由于海水吸收和水中悬浮颗粒散射,水下机器人通过人造光源获得的深海图像普遍存在模糊、色偏和清晰度低等问题。围绕深海图像快速精准复原所需解决的关键问题,首先建立真实深海图像数据集,分析深海图像的成像特点,基于图像特征的统计结果提出一种线性景深模型,然后通过有监督方法进行模型参数辨识,最后根据景深模型分别快速估计出原始图像的传输地图和背景光,进而有效避免累计误差,实现深海图像的有效复原。实验结果表明,所提算法在图像复原结果、有效性、质量和实时性指标上均优于同类算法,在Nvidia Jetson TX2嵌入式设备上处理600 pixel×800 pixel大小的图像,平均复原速度是4种优秀水下图像增强算法中最快的3.08倍。

针对水下机器人搭载平台进行深海遗迹探寻所面临的数据样本缺乏、采集图像模糊、嵌入式系统计算能力有限的问题,分别在数据增强、视频增强和目标检测算法压缩等方面提出了有效的解决方案。首先,利用数据增强提高小样本数据的泛化能力,通过迁移学习进行知识迁移,加速模型收敛;然后,基于结构相似性对采集视频进行关键帧图像选择,采用限制对比度直方图拉伸对选择后的关键帧进行实时图像增强;最后,基于多粒度剪枝策略对YOLOV4进行通道和卷积层的双向压缩。实验结果表明,压缩后的YOLOV4模型运算复杂度(BFLOPS)降为10.588,在Jetson TX2嵌入式图像处理器上,对大小为640 pixel×480 pixel的输入图像的平均检测速度可以达到18.2 frame/s。

定位型振动光纤探测主机输出的是一个巨大的传感器阵列信号，数据量大且实时性处理要求高，对数据处理提出了很高的要求。本文立足于定位型光纤周界安防系统，基于英伟达公司(NVIDIA)的统一计算设备架构( CUDA)平台对预处理算法进行图像处理器( GPU)加速。结果表明预处理算法运行在 GPU上可以达到很好的加速效果，对系统的实时性能有明显提升。

为了提高超声弹性成像计算速度 , 提出使用 GPU硬件加速基于互相关技术和相位零估计的弹性成像技术。先描述这两种弹性成像技术的实现细节及特点 , 然后分析这两种技术的计算密集操作部分的并行化计算可能性 , 最后通过 GPU程序开发工具 ArrayFire实现了基于 GPU的互相关和相位零估计的超声弹性成像技术。通过模拟和扫描仿真人体组织的弹性成像体模获得的压缩前后数据帧对基于 GPU的超声弹性成像方法进行测试与验证。实验结果表明, 基于GPU的方法可以大幅提高弹性图计算速度 , 在处理单帧弹性图条件下 , 与基于互相关方法比较 , 加速比达到 42×, 而基于相位零估计的方法在提高数据吞吐量的情况下加速比可达到 65×。

介绍了无人机载设备的技术特点及机载小型图像处理器的组成。采用TI公司的数字信号处理器芯片为核心处理器，配合现场可编程逻辑器件(FPGA)与外部管理微控制单元(MCU)来实现目标数据的采集与处理，设计了适用于无人机光电载荷的超小型图像处理器系统。针对机载设备的特点，设计时充分考虑了体积、重量、功耗等要求。该系统已应用于多台套机载光电载荷中，工作稳定可靠，满足无人侦察机对捕捉和定位目标的要求。

基于图像处理器(GPU)平台提出了维纳并行滤波算法,解决了航空成像的像移实时补偿问题。介绍了原有像移补偿算法及其PC运行平台的不足,立足于现有图像处理器通用计算技术对原有像移补偿算法做多线程并行计算的改进。针对图像处理器件的硬件并行架构,优化设置算法多线程访问,提高了各个线程的访问速度。该环节的改进甚至能将算法效率提升到原来的3倍。借助图像处理器的并行运算优势,单帧1 024×1 024灰度图像的恢复处理时间只需要8 ms,整个算法的运行速度达到原先的20倍,能够完全满足高分辨率航拍视频图像的像移模糊实时恢复的需求。

为动态显示扇形搜索空域的全景图像,必须设计专用的图像处理器,以解决快速搜索与人眼观察之间的矛盾.某舰载小型光电跟踪仪,搜索区域为沿水平和垂直方向分别扫过20倍瞬时视场的空域,搜索视场从1.7°×1.3°扩大为34°×26°.图像处理器以TMS32010 DSP为核心,外加直方图、分类表存储器等辅助电路,完成实时图像采集、存储、拼接、显示、更新等功能,适应42.5°/s的扫描速率,获得比光学系统本身大20倍的搜索视场.