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

【摘要】：靶場試驗(yàn)是獲取飛行器性能指標(biāo)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(xué)觀測系統(tǒng)獲得的靶場光學(xué)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(zhǔn)確性和精度。但是由于受多種因素的影響,飛行器試驗(yàn)靶場目前裝備的光學(xué)測量設(shè)備的輸出圖像存在退化,觀測目標(biāo)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(jìn)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(jìn)行復(fù)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(yàn)的應(yīng)用要求。因此,研究適合靶場圖像的復(fù)原算法具有重要的應(yīng)用價(jià)值。本文針對靶場圖像的復(fù)雜退化條件和觀測目標(biāo)的多模式特點(diǎn),分別從特定退化類型模糊圖像復(fù)原算法研究、靶場目標(biāo)飛行模式與圖像退化類型辨識及靶場復(fù)原圖像質(zhì)量盲評價(jià)三個方面開展研究工作,初步實(shí)現(xiàn)了復(fù)原算法的自動選擇,算法參數(shù)的自動優(yōu)化,達(dá)到了靶場復(fù)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(yàn)科研人員帶來的工作壓力。主要研究內(nèi)容及創(chuàng)新點(diǎn)如下:1)針對靶場圖像低對比度和低信噪比的特點(diǎn),通過直方圖均衡和BM3D去噪算法對其進(jìn)行預(yù)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(fù)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(yīng)算法進(jìn)行復(fù)原:使用基于自解卷積的復(fù)原算法對靶場離焦模糊圖像進(jìn)行了復(fù)原;使用基于中頻的維納濾波算法對靶場高斯模糊圖像進(jìn)行了復(fù)原;提出了一種基于圖像顯著結(jié)果信息的運(yùn)動模糊圖像復(fù)原算法,對靶場運(yùn)動模糊圖像進(jìn)行了復(fù)原,取得了良好的復(fù)原效果。2)由于靶場圖像退化過程復(fù)雜且目標(biāo)飛行狀態(tài)具有多種模式,無法使用單一復(fù)原算法實(shí)現(xiàn)有效復(fù)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(yàn)信息,對圖像退化類型進(jìn)行辨識。本文提出了基于靶場觀測目標(biāo)尾焰分割圖像的目標(biāo)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(biāo)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(fù)原算法模型匹配提供了可靠的參考信息。3)由于靶場試驗(yàn)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(jià)算法對靶場復(fù)原圖像的質(zhì)量進(jìn)行客觀評價(jià),為了解決該問題,結(jié)合靶場圖像特點(diǎn)對現(xiàn)有算法進(jìn)行改進(jìn),本文提出一種針對靶場復(fù)原圖像質(zhì)量的盲評價(jià)算法,以靶場復(fù)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(xué)習(xí)為技術(shù)手段,將復(fù)原圖像質(zhì)量特征的加權(quán)計(jì)算結(jié)果作為圖像客觀質(zhì)量的分?jǐn)?shù),實(shí)現(xiàn)了對靶場復(fù)原圖像質(zhì)量的客觀評價(jià)。4)由于靶場圖像數(shù)據(jù)量大,難以采用人工選擇復(fù)原算法和相應(yīng)參數(shù)的方式對靶場圖像逐幀復(fù)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(yù)處理、靶場目標(biāo)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(fù)原算法及靶場圖像復(fù)原質(zhì)量盲評價(jià)算法的靶場圖像復(fù)原算法總體實(shí)現(xiàn)方案,能夠?qū)崿F(xiàn)靶場圖像退化類型和復(fù)原算法模型的匹配,并以復(fù)原圖像質(zhì)量盲評價(jià)算法的分?jǐn)?shù)為反饋對復(fù)原算法參數(shù)進(jìn)行優(yōu)化,實(shí)現(xiàn)在現(xiàn)有靶場圖像復(fù)原算法下的復(fù)原圖像質(zhì)量優(yōu)化,有效的提升了復(fù)原算法效率和靶場圖像的復(fù)原效果。
[Abstract]:......
【學(xué)位授予單位】：中國科學(xué)院光電技術(shù)研究所
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：V217;TP391.41

【相似文獻(xiàn)】

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(biāo)圖像的提取與測量[J];上海工程技術(shù)大學(xué)學(xué)報(bào);2007年04期

2 劉進(jìn);孫婧;徐正全;顧鑫;;基于目標(biāo)的圖像輕量級加密[J];華中科技大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年06期

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

4 宋修銳;吳志勇;;圖像通用目標(biāo)的無監(jiān)督檢測[J];光學(xué)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(jì)算[J];鐵道學(xué)報(bào);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(xué)學(xué)報(bào);1997年02期

7 王海英,郭志芬;一種復(fù)雜圖像目標(biāo)的分割與識別[J];北京理工大學(xué)學(xué)報(bào);2000年02期

8 葛云;章東;;活體細(xì)胞圖像斑點(diǎn)的自動提取和跟蹤方法[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2009年03期

9 呂宇波;蘭培真;;航拍圖像海上目標(biāo)定位算法[J];上海海事大學(xué)學(xué)報(bào);2011年04期

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

相關(guān)會議論文 前5條

1 張林怡;王運(yùn)鋒;王建國;;分維數(shù)在SAR圖像海岸線檢測中的應(yīng)用研究[A];第十屆全國信號處理學(xué)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(biāo)的自動識別和快速篩選技術(shù)[A];2006年全國光電技術(shù)學(xué)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(biāo)解譯技術(shù)分析[A];第九屆全國信息獲取與處理學(xué)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(xué)學(xué)術(shù)會議論文集[C];2008年

5 奚惠寧;;淺談有關(guān)醫(yī)學(xué)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(xué)位論文 前10條

1 錢智明;面向圖像標(biāo)注的張量表示與語義建模方法研究[D];國防科學(xué)技術(shù)大學(xué);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(xué);2017年

3 楊發(fā)盛;復(fù)雜退化條件下靶場圖像多模式盲復(fù)原技術(shù)研究[D];中國科學(xué)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(yīng)用[D];重慶大學(xué);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(xué);2002年

6 魏波;點(diǎn)時(shí)空約束圖像目標(biāo)跟蹤理論與實(shí)時(shí)實(shí)現(xiàn)技術(shù)研究[D];電子科技大學(xué);2000年

7 劉俊;基于鉬靶圖像的計(jì)算機(jī)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(xué);2012年

8 付華柱;圖像協(xié)同關(guān)聯(lián)性約束的研究與應(yīng)用[D];天津大學(xué);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(xué);2011年

10 陳海林;基于判別學(xué)習(xí)的圖像目標(biāo)分類研究[D];中國科學(xué)技術(shù)大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

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

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

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

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

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

7 梁，

本文編號：1716480