基于Contourlet变换和Facet模型的红外小目标检测方法

针对存在复杂背景干扰和噪声情况下的红外弱小目标检测问题,提出了一种基于循环平移Contourlet变换和Facet模型多向梯度特性的检测方法。首先通过循环平移Contourlet变换,利用硬阈值对图像进行去噪,提高图像的信噪比和平滑性;然后设计了一种基于Facet模型多向梯度特性的中值滤波器,对去噪后的图像进行滤波,有效地抑制复杂背景和噪声;其次采用两级最大类间方差算法对滤波后的图像进行分割;最后根据相邻帧候选目标的位置和速度关系进一步检测弱小目标。实验证明,这种算法抗噪性强,对包含强纹理结构的复杂背景具有良好的抑制作用,能够有效地检测出弱小目标。

苍山万花溪流域旱季土壤水氢氧稳定同位素组成空间分布特征与土壤水贮存量的关系

氢氧稳定同位素组成和土壤水贮存量是研究区域土壤水分特征的重要手段,本文基于万花溪流域土壤水氢氧稳定同位素数据和土壤水贮存量数据,分析其数据特征,以此探讨其在流域上的空间分布格局以及土壤水贮存量与氢氧稳定同位素组成之间的相关关系。结果表明,研究区土壤水δ18O为−15.40‰~0.75‰,均值为−10.45‰;δD值变化范围为−116.11‰~−5.95‰,均值为−80.79‰,空间差异极其显著;拟合的各层土壤蒸发线的截距和斜率均随土层深度的增加而增加,且均小于大气降水线,说明各层土壤水均受到强烈的蒸发分馏作用并且随土层深度增加而减弱;土壤水贮存量与氢氧稳定同位素组成具有显著的相关关系,且为土壤水氢氧稳定同位素组成的主要影响因素。本研究对苍山地区水文循环研究以及水文资源的合理分配与利用具有积极意义。

基于红外探测的无人机群结构特性感知方法

针对现有目标检测算法未考虑无人机群成员之间相互关系,容易出现漏检、误检群成员和未能感知无人机群队形结构特性的问题,提出了一种基于红外探测的无人机群结构特性感知方法。首先,为减少图像中无人机外观特征损失,设计了空间深度-通道注意力模块,该模块结合空间深度转换模块保留判别特征信息的优点和通道注意力关注通道间相关性的特点,提高了检测网络的特征提取能力;其次,为充分利用图像中无人机群成员的位置、边界框大小等结构信息,提出了群成员关系模块,将无人机的结构信息融入到无人机群成员之间的关联信息,提高了检测网络对无人机群成员的检测定位能力。最后,在自建的Drone-swarms Dataset数据集上开展实验验证。实验结果表明:文中提出的无人机群结构特性感知算法的mAP达到了95.9%,较原始YOLOv5算法的mAP提高了约7%,有效提高了无人机群成员的检测精度;同时,检测速度达到59帧/s,实现了无人机群目标的实时检测,进而实现了无人机群队形结构特性的感知。

基于红外影像层次旋转匹配的飞行器定位方法

基于图像匹配的飞行器自主视觉定位技术是飞行器导航制导、态势感知和自主决策的关键技术之一。针对红外遥感影像在大角度旋转下飞行器匹配定位失效的问题,提出了一种基于层次结构强化的特征点旋转匹配定位方法。该方法通过融合深度特征点提取与层次结构强化的旋转匹配定位技术,有效实现了飞行器匹配定位。首先设计了一个集成残差连接编码器的RBN-SuperPoint深度特征点提取模型,用于检测和描述待匹配图像中的深度特征点。其次构建了基于线性注意力和置信度分类器的L-LightGlue自适应匹配算法,利用L-LightGlue进行特征点粗匹配,生成单应性变换矩阵。随后采用层次结构强化的旋转匹配策略,根据粗匹配得到的单应性变换矩阵对图像进行旋转处理,消除图像间的角度差异,并进行精确匹配。再通过将结果映射至原图像,得到旋转校正后的特征点匹配结果和对应的单应性变换矩阵。最后利用图像间变换关系确定飞行器在图像中的位置,完成视觉定位。实验结果表明:RBN-SuperPoint可以高效提取大量均匀分布的特征点,所提基于L-LightGlue的匹配定位算法的匹配准确率最高可达98.57%,平均定位误差仅为4.08 pixel。

基于Swin Transformer和注意力机制的红外无人机检测算法

红外无人机目标检测在军民领域的应用前景广阔。由于无人机目标尺度较小,空中环境复杂多变,目前普遍存在检测率低和误报率高的现象。针对复杂场景下红外无人机目标检测不良等问题,本文提出ST-YOLOA目标检测模型。首先,使用Swin Transformer网络架构和协调注意力(CA)机制搭建STCNet骨干特征提取网络;其次,特征融合部分采用带残差结构的PANet路径聚合网络构建特征金字塔提升整体特征提取能力,同时改进了上下采样方式以增强检测能力;最后,使用解耦检测头预测无人机目标的位置。试验结果表明,本文提出的模型检测精度为92.8%,检测速度达到了22帧/s,这表明该模型与其他模型相比具有较好的检测效果,且基本满足实时性检测要求,对于多无人机目标场景下的检测具有现实意义。

高动态条件下增量惯导信息辅助的空地红外弱小移动目标检测算法(特邀)

红外弱小移动目标检测技术是计算机视觉的研究热点和难点。针对机载高动态条件下的空地目标检测存在的场景变化动态、背景干扰强度大、目标运动规律未知等挑战,提出了一种新型的基于增量惯导信息辅助的空地红外弱小移动目标检测算法。为了解决传统惯导信息预测的漂移误差问题,提出了增量惯导信息概念,设计了增量惯导信息的位置预测模型,实现了对目标点的准确预测。构建了基于增量惯导信息辅助与背景差分的移动目标检测框架,通过增量惯导信息对不同位姿下的成像进行校正,引入基于爬山法互相关匹配算法计算校正后图像的平移参数,采用高斯加权对背景图像进行估计,最后通过图像分割检测弱小移动目标。仿真实验验证了文中设计检测算法的有效性和精确性。

基于稀疏表示多子模板的鲁棒目标跟踪算法

目标跟踪技术是一项富有挑战性的研究课题,在红外成像搜索、红外精确制导、智能监控、运动识别等领域有着广泛的应用。文中提出了一种基于稀疏表示多子模板的鲁棒目标跟踪算法。首先,提出一种基于自适应辨别信息的子模板选择方法,最大限度地捕捉目标的结构信息,提高模板子块的整体描述;针对直方图对光照敏感的缺点,引入了稀疏表示理论对子模板进行描述,提高模板子块的表达能力和适应能力;其次通过构造表决图的形式对目标位置进行表决和融合决策;最后设计了一种动态的子模板更新策略,来有效地应对目标外观模型的变化。在大量测试图像序列中的仿真实验表明,文中所提算法可以有效应对形变、光照变化、部分遮挡、完全遮挡以及虚假目标干扰和背景干扰,具有较高的鲁棒性。

Anchor-free轻量级红外目标检测方法(特邀)

针对红外目标的特点,提出了一种anchor-free轻量级红外目标检测方法,提高了嵌入式平台对红外目标的检测能力。针对计算资源有限的平台,提出了一种新的轻量级卷积结构,引入非对称卷积增强标准卷积的特征表达能力,同时有效减少参数和计算量。设计并行多路特征通道,经过通道拼接生成丰富的特征,结合注意力模块和Channel Shuffle构建轻量级特征提取单元。增加SkipBranch促进浅层信息向高层传递,进一步丰富高层特征。在FLIR数据集进行实验验证,设计的轻量级网络结构精度为81.7%,超过了YOLOv4-tiny,但模型参数量减少了75.0%、计算量下降了71.1%,并且推理时间压缩了91.3%,能够满足嵌入式平台红外目标的实时检测需求。

船体裂纹板双轴非比例低周疲劳载荷下累积塑性行为研究

在恶劣海况中伴随着多轴高应力、低循环交变载荷作用下,船体结构不仅会出现多轴低周疲劳破坏,而且还存在着明显的累积塑性破坏。本文通过实验研究在双轴非比例低周疲劳载荷作用下,材质为Q235钢的船体斜裂纹板累积塑性损伤行为,提出双轴非比例低周疲劳载荷下基于累积塑性的裂纹板双轴非比例低周疲劳寿命预测模型。通过分析不同双轴非比例低周疲劳载荷下裂纹板的应力应变迟滞回线,重点探究不同双轴比、应力比和相位差等对低周期疲劳累积塑性变形的影响。研究结果可为准确评估在双轴非比例低周疲劳作用下船体结构断裂破坏行为提供重要依据。

计算机视觉中的Transformer发展综述

Transformer是基于自注意力机制的编码器-解码器架构模型,擅长建立远距离依赖关系,已经成为自然语言处理领域的主流模型.受Transformer在自然语言处理领域中取得巨大成功的启发,近两年一些开创性的工作开始研究如何将Transformer应用于计算机视觉领域,并取得了显著的成果,目前视觉Transformer依然是研究的热点.本文对近年来Transformer在多个视觉任务上的应用与发展进行梳理、分析与总结.首先阐述了视觉Transformer基本结构与实现原理,分析了模型结构的特点与优势,梳理了视觉Transformer的研究进展.其次,介绍了Transformer在高层视觉任务、底层视觉任务和多模态任务上的典型应用模型,并详细对比了在图像分类、检测和分割领域典型视觉Transformer模型的性能指标.最后总结了当前视觉Transformer各类模型存在的问题与难点,并指出未来的发展方向.

基于相关滤波的视觉目标跟踪算法新进展

相关滤波跟踪算法凭借其优良的综合性能,已成为视觉目标跟踪领域中理论研究和实践应用的热点。尽管目前已有大量研究,但仍缺乏从跟踪框架层面对现有相关滤波跟踪算法的系统分析。因此,文中从视频目标跟踪算法基本框架出发,深入剖析了相关滤波跟踪算法的特性以及各工作阶段存在的基本问题。以此为依据,归纳总结了近十年来其主要技术新进展及相应算法特点,并对20种典型相关滤波跟踪算法进行了测试与分析。最后,给出了相关滤波跟踪算法亟待解决的重点问题以及未来可研究方向。

红外目标检测网络改进半监督迁移学习方法

针对红外数据集规模小,标记样本少的特点,提出了一种红外目标检测网络的半监督迁移学习方法,主要用于提高目标检测网络在小样本红外数据集上的训练效率和泛化能力,提高深度学习模型在训练样本较少的红外目标检测等场景当中的适应性。文中首先阐述了在标注样本较少时无标注样本对提高模型泛化能力、抑制过拟合方面的作用。然后提出了红外目标检测网络的半监督迁移学习流程:在大量的RGB图像数据集中训练预训练模型,后使用少量的有标注红外图像和无标注红外图像对网络进行半监督学习调优。另外,文中提出了一种特征相似度加权的伪监督损失函数,使用同一批次样本的预测结果相互作为标注,以充分利用无标注图像内相似目标的特征分布信息;为降低半监督训练的计算量,在伪监督损失函数的计算中,各目标仅将其特征向量邻域范围内的预测目标作为伪标注。实验结果表明,文中方法所训练的目标检测网络的测试准确率高于监督迁移学习所获得的网络,其在Faster R-CNN上实现了1.1%的提升,而在YOLO-v3上实现了4.8%的显著提升,验证了所提出方法的有效性。

基于空间联合的红外舰船目标数据增强方法

针对红外舰船目标图像数据少、获取难度高等问题,结合图像的几何变化以及金字塔生成对抗网络的特征拟合,提出一种几何空间与特征空间联合的红外舰船目标图像数据增强方法。首先,利用基于几何空间的几何变换、混合图像及随机擦除等图像变换方法对红外舰船目标图像进行增强;然后,根据红外舰船图像特点,改进金字塔生成对抗网络(SinGAN),在生成器引入In-SE通道间注意力机制模块,增强小感受野特征表达,使其更适合用于红外舰船目标;最后,在数据集层面联合基于几何空间的几何数据变换和基于特征空间的生成对抗网络两种方法,完成对原始数据集的数据增强。结果表明:以YOLOv3、SSD、R-FCN和Faster R-CNN目标检测算法为基准模型,开展红外舰船图像数据增强仿真实验,采用增强数据训练的网络模型的舰船目标检测平均精度(mAP)均提高了10%左右,验证了所提方法在小样本红外舰船图像数据增强方面的可行性,为提高红外舰船目标检测算法提供了数据基础。

基于序列图像的空间目标姿态估计方法

针对非合作式空间目标姿态判定问题,提出了一种基于序列图像的空间目标姿态估计方法。首先,该方法采用地基光学设备测量空间目标图像信息,以地基光学望远镜为基准建立空间目标成像观测模型;其次,利用空间目标序列观测图像的时空关联信息,通过鲁棒估计方法获取空间目标直线特征参数,解算空间目标姿态参数。最后,实验部分通过仿真数据和实际应用数据对提出算法的精度和引用效果进行了验证分析。结果表明,提出的空间目标姿态估计方法在仿真数据下误差约1.5°左右,真实数据下误差约小于5°,具有较高的精度和稳定性,能够较好应用于非合作式空间目标姿态估计任务。

基于自适应标签和稀疏学习相关滤波的红外目标跟踪算法研究

针对背景杂乱、遮挡、热交叉以及目标形变等复杂跟踪场景下目标跟踪算法出现性能严重退化问题,提出一种基于自适应标签和稀疏学习相关滤波的实时红外单目标跟踪算法。首先,根据目标响应情况自适应地构造样本标签,通过自适应标签训练提升相关滤波器的分类能力,抑制干扰区域对跟踪模型的污染。其次,加入稀疏学习策略,通过目标响应L1范数抑制复杂跟踪场景下目标响应多峰分布,提高跟踪算法的鲁棒性;与基线算法相比,该算法精度和AUC分别提升了19.3%和39.8%。在数据集GTOT、RGBT234和VOT-2016TIR上的实验结果表明,该算法对上述复杂跟踪场景具有良好的应对能力,运行速度超过35 fps,综合性能优于对比跟踪算法。

基于GAN的红外飞机数据增强方法

针对军用空地背景下的红外飞机目标图像数据获取难度高,导致红外飞机目标检测算法易过拟合等问题,基于生成对抗网络(GAN)与通道间注意力机制的相关方法,提出一种小样本红外飞机目标数据增强方法。首先,利用特殊的金字塔多尺度生成对抗网络结构,学习和拟合单张图像不同尺度下的特征信息;其次,针对小目标红外飞机图像改进网络的生成器结构,提高小感受野的特征表达,丰富生成图像细节;最后,在网络训练阶段缩放图像小尺度阶段的学习率,避免了学习率过大导致的生成图像失真。以几种常见的目标检测算法进行仿真评估实验,并将其与传统的数据增强方法对比,结果验证了所提方法的有效性与先进性。

基于关键点的遥感图像舰船目标检测

针对当前舰船目标检测算法存在锚框遍历计算成本高和特征旋转适应性不足等问题,提出基于关键点的遥感图像舰船目标检测方法,通过预估舰船中心点实现目标检测。首先,引入深度可分离卷积降低参数冗余,结合SimAM无参注意力机制,增强对舰船目标的关注度。其次,引入方向不变模型(orientation-invariant model, OIM)生成方向不变特征图,增强网络对旋转目标的适应能力。最后,考虑到遥感图像舰船目标任意方向密集排列,但舰船目标中心点不变的特点,采用直接预测目标的中心点,再回归偏移量、目标尺度和角度的思路,摆脱锚框遍历机制,提高检测速度。在HRSC2016和RFUE2021数据集上进行对比实验,实验结果充分说明了本文方法的有效性和先进性。

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。

一种实用的空地红外时敏弱小目标检测方法

针对空地背景下的红外时敏弱小目标检测,提出了一种实用的空地红外时敏弱小目标检测方法。首先,采用快速自适应双边滤波对红外图像进行预处理,平滑边缘信息,消除噪声干扰;其次,使用模板为3×3大小的高通滤波器对红外图像进行大面积背景抑制;然后,根据梯度特征,采用多步八向梯度法进一步消除高频背景信息;最后,使用自适应阈值分割的方法对红外时敏弱小目标进行提取。实验结果表明,所提方法对空地背景下的红外时敏弱小目标检测具有较好的鲁棒性和检测性能。

六旋翼无人机空基智能排爆系统设计与实现

近年来随着无人机技术的快速发展,各种“无人机+”代替人工作业的成功案例更是层出不穷。所设计的空基智能排爆系统是融合了无人机自主导航、深度学习和YOLOv5目标检测等技术,并将排爆执行机构、双光一体云台吊舱和实时图像传输等硬件装置相结合形成的系统。实验结果表明,该系统具有视觉搜寻范围广、目标识别精度高、可操作性强、排爆行动迅速等优点。在实际操作过程中,操作人员控制该系统抓取、转移和销毁未爆弹,人员作业位置远离未爆弹杀伤的有效半径,解决了未爆弹(UXO)拆除过程中潜在的伤亡问题。