本文選題：靶場圖像　切入點：圖像復原　出處：《中國科學院光電技術(shù)研究所》2017年博士論文

【摘要】：靶場試驗是獲取飛行器性能指標的重要觀測手段,能夠?qū)崿F(xiàn)對飛行器特性參數(shù)的測量,由光學觀測系統(tǒng)獲得的靶場光學圖像是這些參數(shù)信息的載體,圖像的質(zhì)量直接決定了參數(shù)信息獲取的準確性和精度。但是由于受多種因素的影響,飛行器試驗靶場目前裝備的光學測量設備的輸出圖像存在退化,觀測目標往往模糊不清,給參數(shù)測量帶來困難,降低了測量結(jié)果的可靠性。而通過提高探測器性能或改進觀測系統(tǒng)結(jié)構(gòu)等方式來提高獲取觀測圖像質(zhì)量,不僅存在技術(shù)瓶頸還會增加觀測成本。相比之下,采用數(shù)字圖像處理技術(shù)對靶場退化圖像進行復原,不僅能夠有效改善圖像質(zhì)量而且成本低廉,能夠滿足靶場試驗的應用要求。因此,研究適合靶場圖像的復原算法具有重要的應用價值。本文針對靶場圖像的復雜退化條件和觀測目標的多模式特點,分別從特定退化類型模糊圖像復原算法研究、靶場目標飛行模式與圖像退化類型辨識及靶場復原圖像質(zhì)量盲評價三個方面開展研究工作,初步實現(xiàn)了復原算法的自動選擇,算法參數(shù)的自動優(yōu)化,達到了靶場復原圖像質(zhì)量能夠自動優(yōu)化的效果,緩解了因靶場圖像數(shù)據(jù)量大而給試驗科研人員帶來的工作壓力。主要研究內(nèi)容及創(chuàng)新點如下:1)針對靶場圖像低對比度和低信噪比的特點,通過直方圖均衡和BM3D去噪算法對其進行預處理,提升了靶場圖像的對比度和信噪比,降低了靶場圖像的復原難度。并針對靶場圖像中存在的三種退化過程分別選用了相應算法進行復原:使用基于自解卷積的復原算法對靶場離焦模糊圖像進行了復原;使用基于中頻的維納濾波算法對靶場高斯模糊圖像進行了復原;提出了一種基于圖像顯著結(jié)果信息的運動模糊圖像復原算法,對靶場運動模糊圖像進行了復原,取得了良好的復原效果。2)由于靶場圖像退化過程復雜且目標飛行狀態(tài)具有多種模式,無法使用單一復原算法實現(xiàn)有效復原,為了解決該問題,需要從飛行器飛行狀態(tài)和觀測圖像中提取先驗信息,對圖像退化類型進行辨識。本文提出了基于靶場觀測目標尾焰分割圖像的目標飛行模式辨識算法和基于靶場圖像自相關(guān)檢測的退化類型辨識算法,以目標飛行模式和觀測圖像自相關(guān)檢測結(jié)果為依據(jù),為靶場圖像退化類型與復原算法模型匹配提供了可靠的參考信息。3)由于靶場試驗的特殊性,無法獲得靶場清晰圖像,所以難以使用傳統(tǒng)的圖像質(zhì)量評價算法對靶場復原圖像的質(zhì)量進行客觀評價,為了解決該問題,結(jié)合靶場圖像特點對現(xiàn)有算法進行改進,本文提出一種針對靶場復原圖像質(zhì)量的盲評價算法,以靶場復原圖像中存在的噪聲、振鈴及殘留模糊等影響圖像質(zhì)量的干擾因素作為質(zhì)量特征,以監(jiān)督學習為技術(shù)手段,將復原圖像質(zhì)量特征的加權(quán)計算結(jié)果作為圖像客觀質(zhì)量的分數(shù),實現(xiàn)了對靶場復原圖像質(zhì)量的客觀評價。4)由于靶場圖像數(shù)據(jù)量大,難以采用人工選擇復原算法和相應參數(shù)的方式對靶場圖像逐幀復原和優(yōu)化,為了解決該問題,本文提出了一種有效融合靶場圖像預處理、靶場目標飛行模式辨識、靶場圖像退化類型辨識、典型靶場模糊圖像復原算法及靶場圖像復原質(zhì)量盲評價算法的靶場圖像復原算法總體實現(xiàn)方案,能夠?qū)崿F(xiàn)靶場圖像退化類型和復原算法模型的匹配,并以復原圖像質(zhì)量盲評價算法的分數(shù)為反饋對復原算法參數(shù)進行優(yōu)化,實現(xiàn)在現(xiàn)有靶場圖像復原算法下的復原圖像質(zhì)量優(yōu)化,有效的提升了復原算法效率和靶場圖像的復原效果。
[Abstract]:......
【學位授予單位】：中國科學院光電技術(shù)研究所
【學位級別】：博士
【學位授予年份】：2017
【分類號】：V217;TP391.41

【相似文獻】

相關(guān)期刊論文 前10條

1 韓雙旺;崔兆順;鮑麗紅;李德錄;;基于目標圖像的提取與測量[J];上海工程技術(shù)大學學報;2007年04期

2 劉進;孫婧;徐正全;顧鑫;;基于目標的圖像輕量級加密[J];華中科技大學學報(自然科學版);2011年06期

3 胡君;一種快速求圖像目標質(zhì)心的方法[J];光學精密工程;1998年05期

4 宋修銳;吳志勇;;圖像通用目標的無監(jiān)督檢測[J];光學精密工程;2014年01期

5 趙玉鳳;趙耀;朱振峰;;一種新的基于區(qū)域的圖像相似性計算[J];鐵道學報;2007年01期

6 徐朝倫,王曉湘,柯有安;一種新的圖像自動門限分割方法[J];北京理工大學學報;1997年02期

7 王海英,郭志芬;一種復雜圖像目標的分割與識別[J];北京理工大學學報;2000年02期

8 葛云;章東;;活體細胞圖像斑點的自動提取和跟蹤方法[J];東南大學學報(自然科學版);2009年03期

9 呂宇波;蘭培真;;航拍圖像海上目標定位算法[J];上海海事大學學報;2011年04期

10 劉吉平,趙鵬大;圖像異常檢測方法與應用研究[J];地球科學;1999年05期

相關(guān)會議論文 前5條

1 張林怡;王運鋒;王建國;;分維數(shù)在SAR圖像海岸線檢測中的應用研究[A];第十屆全國信號處理學術(shù)年會（CCSP-2001）論文集[C];2001年

2 李吉成;魯新平;楊衛(wèi)平;張志龍;高穎慧;沈振康;;圖像目標的自動識別和快速篩選技術(shù)[A];2006年全國光電技術(shù)學術(shù)交流會會議文集（D 光電信息處理技術(shù)專題）[C];2006年

3 佘二永;;SAR圖像目標解譯技術(shù)分析[A];第九屆全國信息獲取與處理學術(shù)會議論文集Ⅰ[C];2011年

4 趙朝杰;朱虹;黎璐;董敏;袁承興;;基于內(nèi)容感知的圖像非等比例縮放[A];第十四屆全國圖象圖形學學術(shù)會議論文集[C];2008年

5 奚惠寧;;淺談有關(guān)醫(yī)學圖像的專利申請如何判斷是否是非授權(quán)客體[A];2013年中華全國專利代理人協(xié)會年會暨第四屆知識產(chǎn)權(quán)論壇論文匯編第二部分[C];2013年

相關(guān)博士學位論文 前10條

1 錢智明;面向圖像標注的張量表示與語義建模方法研究[D];國防科學技術(shù)大學;2015年

2 吳俊峰;基于視覺顯著性的圖像檢索算法研究[D];大連海事大學;2017年

3 楊發(fā)盛;復雜退化條件下靶場圖像多模式盲復原技術(shù)研究[D];中國科學院光電技術(shù)研究所;2017年

4 鄧劍勛;多示例圖像檢索算法研究及在人臉識別中的應用[D];重慶大學;2012年

5 王亮申;圖像特征提取及基于內(nèi)容圖像數(shù)據(jù)庫檢索理論和方法研究[D];大連理工大學;2002年

6 魏波;點時空約束圖像目標跟蹤理論與實時實現(xiàn)技術(shù)研究[D];電子科技大學;2000年

7 劉俊;基于鉬靶圖像的計算機輔助乳腺癌檢測系統(tǒng)中關(guān)鍵技術(shù)研究[D];武漢科技大學;2012年

8 付華柱;圖像協(xié)同關(guān)聯(lián)性約束的研究與應用[D];天津大學;2013年

9 廖宜濤;基于圖像與光譜信息的豬肉品質(zhì)在線無損檢測研究[D];浙江大學;2011年

10 陳海林;基于判別學習的圖像目標分類研究[D];中國科學技術(shù)大學;2009年

相關(guān)碩士學位論文 前10條

1 徐衍魯;基于改進的K-means和層次聚類方法的詞袋模型研究[D];上海師范大學;2015年

2 甘洪涌;SAR圖像自動目標識別算法研究[D];哈爾濱理工大學;2014年

3 張玉營;基于認知理論的高分辨率PolSAR圖像目標解譯算法研究[D];哈爾濱工業(yè)大學;2015年

4 王帥;視頻中扇貝圖像的檢測與定位研究[D];大連海洋大學;2015年

5 李偉;改進的主顏色提取方法及自適應權(quán)重圖像檢索算法研究[D];華中師范大學;2015年

6 李星云;碼垛機器人視覺控制關(guān)鍵技術(shù)的研究[D];西南科技大學;2015年

7 梁，

本文編號：1716480