脉冲序列式图像传感器是一种高速仿生视觉图像传感器，其成像质量受噪声的影响而下降。其中，空间噪声源于比较器等器件的失配，时间噪声源于随机性噪声和同步读出机制下的单码闪烁噪声。本文基于噪声研究和传感器原理建立了噪声模型，仿真预测了不同光电流和积分压降等参数下噪声引起的时间误差率。结果表明：积分压降的增加会减小单码闪烁噪声导致的时间误差率的波动及其他噪声引起的时间误差率；光电流的增加会增大单码闪烁噪声引起的时间误差率的波动；结电容的增加会增大时间噪声引起的时间误差率。最后测试了芯片在脉冲间隔重建方式下的噪声特性，验证了上述分析的正确性。研究结果对于优化脉冲序列传感器的设计、处理噪声和重建出稳定的图像具有指导意义。

针对带状序列无人机影像自检校空中三角测量时存在相机参数误差累积过大的问题, 提出一种分类自检校(CSC)方法。该方法首先根据影像的GPS位置信息建立KD树, 并利用K-Means进行自分类; 然后对每类影像分别进行自检校光束法平差, 将自检校得到的多组相机参数进行加权平均; 最后进行全局自检校光束法平差。多组实验表明, CSC方法与室内检校场检校参数的像点畸变不符值均方根误差为0.5像素, 检查点点位均方根误差为10.1 cm, 且较Smart3D, VisualSFM和COLMAP软件能更精确地表示数据的原始姿态。综上, CSC方法可为带状区域无人机影像自检校空中三角测量提供一种有效的方案, 具有较强的实践应用价值。

为探究光斑图像在飞秒激光加工过程中的实际意义, 采集等离子体光斑图像并对图像的深度进行提取及分析。本文提出了一种基于图像序列的焦点深度提取(Depth Extraction from Focus Sequence)的方法, 可以有效地解决图像的特征点提取与匹配的问题, 得到更加精确的深度信息。首先, 采用主成分分析(PCA)方法和高通滤波结合的方法对输入的序列图像进行预处理。其次, 各向异性热扩散算法来增强空间频率特征, 增加光斑图像与背景区域的灰度反差值, 得到完整的光斑图像, 并对获得的图像进行像素提取, 选择其中级别最好的像素。然后用矩形中值滤波器过滤光斑的像素图像, 得到更加平滑, 噪声更少的图像。最后, 提取图像的深度信息, 并与传统方法得到的结果进行对比分析, 证实此方法优于传统的图片深度的提取方法, 提高了光斑三维形貌精度, 光斑能级层数得到了细化, 能级层数比传统方法增加了125%。

针对目标跟踪处理系统中的视线角速率提取问题, 提出一种利用单成像探测器所得序列图像求导视线角速率的方法。利用序列图像中的运动目标图像坐标解算得到体视线角, 通过图像匹配得到弹体姿态角, 进而求解得到视线角速率。实验结果表明: 结合图像跟踪算法可实时得到体视线角, 使用图像匹配可以较好地解算得到弹体姿态角, 解算结果误差小于±5%; 在体视线角和弹体姿态角均包含噪声的前提下, 使用卡尔曼滤波可以较好地还原视线角速率。该方法适用于微小型飞行器制导探测, 可以省去陀螺仪等惯性元件, 实现探测装置的轻量化、小型化, 具有实际的应用价值。

针对空中飞行目标姿态测量问题,提出一种新的光学测姿实现方法,对光学多站测姿实施复杂、单站测姿成像要求高等问题进行改进.该方法充分利用了目标飞行连续影像信息和相应的外弹道位置数据,首先通过目标位置数据确定目标轴线向量起点,根据轴线向量终点的约束方程确定向量终点;然后通过偏航角、俯仰角与轴线向量起点、终点的关系,解算目标姿态角;最后通过姿态连续变化的先验信息,确定解算结果的唯一值.仿真计算和精度分析表明,可实现测姿误差总体小于1°,表明提出的方法兼顾了便捷性和测量精度,具有较高工程应用价值.

为了将同一场景中具有重叠区域的序列图像合成一幅宽视角、高分辨率的图像, 提出了一种结合尺度不变特征变换(SIFT)算法和Canny特征边缘提取的方法进行图像拼接。实验结果表明所提方法与SIFT算法相比, 其参考特征点及待拼接特征点所需个数分别降低了26.56%和51.71%, 匹配点对数降低51.65%, 图像拼接用时降低了9.49%。此方法提高了图像拼接的精确性和实时性, 能较好地解决图像间存在光照、旋转、尺度变换、仿射等问题, 实现无人工干预的自动拼接。

实施移动目标检测时, 由于移动阴影与运动目标具有相似的运动特性, 常严重影响检测结果。本文假设视频序列中当前图像的阴影区域与对应的背景部分有相同的纹理特征, 提出一种新的基于纹理特征的移动阴影检测方法。为了实现纹理特征的表达, 在阴影检测过程中提出了几种纹理相似度测量方法, 并通过计算当前图像与背景图像的纹理相似度值来区分当前图像中阴影区域和前景目标。另外, 基于Ostu算法(大津算法)提出了一种自适应的阴影分割方法, 并分别对室内和室外环境下采集的视频进行了阴影检测。定性和定量分析表明, 在具有显著纹理结构的视频序列下, 所提出的方法对于阴影检测有很好的效果, 而对于图像模糊并伴有噪声的图像检测精度会有所降低。

针对红外运动弱小目标检测中单帧图像检测率低的问题, 在分析了红外图像中运动弱小目标特性的基础上, 提出了一种基于序列图像分组决策检测红外弱小目标的方法。该方法利用图像差分法进行目标信息的提取, 对图像进行扩边, 选取连通域质心来构建滑动邻域块, 最后充分利用目标航迹的连续性和噪声的随机分布特性进行目标位置的决策。实验证明, 序列图像检测方法对红外弱小目标的检测率要高于单帧图像检测率。

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.

分形特征参数对于自然背景和人造目标存在着本质差别,充分利用这些差别,能为目标检测提供一种新思路,就分形技术在数字图像处理领域中目标检测方面的应用进行了讨论.分形的应用总是以各种分形参数为中介,有时完全依赖于分形参数,有时将分形参数和其他参数相结合,有时将分形方法和其他方法相结合,在处理的不同阶段分别采用分形方法和其他方法.对几种分形特征参数的估算方法及其在目标检测中的应用进行了研究.