海军航空大学航空作战勤务学院，山东 烟台264000
高光谱成像技术源于遥感探测，具有谱图合一的独特优势，在农林、地矿、防伪和环境保护等领域的应用日益广泛。作为高光谱技术最常见和最基本的功能，目标分类在各个高光谱领域的应用均具有至关重要的作用。综述了高光谱目标分类技术的发展现状，分析了高光谱数据的结构特点，归纳了高光谱目标分类的一般流程，并详细阐述了数据读取、图像预处理和目标分类等高光谱目标分类流程的主流方法及其基本原理。结合近年来的典型案例，分析了高光谱目标分类的过程，并对其发展趋势进行了分析和展望。
高光谱 目标分类 图像预处理 特征提取 hyperspectral target classification image preprocessing feature extraction
1 西安石油大学，陕西 西安 710065
2 青海民族大学物理与电子信息工程学院，青海 西宁 810007
当前的动态目标识别方法在场景复杂的图像中，因为无法采集足够多的特征信息，导致识别结果应用性受限。基于三维激光点云提出一种运动图像动态目标识别方法。利用三维扫描系统获取运动点云图像特征，在不影响有效信息采集的情况下，进行图像预处理；引入地平面方程，将图像背景点云与被识别目标点云通过欧式聚类法分割，提取处理后的被识别目标关键点，并采用Freeman链码检测边缘特征，完成运动图像动态目标识别。试验对比结果表明，所研究基于三维激光点云的运动图像动态目标识别方法，对动态目标有良好的鉴别能力及较好的识别精度，且所需动态目标识别时间较短。
动态目标识别 三维扫描系统 点云图像 图像预处理 关键点提取 边缘特征检测 dynamic target recognition three-dimensional scanning system point cloud image image preprocessing key point extraction edge feature detection
未来战争将向海陆空天一体化、海量数据信息化发展，舰船作为海洋信息感知的重要目标，其检测技术的发展对于红外安全防御系统具有重要意义。根据红外载荷成像特点，提出了红外目标检测的基本框架，并详细介绍了预处理、目标粗检和目标鉴别三个关键步骤的研究现状，在此基础上对各种算法进行比较并指出其适用性和优缺点，最后对其未来发展趋势进行了展望。
遥感图像 图像预处理 显著性 形态学处理 感兴趣区域 remote sensing image image preprocessing saliency morphological processing region of interest
1 中国科学院空天信息创新研究院, 北京 100094
2 中国科学院大学, 北京 100049
3 首都航天机械有限公司, 北京 100076
分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时, 受云、水等特殊地物的影响, 利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法, 该算法利用三维信息约束的SIFT算子提高配准精度, 同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明, 利用该方法对分视场多光谱相机数据进行预处理时, 即使图像上存在云、水等特殊区域的地物, 结果图像仍能保持高精度配准且无条带噪声。
分视场滤光片型 多光谱相机 SIFT算子 多光谱图像预处理 split-field filter type multispectral camera SIFT operator multispectral image preprocessing
1 辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛125105
2 辽宁工程技术大学研究生学院, 辽宁 葫芦岛125105
3 中国科学院沈阳自动化研究所机器人学国家重点实验室, 辽宁 沈阳110016
4 中国科学院机器人与智能制造创新研究院, 辽宁 沈阳110016
对水下图像预处理和目标检测识别、跟踪关键技术进行了详细的归纳总结。根据是否需要构建模型,将水下图像预处理分为图像增强和图像复原,论述了增强和复原方法的基本思想及方法特点。对水下光学图像的目标检测识别与跟踪原理和方法的研究进展进行全面阐述。通过对以上各个过程研究成果的总结分析,梳理了水下目标探测各关键技术中存在的重点解决问题与相关难点问题,讨论了其解决思路和进一步发展方向。
图像处理 数字图像处理 水下图像预处理 水下目标检测识别 水下目标跟踪 深度学习 激光与光电子学进展
2020, 57(6): 060002
现有交通标志识别技术, 存在高识别率高功耗或者低识别率低功耗的问题, 构建了新轻量级WACNN的识别算法。首先, 利用TensorFlow构建6层卷积神经网络, 其中前三层为卷积池化层, 四层为1×1卷积层, 五层为全连接层, 六层为输出层, 前四层再加入批量归一化方法。其次, 使用直方图均衡对交通图像预处理。最后, 模型在GTSRB上进行实验, 实验结果表明, 所提模型不仅极大缩短了训练时间, 且识别准确率也能达到了97％。
交通标志识别 卷积神经网络 批归一化 图像预处理 traffic sign recognition convolutional neural network batch normalization image preprocessing
1 沈阳理工大学 自动化与电气工程学院，沈阳 110159
2 中国科学院沈阳自动化研究所 机器人学国家重点实验室，沈阳 110016
3 沈阳理工大学 通信与网络工程中心，沈阳 110159
针对特定工作条件下机器人位姿测量问题，研究和设计了一种简易的基于单目视觉的位姿测量系统，提出了一种精确的靶标检测算法与单目视觉测量方法相结合的方案，可实现机器人位姿的测量。首先，通过图像预处理和靶标检测算法提取靶标在图像中的坐标，其中图像预处理包括中值滤波、边缘检测和图像形态学膨胀等过程。然后进行测量模型的标定，用最小二乘法求解模型参数，利用建立的测量模型进行坐标系的转换，将所得靶标图像二维像素坐标转换成三维世界坐标，从而得到靶标在世界坐标系中的位姿。实验证明了该方法的准确性和有效性，满足测量要求。
位姿测量 单目视觉 图像预处理 测量模型 pose measurement monocular vision image preprocessing measurement model
构建了近地背景下的小目标图像模型, 提出了一种基于暗图像处理和改进非局部均值滤波的红外图像预处理算法。采用图像去雾思想, 将红外图像类比为有雾图像, 通过暗通道去雾方法实现近地背景抑制, 并引入相似度权值阈值改进双边 NLM(Non-Local Means)算法, 减少邻域内相似度权值较低的像素点对灰度值估计的影响, 得到预处理后的红外图像。实验表明, 对于近地背景下红外弱小目标检测, 该算法能够有效抑制背景, 增强目标与背景对比度, 提高红外图像预处理性能。
弱小目标检测 红外图像预处理 暗通道去雾 非局部均值滤波 small target detection infrared image preprocessing dark channel prior non-local means filtering
对于大型圆环零件的圆度测量目前主要采用人工接触式测量, 工作效率较低。针对接触式测量的缺点, 以基于机器视觉的非接触式测量技术对大型圆环零件圆度测量展开研究, 测量过程中无需与待测零件直接接触, 通过采集零件部分圆弧图像, 利用拟合算法得到圆度及同心度数据。首先对采集到的图像进行预处理, 针对采集图像存在噪声等因素的影响, 选择处理效果最佳的双边去噪算法；其次在边缘检测及轮廓提取环节, 在基于传统Canny边缘检测的基础上研究实现了改进后的Canny自适应边缘检测算法；在图像拟合环节, 基于传统的最小二乘拟合算法做了改进, 即最小二乘迭代拟合算法对大型圆环零件部分圆弧进行迭代拟合, 验证了该算法的有效性及优越性。本测量方法操作方便、可靠, 提高了检测效率, 可在误差允许的范围内快速测量出零件的尺寸。
机器视觉 图像预处理 Canny边缘检测 最小二乘法 machine vision image preprocessing Canny edge detection least squares
