基于学习机制的气动光学图像复原算法研究

本项目拟解决气动光学效应环境因素的重要性度量及其融入图像复原过程、离线学习建模、在线查找校正等重要问题，实现气动光学图像的图像复原与校正，建立气动光学图像复原的新理论、数学模型、新算法及其仿真软件系统。本研究拟结合气动光学效应机理研究，应用数据挖掘技术研究气动光学效应环境因素与退化图像之间的关联性，基于数据融合技术有机地融合图像自身特征和气动光学效应环境因素，在充分研究各种学习器结构与算法的基础上，提出采用SVM进行离线学习建模，建立查找表实现气动光学图像的在线实时复原。研究结果将为高速导弹弹载光学成像探测系统的实时图像复原提供一种重要的解决思路。也可以推广应用到其他重要工程领域中。

气动光学图像降晰原因非常复杂，很难用一个简单数学模型来描述。本项目结合气动光学效应机理研究，采用学习机制实现气动光学图像复原。项目主要研究内容包括：气动光学效应湍流流场的数学建模；图像复原算法；图像特征提取；学习器选择与应用；目标检测与跟踪等。发表了学术论文22篇，其中SCI期刊论文3篇，EI期刊论文6篇；录用SCI期刊论文2篇。申请发明专利2项。