针对单独采用SVD或形态学对故障信号降噪效果不理想的问题, 提出一种基于多尺度形态学的SVD降噪方法。首先, 在SVD降噪原理上, 通过循环矩阵法重构矩阵;其次, 针对重构信号矩阵的有效阶次大小会影响消噪效果, 在MMRR奇异值比法基础上, 采用相邻特征极值的比值作为目标函数, 估计有效阶数, 确定奇异值有效数进而还原信号;最后, 设计一种基于多尺度形态学的SVD滤波器, 选择合适的结构元素, 并将形态学的开闭运算进行自适应组合。仿真验证表明,该改进方法可以显著提高信噪比, 有效滤除故障信号中的冲击信号、白噪声等, 较单独的SVD或形态学降噪方法抗噪能力强, 具有一定工程应用价值。

针对飞行时间相机获取深度图像分辨率低,并受成像噪声干扰的问题,提出一种插值深度图和高分辨率彩色图像联合约束的二阶广义全变分(TGV)深度图超分辨率重建方法。首先利用传统插值和多尺度形态学方法进行预处理,获取插值深度图的梯度信息,然后将插值深度图和同场景高分辨率彩色图像两者的梯度信息联合,对二阶TGV模型中的正则化项加以优化:计算各项异性扩散张量时结合插值深度图的梯度信息;引入由插值深度图梯度信息决定的加权因子,控制重建过程中扩散强度。最后通过原始对偶算法完成深度图的超分辨率重建。实验结果表明,本文方法在抑制噪声的基础上,有效保护了深度边缘,可以获得较好的高分辨率深度图像。

为了精确地检测到舰船目标, 提出了一种基于多特征、多尺度视觉显著性的海面舰船目标检测方法。该方法首先利用多尺度自适应的顶帽算法抑制云层、油污的干扰, 然后提取双颜色空间特征以及边缘特征构成双四元数图像进行舰船显著性检测。 由于充分利用了双四元数图像, 故可对多个特征尺度进行处理, 并保证不同尺度特征之间关联性。该方法还利用人眼对不同用大小的图像关注目标不同的特点对图像进行上下采样以避免漏检和检测重叠。在得到显著图后利用自适应图像分割（OTSU）算法确定舰船所在的区域, 并在原图上标定、提取舰船目标。在多种海面情况下进行了实验分析, 结果表明: 该算法可以排除多种干扰, 精确地检测到舰船目标, 真正率达97.73%, 虚警率低至3.37%, 相较于他频域显著性检测算法在舰船检测方面有明显的优势。

针对实际应用中激光主动成像图像的特点，提出了一种基于小波的非线性增强和多尺度形态学相结合的方法对激光主动成像图像进行边缘检测。从小波多分辨分析出发，区分噪声和图像的边缘细节，构造基于小波的非线性增强算法对图像的边缘细节适度增强。引入多尺度形态学对增强后的图像进行边缘提取，利用大尺度形态算子抑制噪声，小尺度形态算子提取目标边缘细节信息，获得了较清晰的图像边缘。实验结果表明，与传统的边缘检测方法相比，该方法能够检测到完整清晰的激光主动成像图像边缘，且抗噪性能良好。

为解决红外搜索系统中场景起伏造成的背景预测不准确这一问题，提出了一种自适应调整的空间滤波方法。该算法在估计背景的同时，对背景残差进行计算，根据残差值调整滤波参数，使背景残差趋于最小，以适应背景的起伏。当背景包含较多复杂因素时，不利于目标提取，多尺度形态学算子通过不同尺度不同形态的结构体参与计算，可以全面地估计背景，进一步抑制背景残差，再通过计算图像全局阈值，自适应分割出潜在目标。采用并行运算，可将算法实现于现场可编程器件(FPGA)上。试验结果表明：即使当场景较复杂，场景信噪比较低时，依然可以使处理后的图像信噪比大于3，从而可显著提高红外搜索系统的检测概率，实现弱小目标的检测。

国家自然科学基金(No.10676008)

提出一种基于目标及背景结构特征的多尺度形态学图像处理方法,针对弱目标和背景噪声的结构差异,选择合适的结构元素和合理的形态算子达到较好的滤波效果.形态滤波器是从数学形态学中发展出来的一类新型非线性滤波器.由于形态算子实质上是表达物体或形状的集合与结构元素之间的相互作用,结构元素的形态决定了这种运算所提取的信号的形态信息,因此数学形态学对信号的处理具有直观上的简单性和数学上的严谨性,使数学形态学在描述信号形态特征上具有独特的优势.通过改变结构基元的尺度,对图像进行多尺度分析,能准确提取图像在不同尺度下形状的分层特征和有用信息.