度分割问题 ,采用了标记 分水岭变换 ,提出了一种新的标记提取方法 .通过计算图像中每个小区域 (5× 5 )的均匀性而得到一幅与原图同样大小的表征原图区域均匀性的均匀性图 ,取均匀性图中的低谷作为标记对均匀性图进行分水岭变换就得到最终的分割结果     

加速分形块编码

在分形块编码中，值域块与定义块池中的定义域块逐一匹配过程极其费时，为了大大地缩短分形编码的时间，将定义域块和值域块的匹配限制在以值域块的均值和方差作为中心的动态窗口中．动态窗口的长和宽，根据定义域块均值和方差的二维直方图自适应确定．与全局匹配分形块编码相比，大大地缩短了编码时间．     

基于D2样条插值和LOG算子的亚像素边缘检测

提出了一种基于 D2 样条插值和 LOG算子的亚像素边缘检测方法 .将被检测的图像块在 1 /2 p精度上行列分离分别进行一维 D2 样条插值 ,得到亚像素图像 ,然后将不同尺度的 LOG算子与之卷积 ,所得边缘图像经过边缘融合后得到亚像素边缘     

运动目标成像特性研究

对焦平面阵列上的点源运动目标和电视扫描方式下的运动目标分别建立了目标运动成像模型，得到了传感器因素与目标成像特性之间的函数学系；提出了目标精确定位的方法．模拟实验表明，所给出的运动成像模型能够较好地刻画运动目标的成像规律，使得目标定位方法能有效地修正由于目标的运动成像畸变带来的影响，为精确跟踪算法的研究提供了理论依据．     

基于试验设计的ATR算法的性能评价

在试验设计方法学的基础上，提出了一种定量评价自动目标识别算法性能的方法；给出了几种刻划场景变化的图像质量指标的定义和度量方法；提出了用响应曲面模型方法建立算法性能模型和描述图像度量与算法性能之间统计关系的方法．实验结果表明，仅需要少量的测试图像就可得到可靠的算法性能模型和可信的评价结果．     

基于模型的FLIR图像的多分辨率分割方法

针对低对比度前视红外（ＦＬＩＲ）图像分割问题的特点，将多分辨率图像处理技术与基于模型的前视红外图像分割方法结合起来，提出了基于模型的ＦＬＩＲ图像的多分辨率分割方法．首先建立一金字塔结构的多分辨率图像集，然后在每一固定分辨率级别上使用基于模型的ＦＬＩＲ图像分割方法，并用低分辨率上的分割结果修正高分辨率上迭代的初始概率，最后在原ＦＬＩＲ图像中得到分割结果．该方法能得到更为精确的目标分割结果，并大大减小背景对分割图像的干扰，同时还加快了选代的收敛速度．对实际红外目标图像的分割结果证实了本算法的有效性．     

红外序列图像小目标的特征及不变性分析

对红外序列图像小目标检测过程中出现的误差做出了分析，在检测过程中采用形态学中的Top-hat滤波，并根据目标运动的连续性去除噪声和云团。对目标与背景灰度均值之差，目标灰度方差和目标面积这三个特征量进行了研究，发现它们保持相对的稳定，可以作为小目标的不变特性，利用这些特征量设计了RBF神经工对检测结果进行评估，实验结果证明该方法是可行的。     

一种多传感器遥感图像的配准方法

提出了一种对多传感器遥感图像进行配准的新方法，应用数学形态学的方法提取源图像的结构特征，并在此基础上选择图像相关配准点，利用仿射变换作为变换模型，根据变换参数将输入图像与参数图像进行配准，实验结果表明，此算法可以有效地解决成像差异较大的遥感图像间的配准问题，具有较高的使用价值。     

红外序列图像中运动小目标的检测方法

研究红外图像中运动小目标的检测和跟踪问题．根据红外图像中背景干扰和噪声的特点,采用梯度倒数加权低通滤波器对图像进行滤波．在目标分割和标记后,沿目标轨迹进行能量积累以搜索和跟踪小目标．实验结果表明,该方法能极大地提高实际红外目标图像的信噪比,改善目标分割效果,能有效地进行小目标的检测和跟踪,尤其适用于目标遮掩或偶尔出现目标丢失的情况．