基于暗通道先验的雾天车载图像增强算法研究

针对原始的暗通道先验去雾算法对天空及明亮区域处理时容易出现失真以及处理后图像偏灰暗的弊端,提出一种改进算法：基于暗通道先验估计大气光、利用阈值判断对天空区域透射率进行修正、使用直方图均衡化增强克服处理后图像偏灰暗。实验结果表明,改进算法提高了图像清晰度,同时还原了图像中更多的道路信息,弥补了传统暗通道算法的不足。     

基于二维直方图的杂草图像分割算法

通过引入像素灰度级和邻域灰度级构成的二维直方图,提出了一种杂草彩色图像分割算法。试验结果表明,基于二维直方图的分割算法由于增加了各个像素点相邻区域的信息,从而减少了自然条件下镜面反射和叶片小面积污损的影响。由于分割结果更好地保留了叶片的连通性,新的分割算法能在自然条件下更好地区分单子叶植物和双子叶植物及识别作物和杂草,从而有助于杂草识别率的提高。     

棉花异性纤维图像分割方

通过直方图分析,建立了适用于棉花异性纤维图像的增强模型;提出了改进Otsu法,并对Otsu方法的分割效果进行了深入分析。实验结果表明,所有棉花异性纤维图像的灰度直方图基本都呈单峰特性;所建的增强模型可以显著提高异性纤维目标与皮棉背景之间的对比度;改进Otsu法将最佳阈值的搜索范围从0～255缩减到150～230,使此环节的计算速度提高了     

利用位置特征法分离作物和行间杂草的研究

以化学防除适期豆田杂草为研究对象,根据条播作物豆田作物行的间距相对固定的位置特征,利用像素直方图法确定作物行的中心行宽并识别行间杂草.通过对几种填充作物行区域的算法进行了大量的研究,得出使用改进的扫描线填充算法分割杂草运行速度最快,避免了重复扫描现象的发生,满足动态实时处理的要求.     

多时相Landsat遥感影像相对辐射归一化方法的性能比较

多时相遥感影像的辐射归一化操作是进行土地覆盖变化检测和图像拼接之前不可缺少的步骤,本研究基于2013年7月10日和2016年3月28日覆盖南京的Landsat 8 OLI数据,以2016年影像作为参考影像,采用基于分布的直方图匹配法和顺序转换法,与基于像元的多元变化检测法和随机森林法对影像实施相对辐射归一化操作。采用信息熵、边缘强度、空间频率、峰值信噪比、交互信息量5个客观评价指标对不同相对辐射归一化方法的性能进行了评价。结果表明：4种归一化方法处理后通过目视能看出影像空间信息保留很完整,没有破坏地物的光谱特征,再结合5个评价分析比较得出顺序转化法的归一化效果最优。研究结论可为多时相遥感影像的协同利用提供参考。     

一种高速ADC静态参数的内建自测试结构

针对混合信号电路的测试问题,提出了一种内建自测试(BIST)结构,分析并给出了如何利用该结构来计算片上高速模数转换器(ADC)的静态参数.该方法利用三角波信号作为测试激励,采用码密度直方图分析方法快速计算ADC的各静态参数.根据改进测试算法所构造的BIST结构实现了芯片内只有ADC电路的可测性设计,而不需要用到片内集成DSP.内嵌的信号发生器能自动生成高频连续三角波测试信号,适合高速ADC的测试.该BIST结构硬件开销小,易于片上集成,仿真试验表明了该结构的有效性.     

基于直方图统计的自适应图像增强改进算法

在分析数字图像统计特性的基础上,应用直方图原理,改进传统自适应算法,对图像进行了局部增强处理。首先计算图像的局部均值和标准差,比较其与全局均值和标准差的关系以确定需要增强的区域;然后在选定的区域上,对传统自适应增强算法进行改进,增加权重系数,提高对比度,改善图像增强的效果;最后对算法进行试验分析,并应用客观评价指标进行评价。试验结果表明,基于局部均值和标准差改进的自适应图像增强算法优于局部均值和标准差的图像增强。     

遥感影像镶嵌中拼接缝消除方法研究

在遥感数字影像镶嵌中,拼接缝的消除是主要问题之一.针对现有拼接缝消除方法中的不足,提出了直方图迭代匹配结合羽化处理的消除方法.以重庆市涪陵区航空影像为例,将该方法与羽化处理和基于直方图匹配的拼接缝消除方法进行了比较.结果表明,直方图迭代匹配结合羽化处理不仅具有较好的拼接缝消除效果,还提高了影像的影像标准差,增强了影像的反差,有效地改善了影像质量,有利于下一步的利用和研究.     

基于稀疏表示和HOG特征的掌纹识别方法

针对掌纹识别过程中,采集图象易受到外界光照等物理因素的影响,传统重构方法中稀疏表示算法计算复杂度高等缺陷,提出基于稀疏表示(SR)和梯度方向直方图(HOG)特征的掌纹识别方法,将分类正交匹配追踪算法(COMP)稀疏表示方法与HOG特征相融合,以降低复杂度。该算法首先利用HOG算法提取掌纹训练与测试样本图像的特征矩阵,将训练样本图像的HOG特征矩阵作为稀疏表示的过完备字典;然后运用COMP算法求解掌纹图像在过完备字典上的稀疏表示,将所得的最佳稀疏表示系数对测试图像进行重构;最后通过计算测试样本图像HOG特征矩阵与得到的每类重构图像最小残差的数值确定图像的类别。实验结果表明,该方法有效地降低了计算的复杂度,具有良好的掌纹识别性能。