湖泊蓝藻水华的精准动态监测, 可为水利及环保部门评价污染水体的防治效果、优化和调整防治政策提供依据。论文以巢湖为研究对象, 利用Landsat TM/OLI、HJ-1B CCD/IRS和NPP-VIIRS三种不同空间分辨率的影像数据, 通过归一化水体指数(Normalized Difference Water Index, NDWI)实现巢湖水域范围提取, 利用归一化植被指数(Normalized Difference Vegetation Index, NDVI)和浮游藻类指数(Floating Algae Index, FAI)提取2010~2014年共22景巢湖蓝藻的爆发区域。进一步的, 对NDVI和FAI两种方法计算的蓝藻爆发区域进行对比分析, 评价Landsat、HJ-1B以及VIIRS三种影像数据对巢湖蓝藻水华空间和时间的监测效果及适用性,进而结合气象因素分析不同气象因子对蓝藻水华爆发的影响。研究结果表明: (1) 相比NDVI指数, FAI指数(Landsat和HJ-1B数据为主, VIIRS数据辅助)能降低薄云对蓝藻水华提取效果的影响, 可提高蓝藻水华爆发区域、程度的识别能力; (2) 气象因子中气温和日照时长加重了蓝藻水华爆发的严重程度, 降水则对蓝藻水华的爆发起到一定的抑制作用。综上所述, 论文引入VIIRS卫星影像研究巢湖蓝藻水华爆发, 利用FAI指数降低薄云对蓝藻水华爆发面积提取精度的影响, 取得的研究结果可为基于多源卫星遥感数据的巢湖蓝藻水华动态监测系统开发提供重要的方法支持, 有利于推进卫星遥感技术在安徽省“河长制”和“湖长制”中发挥重要作用。

由于高光谱遥感图像的混合程度较高, 使得传统的非负矩阵欠逼近(Nonnegative Matrix Underapproximation, NMU)算法所提取的基本成分仍然“不纯”, 且易受噪声影响。针对这些不足, 提出了一种基于L1/2正则化的软阈值NMU逐次光谱解混算法。首先, 通过引入丰度的L1/2正则项来增强算法的地物区分能力, 进而提高所分离地物的纯度; 其次, 利用软阈值惩罚函数代替NMU中的残差非负约束, 通过调节惩罚因子来控制非负元素的数量, 从而提高算法的抗噪性能。在仿真数据和实测数据上的实验结果表明, 即使在有噪声的条件下, 该算法也能得到较好的分离结果。

为了提高激光反射断层成像目标重构的图像质量, 在目前激光反射断层成像普遍采用反投影算法重构图像的基础上, 将CT成像中常用的迭代重建算法引入到激光反射断层成像的图像重构过程中。分析了反投影算法中的直接反投影、R-L和S-L滤波反投影以及迭代重建算法在图像重构中的性能特性。进行了仿真和外场实验, 结果表明: 在直接反投影基础上添加了滤波器的反投影算法在减小误差和抑噪能力上都明显提高; 另外相比于反投影算法, 代数迭代重建算法表现出更好的重建质量, 且具有更强的抑噪性能。

针对圆周合成孔径雷达成像模式下应用参数化估计的三维成像算法效率低、精度差的问题, 提出一种基于最小能量准则的参数估计圆周SAR三维成像算法。该算法首先对成像场景进行粗略网格划分, 利用参数估计的方法得到目标的粗略位置, 其次利用最小能量准则和精细化网格的方法得到目标精确三维位置和散射强度系数, 最后通过CLEAN技术消除已估计点带来的影响, 实现场景的三维成像。仿真实验结果表明: 所提成像方法能有效对圆周观测下目标进行三维成像, 同时与传统算法相比, 解决了传统算法效率低、对目标估计不准确的问题, 验证了所提算法的有效性。

为解决传统柱透镜自由立体投影显示中像差和视几何引起的串扰和视点数受限问题, 基于回归反射, 提出了一种棱镜反射光栅自由立体投影显示方法。通过分析其3D成像的原理, 对棱镜反射光栅自由立体投影显示进行仿真, 发现该方法在水平视宽相同的条件下, 视场照度是柱透镜光栅投影的10倍, 而其串扰比是柱透镜光栅投影的1/5, 且不存在次视区。制作了棱镜反射光栅屏, 并搭建系统进行实验, 验证了棱镜反射光栅自由立体投影显示方案的可行性。

红外目标跟踪在**和民用视频监控领域有重要的研究意义, 但受热成像原理限制, 红外目标分辨率低、对比度低、纹理信息缺失。针对红外目标特征信息量少导致跟踪性能较低的问题, 提出一种基于自适应响应融合的相关滤波跟踪算法。该算法基于连续卷积运算的相关滤波跟踪框架, 通过构造视觉显著性特征来增强目标外观描述, 并结合对冲决策理论对由不同特征计算得到的多个滤波响应进行自适应融合, 最终根据融合响应预测目标中心位置。此外, 通过尺度滤波器来实现目标的尺度预测, 得到完整的跟踪结果。在公开的红外视频数据集VOT-TIR2016进行测试, 实验结果表明: 与同类算法相比, 该算法表现出更高的跟踪精确度和鲁棒性。

为了进一步提高图像超分辨率重建的质量, 针对非局部集中稀疏表示算法中重建图像的噪声问题, 提出了一种基于专家场先验模型的图像超分辨率重建改进算法。首先, 利用专家场模型从图像训练集中学习整幅图像的先验知识建立全局先验模型; 然后将学习到的先验信息用于非局部集中稀疏表示模型求解最优稀疏表示系数; 最后, 得到高分辨率图像估计。该算法在超分辨率重建迭代运算的同时, 同步更新专家场模型参数, 因此在不显著增加运算复杂度的情况下, 通过选取合适的先验约束, 有效地增强了图像重建的效果。实验结果表明: 相比非局部集中稀疏表示算法, 文中算法对无噪和有噪降质图像均能取得较好的峰值信噪比结果, 并且能够进一步提高有噪图像的去噪效果。

提出了一种基于深度学习的红外与可见光决策级融合检测方法。首先, 提出了一种介于深度学习模型之间的参数传递模型, 进而从基于深度学习的可见光物体检测模型上抽取了用于红外物体检测的预训练模型, 并在课题组实地采集的红外数据集上进行fine-tuning, 从而得到基于深度学习的红外物体检测模型。在此基础上, 提出了一种基于深度学习的红外与可见光决策级融合检测模型, 并对模型设计、图像配准、决策级融合过程进行了详细地阐述。最后, 进行了白天和傍晚条件下基于深度学习的单波段检测实验和双波段融合检测实验。定性分析上, 由于波段之间的信息互补性, 相比于单波段物体检测, 双波段融合物体检测在检测结果上具有更高的置信度和更精确的物体框; 定量分析上, 白天时, 双波段融合检测的mAP为86.0%, 相比于红外检测和可见光检测分别提高了9.9%和5.3%; 傍晚时, 双波段融合检测的mAP为89.4%, 相比于红外检测和可见光检测分别提高了3.1%和14.4%。实验结果表明: 基于深度学习的双波段融合检测方法相比于单波段检测方法具有更好的检测性能和更强的鲁棒性, 同时也验证了所提出方法的有效性。

鉴于当前光学抛物面面形参数计算模型的复杂性, 为解决直接基于抛物面的有限元分析数据, 获取高精度抛物面面形参数的计算问题, 提出了一种新的光学抛物面形参数计算方法。首先, 提出了光学抛物面有限元离散误差的概念, 并对其消除技术进行了研究, 这也是高精度算法的关键数据处理环节; 其次, 采用刚体位移数据处理算法分离了抛物面面形的刚体位移与面形畸变位移; 最后, 采用最优化设计算法获取了抛物面面形均方根等参数计算所需的基础数据。在对抛物面面形参数计算方法研究的基础上, 讨论了其算法实现, 并对算法程序的正确性进行了校验。校验结果表明: 高精度抛物面面形参数计算方法计算精度高, 算法校验误差在6%左右, 该算法精度能够满足工程需求; 为外部热力载荷作用下, 光学面形参数的高精度计算提供了新的技术参考。

目标跟踪技术是一项富有挑战性的研究课题, 在红外成像搜索、红外精确制导、智能监控、运动识别等领域有着广泛的应用。文中提出了一种基于稀疏表示多子模板的鲁棒目标跟踪算法。首先, 提出一种基于自适应辨别信息的子模板选择方法, 最大限度地捕捉目标的结构信息, 提高模板子块的整体描述; 针对直方图对光照敏感的缺点, 引入了稀疏表示理论对子模板进行描述, 提高模板子块的表达能力和适应能力; 其次通过构造表决图的形式对目标位置进行表决和融合决策; 最后设计了一种动态的子模板更新策略, 来有效地应对目标外观模型的变化。在大量测试图像序列中的仿真实验表明, 文中所提算法可以有效应对形变、光照变化、部分遮挡、完全遮挡以及虚假目标干扰和背景干扰, 具有较高的鲁棒性。