融合CNN-Transformer的红外弱小目标检测方法

针对远距离红外目标探测技术中存在的弱小目标特征信息提取困难、局部背景噪声干扰强导致检测算法虚警率和漏检率偏高的问题,提出了融合CNN-Transformer的单帧红外弱小目标检测算法。针对已有方法在提取红外弱小目标特征信息时感受野受限且易受到局部噪声干扰的问题,对Swin Transformer中的窗口自注意力计算模块进行改进,设计了基于可分离卷积的局部感知增强模块,兼顾对全局信息和局部信息的提取,提升骨干网络对弱小目标空间分布信息的提取能力。针对小目标特征难以在深层网络中保留的问题,设计了自下而上的多尺度特征融合模块,在不同层级的特征图之间利用注意力机制确保小目标的低层特征信息能够在高层特征图中得以保留。在公开数据集NUAA-SIRST上进行了测试,验证了本文所提算法相比已有算法取得了更佳的检测效果,同时能够兼顾对检测精度和召回率的优化。

基于非下采样轮廓波变换的红外和SAR图像融合算法

针对现有红外和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的融合算法融合质量差、边缘轮廓不清晰、效率低下、可视性差、目标检测效率低等问题,提出一种基于非下采样轮廓波变换的融合算法。首先采用非下采样轮廓波变换对预处理的红外和SAR图像进行分解,获得各自低频和带通方向图像,接着根据红外和SAR图像的特征选取其含重要目标信息的频带进行低频图像和带通方向图像融合。为了检验本文所提出算法性能的优越性,采用两组红外和SAR图像进行融合实验,与其他图像融合算法进行对比,并对融合图像进行目标检测,证明了该融合算法能有效提高多源图像目标检测率。

基于FPGA的红外图像运动补偿滤波算法实现

针对运动场景和噪声混叠的红外图像,提出一种基于现场可编程门阵列(FPGA)的红外图像运动补偿滤波算法。首先,算法设计采用运动补偿滤波算法,通过帧间相关性和阈值判断等方法,有效实现图像区域检测分类;其次,对分类后的区域选定不同参数的滤波处理,有效抑制噪声,改善图像显示质量;最后,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度。实验结果表明:基于FPGA的红外图像运动补偿滤波算法设计资源消耗低,将运行优化算法耗时降低到了1 ms内,为红外图像实时处理应用提供了基础。

基于YOLOv8的遥感图像舰船目标检测算法

针对遥感图像背景复杂、舰船目标尺度变化大和方向任意等问题,提出了一种基于YOLOv8的遥感图像舰船目标检测算法。首先为了提高特征融合的效率,在特征融合模块将原有的路径聚合网络优化为渐进式特征融合网络;其次为了强化模型的多尺度检测能力,在颈部网络加入基于大卷积核分解和空间选择机制的选择性大卷积核注意力模块;然后为了提高模型的分类和定位能力,在解耦检测头的检测框回归分支添加视觉注意力模块,在目标分类分支添加坐标注意力模块;最后为了将通用目标检测算法转换为旋转目标检测算法,在检测头引入角度参数并优化损失函数,优化网络训练时的正负样本标签分配策略以提升网络训练时的效率。在公开数据集HRSC2016上的实验结果表明,所提算法以3.02×10^(6)的参数量,实现了90.55%的检测准确率,与当前其他主流旋转目标检测算法相比,在参数量和准确率上都具有先进性。

基于MES的某型产线APS系统设计与开发

传统的基于人工的排产、调度和统计的生产模式,在计划编排、生产异常扰动调整及生产进度追踪等方面已无法满足当前实际生产需求。高级计划与排程(APS)系统能够针对有限的生产资源约束,为生产任务精确调配车间生产资源和生产时间,为复杂的生产和供应问题找出最优化的解决方法,确保生产资源的充分合理应用。针对某产线的实际业务需求和工艺流程特点,在制造执行(MES)系统基础上,设计了一种基于MES的APS系统。考虑了生产异常扰动、多工序连续生产、工序资源关联等因素,将生产计划细化至工序级,有效地解决了人工计划排程难度大、生产异常响应慢、排程结果不准确等问题,提高了生产效率。

基于卷积特征选择的红外目标跟踪

对红外图像中的目标跟踪时,复杂的背景信息以及目标像素数较少等因素增加了红外目标跟踪难度,目标区域的图像块缺乏特征信息使得普通跟踪算法较易产生跟踪偏移问题。为解决此问题,提出了一种基于粒子滤波框架下的卷积特征选择的红外目标跟踪算法。首先,在初始目标块上提取少量图像块作为滤波器,进而获得表征能力更强的卷积特征。然后,采用在线提升算法对该特征进行选择,增加跟踪算法的精度和执行效率。最后,将贝叶斯分类器的响应作为粒子权值估计出目标状态。实验结果验证了所提算法的跟踪性能优于其他几种传统算法。

复合导引头目标信息融合抗干扰技术研究

复合导引头由微波制导至红外制导的过程中,受干扰条件的影响,有可能出现错误交班。为了提高导引头应对干扰的能力,设计了一种微波/红外目标信息融合抗干扰方法,该方法利用微波与红外目标信息进行关联度检测,对跟踪微波与红外运动的趋势进行在线实时判断,及时做出干扰误交班判定。在进行了干扰误交班的情况下,MATLAB数字仿真结果表明,该算法能够准确有效地给出干扰误交班判断,从而保证了在干扰环境下对目标跟踪的稳定性。

红外成像系统中带有距离修正的目标能量预测方法

针对红外成像系统中目标遮挡后需要进行能量预测的实际情况,提出了一种基于距离修正的Kalman灰度预测方法,建立能量和距离之间的状态方程,通过装定的距离和观测到的目标能量来预测实际的目标能量,并结合具体的试验数据,与三阶状态向量Kalman滤波预测和α-β-γ滤波预测做了对比,仿真结果表明,该滤波方法是正确有效的。

红外导引头平台底座拓扑优化设计

为了提高红外导引头动静态性能,以底座轻量化为设计目标,静刚度和基频为限制条件,采用变密度法的拓扑优化理论,利用三维设计软件和有限元分析软件对红外导引头平台底座进行拓扑优化设计。并对比分析了拓扑优化前后底座结构的各项指标,结果表明优化后的底座在质量减小了26.3%的情况下,最大变形量减小了7.6%,最大应力基本不变,基频提高了11%,有利于红外导引头轻量化水平的提升和整机性能的提高。最后,通过冲击振动试验,验证了红外导引头的跟踪性能,说明了红外导引头平台底座拓扑优化的可行性。

基于帧间特征点匹配的红外弱小目标检测

高空下视复杂背景下弱小目标的检测一直是红外弱小目标跟踪的难点,提出了一种基于帧间特征点匹配的红外弱小目标检测的方法,将复杂背景下的动态弱小目标检测问题看作是帧间复杂背景的运动估计补偿问题,消除了背景杂波对红外目标的影响,进而达到了抑制背景的目的。进行了该算法与现在常用的频域高通滤波、形态学Top-hat滤波两种小目标检测算法的对比,并将目标局部信杂比和目标检测的虚警率作为算法的有效性评价指标。试验结果表明,通过准确地补偿复杂背景的帧间位移量,再结合帧间差分的方式,红外弱小目标检测的信杂比提升了2倍以上,检测得到的虚警率低于20%。

基于梯度和各向异性扩散的红外双波段目标检测方法

首先对暗目标的梯度特性进行了分析,得出了红外目标的梯度具有各向同性的特点,可以作为目标检测算法设计的依据,同时对中长波红外图像的成像进行了分析,认为长波受到红外反射的影响较小。在此基础上,使用多方向梯度算法对金字塔分解后的图像进行初步目标检测,然后使用各向异性扩散方法进一步区分目标与背景。最后,结合双波段成像特点,对中、长波的检测结果进行融合,实现了对双波段红外暗目标的有效检测。

利用偏振图像加权融合及CLAHE算法的水下成像方法

针对传统基于偏振差分原理的水下光学成像方法中,由于目标退偏振特性差异引起的图像中局部反射光损失的问题,提出了基于偏振图像加权融合与限制对比度自适应直方图均衡(CLAHE)算法的水下成像方法。一方面,将原始水下图像分解为偏振光强图像和非偏振光强图像,根据不同退偏振特性目标在两幅图像中的灰度值分布特点,设计相应的权重因子,对两幅图像进行加权融合,从而实现在压缩原始水下图像中散射光的同时保留更多目标反射光,提升整体目标反射光在融合图像中所占的比例。另一方面,为了进一步提升融合图像的对比度,利用CLAHE算法对融合图像进行处理。该算法能够在提升融合图像对比度的同时,有效避免图像噪声的放大。实验结果表明,相较于传统的偏振差分方法以及独立的直方图均衡算法,该算法能够有效提升水下图像的清晰度和对比度。

基于DDPG的单目无人机避障算法

提出了一种基于单目相机的小型多旋翼无人机的连续避障策略。所提出的方法包括深度估计和导航决策两个模块。其中,在深度估计模块采用条件对抗网络对无人机采集得到的RGB图片进行训练预处理,在导航决策模块采用深度确定性策略梯度(DDPG)算法实现无人机的连续避障。在此基础上,对DDPG中的Actor网络进行改进,通过使用多模态网络代替原有策略网络,从而抑制无人机飞行震动,提高避障能力。最后,在Airsim仿真环境中进行测试,实验表明所提算法模型经过训练能够使无人机成功躲避障碍物并到达指定目标点,与原有算法相比避障轨迹得到明显改善。

基于双阶涡旋光束的旋转测速精度提升方法

涡旋光束因其独特的螺旋型波前结构,在对旋转物体探测时会产生与转速成正比的旋转多普勒频移,双阶涡旋光束的转速测量精度是单阶的2倍,但探测过程的噪声干扰会引起测量精度的下降。首先,通过分析双阶涡旋光束的旋转物体速度测量机理,给出测量精度影响因素分析。其次,在给出测量系统设计的基础上设计物体转速提取算法思路。最终,对高斯噪声、乘性噪声、探测器累积时间和光束模式纯度这四种情况对于测速精度的影响进行分析。结果表明,高阶双阶涡旋光束能有效提升噪声环境下的测速精度,提高模式纯度至94%以上,探测器累积时间控制在0.49s以上可以获得更好的测速精度。

基于深度循环双Q网络的无人机避障算法研究

针对传统强化学习方法在机器运动规划领域,尤其是无人机避障问题上存在价值函数过度估计以及部分可观测性导致网络训练过程中训练时间长、难以收敛的问题,提出一种基于深度循环双Q网络的无人机避障算法。通过将单网络结构变换为双网络结构,解耦最优动作选择和动作价值估计降低价值函数过度估计;在双网络模块的全连接层引入GRU循环神经网络模块,利用GRU处理时间维度信息,增强真实神经网络的可分析性,提高算法在部分可观察环境中的性能。在此基础上,结合强化学习优先经验回放机制加快网络收敛。在仿真环境中分别对原有算法以及改进算法进行测试,实验结果表明,该算法在训练时间、避障成功率以及鲁棒性方面均有更好的性能。

基于光谱角与光谱距离的目标识别方法

针对红外精确制导中抗干扰的问题,开展基于光谱角和光谱距离等特征参量的目标光谱识别技术仿真和实验研究。在目标、干扰均为灰体辐射的前提条件下,对目标和干扰在不同发射率模型、不同辐射温度下的红外光谱辐射分布进行理论建模,定量分析了目标和干扰的光谱角和光谱距离特征参量与其温度、发射率的关系,数值表征了目标和干扰的光谱差异。为验证上述光谱区分方法的有效性,实验采集并分析了目标和干扰的光谱数据。研究结果表明光谱角和光谱距离能够将两者进行有效的区分,为复杂背景下目标识别提供理论和实验基础。

Gm-APD焦平面阵列的距离重构与三维成像实验

系统梳理了基于单元盖格雪崩光电二极管的多类距离重构方法的原理与特点,分析了适用于面阵盖格雪崩光电二极管的距离重构方法。采用激光细光束二维扫描发射覆盖探测视场和面阵盖格雪崩光电二极管焦平面阵列器件探测接收目标回波的方式,搭建了激光三维成像实验装置。采用不同距离重构方法对激光回波点云原始数据进行目标距离信息提取,以信号与背景计数的比值定量评估目标距离重构结果的差异。实验比对结果表明,空间相关处理后的信号与背景计数比值由0.5提升至6.67,提升效果明显。激光三维成像实验结果对比发现,在100 Hz成像帧频下仅有空间相关方法能重构出目标三维轮廓,验证了空间相关重构方法的优势和有效性,支撑了基于盖格雪崩光电二极管焦平面阵列高帧频远距激光三维成像技术工程应用。

基于偏振信息融合的背景抑制方法评价

与红外强度图像相比,单一的偏振度或偏振角图像在提升图像信杂比方面并无明显优势。为综合利用偏振图像的多维信息进一步提升图像信杂比,在分析典型背景下目标偏振度与偏振角联合分布特性的基础上,以偏振度作为偏振角信息的权值参考,提出了一种基于偏振信息融合的红外图像背景抑制方法,并将其应用于复杂云层或海面背景下的红外目标检测,给出了相应的算法流程。实验结果表明:与红外强度图像相比,所提出的基于偏振信息融合的背景抑制方法能大幅提升图像信杂比。该方法简单有效,易于实现,可应用于基于红外偏振成像的目标探测或精确制导领域。

基于变论域模糊控制算法的仿真与FPGA优化实现

针对单力臂模型的复杂动力学行为,设计了一种不依赖于被控对象的精确数学模型的变论域模糊控制器。在闭环系统中,角位移量的跟踪偏差和其变化率作为系统输入,并将控制器的初始论域设为[-3,3],其值可通过伸缩因子来调节。基于Matlab软件仿真,验证单力臂模型对预期指令的跟踪性能。另外,基于现场可编程门列阵(FPGA)硬件,采用移位操作和分段线性化两种方法对控制器进行优化。由此,无乘法器和片上内存零占用的设计结构显著降低了硬件资源负担。实验结果表明:本文所提变论域模糊闭环控制方法在精确度(低于0.02)、自适应性以及实时性等方面性能较优越,具有一定工程应用价值。

基于控制系统工作原理的视线角速度获取方法

针对红外成像导引头弹目视线角速度获取精度较差,无法满足导弹制导指标要求的问题,根据红外导引头角跟踪原理,比较研究了直接微分法、基于马尔科夫模型的方法和基于控制系统工作原理的方法3种弹目视线角速度提取方案。利用试验数据进行了仿真分析。仿真结果表明:直接微分法和基于马尔科夫模型的方法均不适用于红外成像导引头弹目视线角速度提取。将控制系统设计为二阶无静差系统,并以此建立了基于控制系统工作原理的弹目视线角速度提取模型。仿真分析表明:该方法适用于红外导引头弹目视线角速度提取。