三维电容层析成像多电极激励模式的稳定性分析

三维电容层析成像（3D ECT）一般基于单电极测量模式。构建一个3层ECT传感器，研究多电极激励测量模式在3D ECT中的稳定性，包括单电极激励、同层相邻双电极激励和不同层双电极激励。利用Landweber迭代算法重建图像，以相关系数作为图像质量评价标准，研究在不同数据噪声水平下，激励测量方式对重建图像的质量和稳定性的影响。根据数据模拟结果，对3种激励测量模式的稳定性进行评价。     

自适应阈值收缩算子的稀疏正则化图像重建算法

针对图像重建中采用稀疏正则化算法时，阈值收缩算子的阈值参数难以选取的问题，提出一种采用自适应阈值收缩算子的稀疏正则化算法。该算法收缩算子的阈值参数在迭代求解过程中根据解的稀疏度进行更新；同时在该算子中引入权重系数，研究阈值算子的衰减特性对图像重建质量的影响；并将该算法应用于电学层析成像的仿真和实验图像重建。结果表明：与传统的稀疏正则化算法相比，使用具有衰减特性的阈值收缩算子的稀疏正则化算法重建图像的性能指标有所提高。当被测物场的内含物分布较为简单时，采用较大的权重系数；当被测物场的内含物分布相对复杂时，使用较小的权重系数，有利于提高重建图像的质量。     

一种改进的基于峭度指标的FastICA算法

基于峭度指标的FastICA算法具有较快的收敛速度和较高的计算效率，被广泛应用于多光谱图像的特征提取。经典的FastICA算法基于固定点迭代法得到图像的各个独立成分，在迭代过程中，每一个独立成分的求解都需要所有像元的参与。因此，当数据量较大或图像中像元较多时，FastICA的计算量很大，此时它的速度优势就会大打折扣。遥感数据一般都具有较大的尺寸，因此如何将FastICA直接应用于遥感数据，是一个具有实际意义的问题。通过引入多光谱图像协峭度张量的概念，将FastICA的固定点迭代问题转化为代数形式的张量计算，避免每次迭代过程中需所有像元参与的缺陷，因而大大降低计算复杂度。多光谱图像实验结果表明，该算法明显快于传统的基于峭度指标的FastICA算法。     

基于已知振幅信息约束的叠层光电成像

为提高样品的重建精度及鲁棒性，提出一种可见光域上基于已知振幅信息约束的叠层成像方法。本方法仅需将待测样品周围的已知振幅图像作为先验参考信息，与样品共同叠层扫描，并代入迭代算法，即可获得优质的重建效果。通过模拟结果及搭建光学系统，对不同样品进行实验探究，证实了本方法的有效性。使用本方法，无需增加实验成本即可获取更优质的重建结果，并保持叠层成像技术的优势。本方法具有较强的抗噪声和抗孔径偏移能力，是一种简约、稳健、通用性强的衍射成像技术，具有较为重要的实用价值。     

一种用修正各向异性扩散方程抑制SAR相干斑的算法

针对各向异性扩散方程抑制SAR图像相干斑时,需要进行多次迭代,很难用于实时处理的情况,提出一种改进算法.该算法根据图像变差系数,自适应调整中心像素与各方向扩散系数的权重,从而在均匀区域加速扩散过程,在非均匀区域保留原各向异性扩散方程的性能.利用机载SAR图像对算法性能进行验证,结果表明,算法仅需较少的迭代次数,就可以获得与常规各向异性扩散方程相干斑抑制相同的性能.     

基于高斯回归预测的超声成像高分辨率重建

油水两相流过程的可视化检测对多相流研究与石油和化工等工业生产具有重要意义。超声层析成像技术具有非侵入、无辐射、安装方便等优点，在油水两相流检测中有很好的应用前景。针对超声层析成像实现低对比度声学特性的油、水两相介质分布重建问题，提出一种高分辨率图像重建方法。该方法通过构建基于阶段奇异值分解的降维同步代数重建算法，在保证重建精度的同时提高重建速度，并采用高斯回归模型将低分辨率的重建结果转化为高分辨率图像。仿真模拟测试结果表明，该算法重建图像误差小、分辨率较高，能满足实时成像要求。     

一种多时相遥感图像多目标检测算法

随着遥感技术的快速发展,遥感图像得到广泛的应用,其中目标检测是遥感图像众多应用中非常重要的一个分支。目前大多数目标检测算法都是基于单时相遥感图像,对于多时相遥感数据的处理方法较少。最近发表的多时相目标检测算法有滤波张量分析,其将多重线性函数与张量相对应的关系应用于遥感图像目标检测,但该算法只能进行单目标检测,无法同时检测多个目标。本文借鉴多目标约束能量最小化算法中对于多个目标输出能量的约束和滤波张量分析中对于应用张量滤波器的思想,提出多目标滤波张量分析算法,能够在多时相遥感数据中实现同时检测多个目标。模拟和真实数据实验结果均表明,该算法可以有效地提高多时相图像中多目标检测精度。     

基于光场渲染的动态3D目标重构技术

提出了一种基于光场渲染的动态3D目标重构的方法.目前基于图像建模的方法对于复杂场景难以建模,而基于图像渲染的方法因数据量大不利于动态场景的实时渲染.因此采用了模型和图像相结合的方法,从多视点视频图像中重建动态3D模型,采用光场映射算法对重建的3D模型进行光场采样,然后对样本分解压缩.实验结果表明,在保证真实感的同时,减少了数据量,并可实现动态3D目标的重构.     

一种用于车牌识别的图像超分辨率算法

仿效人类的视觉认知过程,提出面向目标的图像超分辨率算法.只需从一幅车牌图像就可以恢复目标的细节信息.该算法使用先检测、后重建的思路,通过联合稀疏编码建立目标高低分辨率图像片之间的关系,以目标可以稀疏表示为先验,检测到目标区域后,通过压缩感知重建图像.实验表明,重建图像的峰值信噪比(PSNR)较传统方法约有2dB的改善.此外,还验证了超分辨率重建改善了车牌识别结果,可以消除20%的错误识别字符.     

基于压缩感知的SAR图像压缩算法

研究基于压缩感知的合成孔径雷达(SAR)图像压缩算法.根据压缩感知理论,在信号降维方面,提出一种更优化的观测矩阵构造方法;在信号重构方面,提出一种基于微分熵和迭代加权最小二乘的改进重构算法.通过对SAR图像进行压缩和性能比较,得出结论:本文提出的改进算法优于传统的压缩感知算法.     

基于2D-3D泛轮廓点对应的三维刚体目标的迭代姿态估计

以单目观测下三维刚体目标的姿态估计为研究对象,针对现有迭代估计方法存在的收敛半径小和收敛速度慢的问题,提出一种新的基于2D-3D泛轮廓点对应的迭代姿态估计方法.与现有的基于数值优化的方法不同,本方法从输入图像的2D泛轮廓点出发,着眼于显性地建立输入图像到目标三维模型的2D-3D特征投影对应关系,进而以此显性投影对应关系对目标的三维姿态参数进行估计.实验结果表明,该方法在算法复杂性、收敛半径和收敛速度上均有明显改进.     

基于图像分割和EM算法的PolSAR地物分类方法

在极化合成孔径雷达（PolSAR）地物分类研究中,基于卷积神经网络的图像分割算法存在高维特征信息冗余而导致的分类边界模糊、分类精度低、计算复杂等不足,提出一种基于卷积神经网络和EM算法的轻量化图像分割网络,称为低秩重构网络（low-rank-reconstruction-net,LRR-Net）,应用于全极化SAR图像的地物分类。LRR-Net从极化目标分解的思想出发,利用EM算法对特征进行低秩重构,将特征从高维空间映射到低维空间,在减少参数的同时实现更精确的分类。用高分三号全极化图像数据对模型进行训练测试并评估,结果表明模型在保证分类精度的前提下,降低了模型复杂度。     

多基线SAR三维成像的QR分解算法

根据多基线合成孔径雷达(SAR)三维成像的信号模型,得到了利用高度向观测数据实现目标三维成像的矩阵方程,并引入QR分解算法求解矩阵方程,形成了多基线SAR三维成像的QR分解算法.使用该算法对多基线SAR仿真数据进行了三维成像实验.     

基于最大模糊总熵准则自动选择灰度图像分割的最优阈值

图像不仅含有由统计不确定性产生的信息量 ,而且含有模糊不确定性产生的信息量。我们通过用来测度统计信息的香农熵为模糊总熵 ,开发出基于最大模糊总熵准则的最优阈值技术 ,它是熵阈值技术的良性拓广 ,实验表明它能在二值化后保留更多的图像信息 ,取得更好的图像分割效果。     

图像分割相关技术及其应用研究

图像分割是图像处理中的一个重要问题,也是一个经典难题．文章介绍了常用的图像分割的常用技术：如阈值分割方法、边缘检测方法和区域分割方法,以及图像分割的新技术．应用了基于标记的分水岭算法,从仿真实验结果可以看出,标记的选取是该算法图像分割的关键．