图像匹配处理机是目标识别系统的重要组成部分.提出了采用以TMS320C6415 DSP为核心处理器实现图像匹配处理机的方案.该方案使用SDRAM存储实时图像数据、预装和预置数据、中间数据和程序代码,采用FLASH ROM固化程序及预装、预置数据,并采用双端口RAM实现与上级控制装置的通信.采用DSP的图像匹配处理机,由于用软件实现匹配算法,因而系统更加灵活.TMS320C6415是目前世界上最先进的DSP之一,具有5760 MIPS的处理能力.实验表明,本系统采用FFT相关算法,可在0.02 s内完成两幅512×512图像的配准;若采用积相关算法,可在0.1 s内完成72×72图像与320×320图像的配准.该系统结构紧凑、可靠性高、实时性强,为图像匹配系统提供了新的高速处理平台.

在对当前景象匹配技术应用现状的研究基础上,针对其中的强干扰景象匹配技术,尤其是烟雾干扰下的实时图滤波技术进行阐述.烟雾干扰是造成实时图模糊不清的主要原因,致使景象匹配系统不能发挥其应有的作战效能,甚至造成误匹配.首先分析了烟雾干扰对景象匹配系统特别是实时图滤波的影响,并研究了烟雾干扰模型的主要参数及其可滤波的设计思路,在此基础上提出了相应的滤波算法并辅以Matlab平台进行了仿真分析.结果表明,该算法能够在较大程度上消除烟雾噪声,有效地改善烟雾干扰下的实时图质量,也为烟雾干扰下的实时图滤波技术提供了更为广泛的思路.

图像配准是图像融合技术的基本环节和首要问题,只有经过配准后的图像才能进行有效的融合.其中,小目标由于几乎无特征信息可以利用,所以常规的配准方法都不适用.针对图像识别中小目标的配准问题,分析了其配准特点,创新性地提出了先配准目标视场,再配准目标位置的方法,提出了视场配准的概念.首先运用成像原理,用焦距、分辨率和像元尺寸建立不同CCD之间的视场对应关系,利用此关系完成目标视场的截取放大,使不同CCD得到的图像视场一样大.然后在分析通常采用的最小平均绝对误差(MAD)相关匹配方法缺陷的基础上,提出用最多近邻点距离(MCD)的匹配方法来对准目标位置,完成目标质心的配准.实验结果表明,此方法可以很好地配准小目标,且误差不超过2个像素.由于其针对性强,因而具有较强的实际应用价值.

对基于特征匹配的影像可匹配性评价方法进行了探讨.从分析影像所包含的信息量入手,提出了通过计算影像的信息熵和累加梯度值进行基于特征匹配的影像可匹配性评价方法.通过基于角点特征和Hausdorff距离的影像匹配实验,发现影像信息熵和累加梯度值与影像可匹配性(即正确匹配概率)之间存在很强的相关性,尽管由于地表景观的不同,表现出的具体规律略有差异,但都表现出匹配正确率随影像信息熵和累加梯度的增大而增大的趋势.因此,可通过对影像信息量的评价来进行基准图的自动选取和飞行路径的规划;在实时匹配导航过程中,可根据获取的每一实时影像所含信息量,来决定是否进行匹配,这样既可以保证匹配的正确性,避免误导,又可节省匹配时间.提出方法对基于灰度相关的影像可匹配性评价具有借鉴意义.

离焦模糊图像清晰度评价函数是采用数字图像处理技术实现自动调焦的一个关键,需要不断地提高评价函数的准确性和有效性.深入研究了各种图像梯度的分布情况后发现模糊图像小梯度像素数较大,而清晰图像大梯度的像素数则明显比模糊图像的多,因此可以给梯度加一个阈值,去掉梯度小的值保留梯度大的值,这样可以突出清晰图像的的优势,易于准确判断.首次提出了一种用图像梯度加阈值求和作为由于离焦产生的模糊图像的评价函数,建立了上述评价函数的数学模型,并给出了实验结果和分析.与以往的图像灰度方差、梯度和、小波变换等评价函数相比,给出的评价函数无偏性好、单峰性强,信噪比高,计算量小,在焦平面附近具有变化趋势明显和灵敏度高的特点.

现代成像制导中所使用的红外图像往往存在着噪声大、目标-背景间灰度差较小、边缘较模糊的特点.这些特点会增加边缘提取的难度,因此必须建立更有效的红外图像边缘提取算法以满足需要.针对这些问题,以噪声Gauss分布模型和噪声特征为基础,建立了新型统计学意义下的红外图像边缘检测法.通过对此方法的概率模型进行分析,可以证明在有较大噪声的情况下,只要边缘处的差分值大于一定的值,就能以较大的概率提取出图像边缘.通过在不同情况下与梯度法的抑噪能力进行对比和分析发现,统计边缘提取法的噪声抑制能力要高于梯度法.在与Sobel模板算子法的红外图像边缘检测结果进行仿真和对比后发现,统计法能对红外图像的目标边缘检测取得良好的结果,并且算法具有快速简单的优点.

红外图像的边缘检测是图像处理领域的难题之一.结合红外图像的特点,将最小误差原理推广到模糊域进而应用到红外图像的边缘检测上,提出了一种基于标准差梯度的红外图像模糊边缘检测算法.首先提出了一种基于标准差的梯度算子,将图像中潜在的边缘区域很好地区分出来;而后引入模糊最小误差阈值算法,根据此算法自适应提取了标准差梯度图像中的最优阈值,从而实现了红外图像的目标边缘检测.与传统的基于梯度的红外图像边缘检测算法进行对比实验,结果表明,该算法用于红外图像边缘检测能获得更好的效果.

首先用扩展卡尔曼滤波算法构建了机载红外搜索跟踪系统被动定位滤波模型,然后针对该滤波算法要求先验的噪声统计及存在系统观测模型线性化误差影响滤波精度的特点,利用虚拟噪声技术,提出了适合于红外搜索跟踪系统被动定位的自适应扩展卡尔曼滤波算法,该算法实时地估计了虚拟噪声的统计特性,减小了线性化误差,提高了非线性滤波的精度.仿真结果表明,在完全相同的初始条件下,自适应扩展卡尔曼滤波对目标距离和速度的估计结果明显优于扩展卡尔曼滤波,此算法具有很高的工程应用价值.

针对具有平移、旋转、缩放变换的序列图像连续拼接,提出一种将基于区域特征的配准算法和基于灰度交叉相关的配准算法相结合的拼接算法.该算法用迭代阈值分割算法提取区域,利用区域特征进行配准,建立初始的同名区域对;然后以同名区域对的质心点作为特征点,基于图像的灰度信息,选择交叉相关准则作为度量;最后得到图像间的精确变换关系,实现序列图像的拼接.实验结果表明,算法配准率高,鲁棒性强.

为克服气动光学效应对目标图像的影响,把相位恢复算法与气动光学效应机理研究结合起来,用于湍流退化图像的恢复.该算法是通过目标图像的傅里叶变换幅值来恢复目标图像,或等价地,恢复傅里叶变换相位.讨论了两类相位复原算法--迭代傅里叶变换(IFT)和解相关算法.对现有的解相关算法作了改进,采用共轭梯度法解高斯-牛顿方程,可有效提高算法的收敛速度.IFF算法不能保证迭代过程总能收敛到正确解,有时会出现停滞现象,将IFT和解相关算法组合起来,可以克服IFT算法的停滞现象,提高正确收敛率.给出了在信噪比为20 dB情况下的湍流退化仿真图像恢复的实例,目标图像能较清晰地恢复出来.实验结果表明该算法具有较好的稳定性和抗噪声能力.