星载合成孔径雷达系统仿真研究

论文在研究星载SAR原理和工作过程的基础上,提出了一种星载SAR系统数值仿真模型。模型充分考虑了卫星轨道参数,平台姿态参数,SAR传感器参数,目标特性、位置及运动,实现对星载SAR成像全过程的模拟仿真。并通过计算机仿真验证了模型的正确性。该模型可用于对各种SAR卫星成像能力及其处理的仿真。     

浅析合成孔径雷达遥感图像海岸带应用

海岸带自然资源丰富、变动频繁,是人类活动的重要区域。合成孔径雷达(SAR)以其全天时、全天候和高分辨率等特征,成为海岸带探测和动态监测的重要遥感器。论述了SAR探测地物的原理、海岸带地物的SAR图像解译标志和SAR图像处理方法。在此基础上,重点探讨了SAR图像在海岸带地质地貌探测、海岸分类、海岸带土地开发利用探测和海岸带动态变迁的监测等几方面的应用。     

基于高分三号卫星的实时船舶检测算法

针对目前在轨星载合成孔径雷达(synthetic aperture radar,SAR)船舶检测主要基于地面处理平台,无法满足星上实时任务规划发展需求的问题,基于现场可编程门阵列(field programmable gate array,FPGA)处理架构,设计了一套用于星上实时处理系统的SAR船舶目标检测算法.结合星载SAR对海观测典型参数指标,在现有处理平台架构上优化所设计算法,最终形成可用于星载SAR船舶目标实时处理系统的检测算法.通过高分三号的59幅SAR图像数据详尽的验证所设计算法的性能.测试结果表明,算法满足系统的可行性和时效性需求.     

SAR图像几何精校正的OpenMP-GPU协同处理实现

几何精校正是合成孔径雷达(SAR)图像处理的一个重要步骤,随着SAR图像时空分辨率的增加,SAR图像几何精校正生产面临着速度上的挑战。提出了一种分块仿射变换结合OpenMP-GPU协同处理的方法。采用分块仿射变换简化图像坐标位置变换,利用OpenMP并行计算提高仿射变换系数的计算速度,同时采用图形处理器(GPU)对图像坐标转换和亮度值重采样操作进行加速处理。实验结果表明,该方法对比传统CPU串行计算的校正方式具有明显的速度优势。     

基于稀疏分解和预滤波处理的机载SAR图像超分辨率重建

提升图像分辨率一直是合成孔径雷达(Synthetic Aperture Radar, SAR)成像处理的一个重要方向。该文对低分辨率SAR图像受相干斑噪声影响导致超分辨率重建性能下降的问题进行了研究,提出了一种基于字典稀疏表示和预滤波的超分辨率重建流程。对低分辨率雷达图像的稀疏表示可以实现图像不同结构成分信息的分解,然后采用复数神经网络实现模糊核的校正以及预滤波,从而提升图像质量以及低分辨率SAR图像与超分辨率网络的匹配程度。通过上述处理流程可以避免更改网络训练设置的复杂操作,达到改善重建图像的性能,同时抑制了超分辨率网络对相干斑噪声的放大。实验验证表明,加入低分辨率SAR图像的预滤波处理步骤后,超分辨率网络的重构结果在视觉效果及客观指标上都获得了明显提升。     

SAR成像系统快速矩阵转置算法的设计

矩阵转置在实时SAR成像系统中起着重要作用,其效率高低直接决定整个SAR成像系统的处理性能。提出了一种新的矩阵转置方法——矩阵分割拼接法,该方法在传统转置算法的基础上利用EDMA3灵活的搬移方式,有效地提高了转置处理的速度。在此基础上,基于TMS320C6678平台,对该方法的性能进行了测试。测试结果表明,该方法在处理速率上具有较大提升,相较于传统矩阵方法在数据量为512 MB的情况下处理速度提升了255倍,更好地满足了SAR成像的实时性要求。     

机载合成孔径雷达实时成像处理系统研究

为了实现对机载合成孔径雷达(SAR)数据的实时成像处理,提出了一种基于数据划分的机载合成孔径雷达实时成像处理系统的硬件平台结构,分析了它的优点和约束规则.根据机载SAR距离多普勒(RD)成像算法,提出了基于数据处理粒度的SAR成像处理实时性的分析方法,并对机载SAR实时成像处理系统进行了分析.给出了实时成像处理机的实现,并用实测数据的实时成像结果验证了理论分析的正确性.     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR(合成孔径雷达)图像噪声强,目标分割难度大的特点,提出一种改进的脉冲耦合神经网络(pulse coupled neural network,PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点,采用复小波进行去噪。然后,在传统PCNN模型的基础上,对神经元的输入信号,尤其是链接系数和阈值的非线性衰减子因子进行了改进和简化,同时对链接强度系数β进行理论上的近似推导,并减少人工设置的参数。最后,通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明,改进后的算法运行效率提高,自适应性增强。与传统算法相比,区域一致性提高0.013,区域的对比度提高0.015,效果优于传统的PCNN算法,为高分辨率SAR图像分割提供了一种新策略。     

基于CPU-GPU异质架构的SAR实时成像加速

对于大规模SAR回波数据,单纯依靠CPU实现实时成像处理存在较大挑战。近年来出现的GPU图像处理单元为SAR成像处理提供了一个理想的处理平台。本文结合GPU和CPU的特点,利用基于CPU-GPU的异构协同处理平台来加速SAR成像算法。同时,为了充分发挥该异质架构的性能,文中提出了一种改进的基于子孔径架构的成像算法,并在此架构上对超大规模SAR回波数据进行了成像处理,取得良好的成像效果和加速比。     

改进型脉冲耦合神经网络高分辨率SAR图像分割

针对高分辨率SAR (合成孔径雷达)图像噪声强, 目标分割难度大的特点, 提出一种改进的脉冲耦合神经网络(pulse coupled neural network, PCNN)模型的SAR图像分割算法。首先根据SAR图像中相干斑噪声的特点, 采用复小波进行去噪。然后, 在传统PCNN模型的基础上, 对神经元的输入信号, 尤其是链接系数和 阈值的非线性衰减子因子进行了改进和简化, 同时对链接强度系数β进行理论上的近似推导, 并减少人工设置的参数。最后, 通过最佳阈值对其结果进行二值化处理得到感兴趣的目标图像。实验结果表明, 改进后的算法运行效率提高, 自适应性增强。与传统算法相比, 区域一致性提高0.013, 区域的对比度提高0.015, 效果优于传统的PCNN算法, 为高分辨率SAR图像分割提供了一种新策略。     

医学图象中体积数据的光线跟踪法显示

体积图象的显示、处理和分析已成为图象处理和分析研究的一个重要分支。本文提出了一个在微机上实现的显示体积图象的光线跟踪方法以及相应的处理与分析方法,如景物分割;提出和实现了实际中常见的各向异分辨率数据的显示方法,对实际医学图象数据(CT,MRI)的实验结果表明,该方法具有许多优点。     

中国红外成像技术发展的若干思考

红外成像技术因具有诸多特点,在军用和民用领域取得了广泛应用,红外图像处理技术在红外成像系统中起着至关重要的作用。简述了国内外红外成像技术的研究成果和动态,提出了中国发展红外成像技术的若干思考,讨论了红外成像及图像处理、应用中的一些新技术及其发展的重点和难点,展望了红外成像技术的发展方向及市场前景。     

医学图像感兴趣区域(ROI)的分割三维重建算法研究

在医学图像处理与分析过程中,医生通常最关心的信息便占图像中的很小一部分,这部分就是所谓的感兴趣区域,即ROI(Region of Interest)[1],感兴趣区域包含着重要的诊断信息,这些信息是临床诊断和病理学研究的重要依据.基于感兴趣区域的三维重建形成的可视三维图像结果能够帮助医生准确的识别各种组织和器官,并对其进行处理与分析,使诊断更有效、更轻松、更精准,同时它也为医学培训、医学研究和教学提供数字实现手段.     

图像几何变换的理论及MATLAB实现

图像几何变换是计算机图像处理领域中的一个重要组成部分,也是值得探讨的一个重要课题。在图像几何变换中主要包括图像的缩放、图像的旋转、图像的移动、图像的剪取、图像的块操作等内容。文章主要探讨了图像的几何变换(主要包括图像的缩放、旋转、剪取等)理论,并在此基础上用M ATLAB实现的过程。     

基于Grabcut的图像目标提取

在图像处理过程中,快速准确地提取感兴趣的目标是图像处理的一个重要任务.提出了一种基于Grabcut准确提取图像目标的算法,该方法根据用户指定前景物的基本形态获取初始的前景、未知的背景区域,并用mincut/maxflow对分割能量函数进行了优化,利用大量图像对本文方法进行了实验分析,结果表明了算法能有效提取图像中感兴趣的目标.     

图像的无损压缩

预测编码方法是实现图像无损压缩的最基本的方法,分析了图像无损压缩方法,讨论了压缩算法中涉及的若干重要问题,评述了图像预测模型的研究进展。     

图象灰度的处理方法及实现

在图象工程中，图象处理、图象分析、图象理解作为其研究的三个重要层次，图象处理是图象目前发展的主体技术。图象的灰度处理作为图象处理的最基础理论之一，本文探讨了通过读取数字图象基础数据，进行图象变换、增强、均衡化等过程，完成图象灰度处理的整个过程有其实现的方法。     

马尔可夫随机场在可见光图像分割中的应用

在可见光图像生成红外图像的过程中,图像分割至关重要。马尔可夫随机场（MRF）具有局部特性,由此特性建立了纹理特征的MRF模型。利用纹理的MRF模型,将参数的期望最大化用于该模型中的参数估计。最后将图像中的所有像素经该模型计算后得到纹理信息并分割图像。通过实验取得了较好的效果。     

图像边缘检测研究进展

 图像边缘是图像的最基本和最重要的特征之一,它包含了位置、轮廓等许多有用的信息,为人们描述或识别目标及解释图像提供了一个重要的特征参数。边缘检测是图像处理、图像分析和计算机视觉领域中最经典的研究内容之一,是进行模式识别和信息提取的基本手段。已有的图像边缘检测方法很多,但每种方法都尚有不足之处,在某些情况下仍不能检测到目标物体的最佳边缘,未形成一种普遍适用的边缘检测方法。因此边缘检测一直是图像处理与分析技术中的研究热点,其新理论、新方法不断涌现。对已有方法进行改进,或是按照具体要求设计新方法,是目前边缘检测领域研究的主导方向。本文阐述了边缘检测的研究意义,总结了图像边缘检测的基本思想和检测出的边缘的一般要求,回顾了边缘检测的各种方法,分析了这些方法的优点和存在的不足,总结了边缘检测的最新发展方向。最后分析了现有的边缘评价方法的特点,为边缘检测进一步的研究和应用提供参考。     

边缘保持递归去噪算法及在图象处理中的应用

为了在图象处理时，既可以有效地去除噪声，又不会太多地破坏边缘，在一维卡尔曼滤波器的基础上，通过加入噪声图象边缘的结构信息，导出了一种简单的、可快速计算的边缘保持递归去噪算法。算法的主要思想是将与边缘大小和位置有关的信息从噪声图象中提取出来并将这些信息作为卡尔曼滤波器的控制输入，采用这种方法可以有效地降低图象边缘破坏的程度。对包含边缘信息和不含边缘信息的Ｘ线头影图象进行了处理，实验结果表明，加入边缘信息的卡尔曼滤波器的性能明显优于传统的卡尔曼滤波器，改进的滤波器在去除图象噪声的同时，可以有效地保持图象的边缘。