针对曲率驱动扩散(CDD)修复算法迭代次数多、花费时间长及无法修复边界破损图像等问题,提出了一种基于腐蚀处理和多参数因子的CDD修复算法。对待修复图像的掩模进行腐蚀处理,从而避免因掩模过大造成的时间消耗。在曲率计算中引入自然对数指数因子,并在梯度模值计算中引入线性指数因子。通过调节不同指数因子中的参数值,避免了不合理的梯度模值、曲率值对扩散速度的影响。在曲率和梯度模值的计算中引入随迭代次数变化的自适应正提升参数,使受损区域能够被较好地修复。最后,根据边界破损的图像边界所处的位置加入相应的边界处理条件,解决了边界破损点无法得到修复的问题。仿真实验表明,改进后的CDD修复算法不但提高了图像修复速度,而且能够很好地修复边界有破损的图像。

以三种飞机模型作为待识别目标, 模拟真实场景, 对用于多目标分类识别的级联神经网络重新进行了研究。 实验发现识别率下降的主要原因是实际采集的目标发生的复杂畸变与计算机模拟产生的效果并不一样。 用采集得到的目标图像作为训练样本, 对网络重新构造和训练, 取得了好的实验结果。 分析了其中涉及到目标定位、 图像分割等图像预处理问题。 提出了一种基于二值图像形态学腐蚀运算的快速目标检测定位法, 可快速有效地对目标进行检测定位。