自动目标识别评价方法发展述评

自动目标识别(ATR)是一个汇集模式识别、人工智能、信息处理等多学科融合发展的技术领域,ATR评价则是将ATR算法/系统等作为研究对象的评价行为。由于ATR算法/系统面临目标非合作、工作条件复杂多样、决策者自身存在多种主观偏好等诸多困难,ATR评价贯穿ATR研制的全过程,对ATR技术发展起到重要的指导作用。该文首先阐述了ATR评价方法研究的内涵,简要回顾ATR技术发展;然后从性能指标定义、测试条件构建、推断与决策等方面详细梳理分析了ATR评价方法研究的成果、应用及最新研究进展;最后总结了若干ATR评价方法研究的发展方向。该文旨在为更好地理解ATR评价和有效使用ATR评价方法提供新的参考借鉴。

基于改进ByteTrack算法的红外地面多目标跟踪方法

红外目标智能检测跟踪技术研究一直是同领域中的热点问题,尤其是在精确制导、海面监视和天空预警等方面。针对红外地面多目标跟踪场景中,由地面杂波干扰、多目标遮挡干扰、平台晃动等复杂场景造成的跟踪精度降低等问题,提出了一种基于改进ByteTrack算法的红外地面多目标跟踪方法。首先引用一种自适应调制噪声尺度的卡尔曼滤波器,缓解低质量检测对vanilla卡尔曼滤波器的影响;其次引入增强相关系数最大化算法对帧间图像进行配准,来补偿平台晃动产生的影响;然后增加了基于长短期记忆网络的运动模型,减小了卡尔曼滤波在非线性运动状态中产生的预测误差;最后引入连接模型和高斯平滑算法这两种轻量级离线算法来完善跟踪结果。在红外地面多目标数据集上进行了实验,结果表明,与Sort和Deepsort算法相比,改进算法的MOTA值分别提升了8.3%和10.2%,IDF1值分别提升了6.5%和5.6%。与同类算法相比,改进算法表现出了更好的有效性,在红外目标智能检测跟踪场景中会有较大应用。

一种去冗余的SIFT特征提取方法

基于SIFT特征点的配准是图像配准领域里常采用的一种方法。但是,在复杂背景下,图像SIFT特征点通常量大且冗余,这会带来浪费存储空间、容易误配、配准耗时多等问题。针对这些缺点,提出了一种去冗余的SIFT特征提取算法。首先提取出SIFT特征点,然后根据特征点周边梯度情况,判断特征点是否落于目标区域,进而保留目标区域特征点,删除背景区域特征点,减少特征点数量的同时也实现了去冗余。提取所得的特征点质量好坏由落入目标区域的点数和落入背景区域的点数比例判断。实验结果表明,本算法减少了复杂背景下大量的干扰特征点。这将为后续的配准工作提高精度和效率。

面向空地应用的红外时敏目标检测跟踪数据集

本数据集是一个面向红外时敏目标检测跟踪应用,以车辆为探测目标,以地面场景为探测背景的图像序列数据集。本数据集共计21750帧图像,89174个目标,组成了87段视频序列、393段目标轨迹。数据集的每帧图像对应一个标注文件,标注文件标记了图像中每个感兴趣时敏目标的ID号及其位置信息,可为红外时敏目标检测跟踪、红外时敏目标特性等研究提供基础数据。

一种基于图像切线方向感受野的轮廓检测方法

轮廓检测是实现基于形状的目标识别任务的关键,然而由于图像背景中存在大量的无关干扰成分,因此要从自然场景中自动地检测出目标的轮廓是非常困难的。人类可以很容易地从环境中识别物体,这得益于人类的视觉感知机制。根据此机制,建立了基于图像切线方向感受野的轮廓检测方法。本方法用Gabor函数模拟感受野中心神经元的响应,非经典感受野的建模充分考虑了邻域刺激与相对位置、距离、朝向之间的关系。本方法与传统的基于人类视觉感知机制方法的最大不同在于图像点的切线方向选择对应朝向的中心神经元,物理意义明确。实验结果表明:该方法能更有效地抑制纹理边缘并减少轮廓自身的破坏,具有更好的检测准确性和稳定性。

慕课“精确制导器术道”的教学设计、实施与评估

国防科技大学于2017年5月在“学堂在线”平台推出慕课“精确制导器术道”。2020年,该慕课获评首批国家级一流课程。本文详细总结了“精确制导器术道”的教学设计和教学实施情况,并通过分析该课程最近3年以来慕课平台的课程数据,从选课人员、课程完成度、讨论区情况、课程成绩等多个方面考察了本课程的教学效果,为进一步优化该课程的教学设计、改进该课程的教学模式提供参考。

基于深度学习的单幅图像超分辨率重建综述

单幅图像超分辨率SISR重建指从单幅低分辨率图像恢复出高分辨率图像。深度学习方法越来越多地用于图像超分辨重建领域,由于深度网络模型可以自主学习低分辨率图像到高分辨率图像之间的映射关系,与传统方法相比在该领域展现出了更好的重建效果,因而基于深度学习的方法已经成为目前图像超分辨率重建领域的主流方向。围绕现有的超分辨深度网络模型在重建方式、结构组成和损失函数方面展开的探索进行了综合论述,通过比较不同模型之间存在的异同点,分析了不同的模型构建方法存在的优缺点及适应的应用场景,同时比较不同网络模型在主流测试数据集上的重建效果,并对该领域的未来研究方向进行了展望。

复杂背景下红外小目标自适应检测跟踪

本文针对复杂背景下红外小目标检测跟踪问题,提出了一种背景自适应的目标检测跟踪方案。针对地面背景下的红外目标检测,采用帧差法,分别提出了跳帧多帧差法和双阈值多帧差法以应对目标长时间静止和灰度对比度下降的问题。针对天空背景下的红外目标检测,采用基于目标区域稳定性和显著性(Regional Stability and Saliency, RSS)的检测算法。在检测得到目标备选点后,使用带标签的高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GMPHD)滤波器对备选点滤波以输出目标初始轨迹。同时引入轨迹整理将间断的初始轨迹重新连接并进一步去除虚警。经过验证,本文提出的目标检测方法可在复杂多类背景下准确检测并跟踪红外图像中的小目标。

面向小型航空器应用的光学复眼仿真软件设计

光学复眼视场大、视角多、分辨率高,具备与小型航空器共形结合的优势,在侦察监视、目标探测和图像导航等方面具有应用价值。针对实际应用中存在的光学复眼设计研制周期长、航空器飞行成本高的现状,设计了一种面向小型航空器应用的光学复眼仿真软件。该软件集复眼成像、航空器模拟、数据管理于一体,各功能接口可扩展。仿真表明,在9个子眼的配置下仿真帧率可达到23.3 fps,结果精确。该软件可用于光学复眼设计方案优选与应用算法验证,对面向航空器应用的复眼系统研制具有重要意义。

小型航空器光学复眼仿真测试系统设计

为支持光学复眼早期构型设计验证与前端(光学图像采集部分)、后端(图像处理部分)平行开发,本文设计了一种航空器光学复眼仿真测试系统。该系统由视景仿真子系统、复眼仿真子系统、仿真管理子系统、航空器飞行仿真子系统四部分组成,以光学复眼的信息处理机为被测实物对象,具备复眼图像仿真、飞行仿真、算法软件测试等功能。通过测试实验,该仿真测试系统的图像仿真几何精准度、图像注入信息处理机的实时性、仿真闭合回路的完整性得到验证,能为研究者评估复眼构型设计、优化图像处理算法、测试算法软件提供工具支撑。

空基下视多角度红外目标识别

为实现空基下视红外目标的快速高精度识别,提出了一种单阶段的空基下视多角度红外目标识别算法。首先使用Darknet-53结合SPP模块对红外目标进行特征提取,使局部特征与全局特征融合,提高特征图表达能力,最后借鉴RetinaNet中的Focal loss锁定目标的检测框,同时得出目标类型及检测精度。针对现有数据集多为平视,且视角单一的缺陷,使用复合翼无人机分别从不同高度和角度采集红外图像,构建多尺度下视红外目标数据集,在PyTorch架构上实现并进行性能验证实验,所提算法对分辨率为640×512的下视红外图像中目标识别的mAP达到91.74%,识别速度为33 f/s,满足空基平台前端的在线识别需求,且在公开红外船舶数据集上也具有较好的识别结果。实验表明该算法在保证精度的基础上满足实时性的要求,为后续用于复合翼无人机上的多尺度目标实时识别提供了理论技术。