三维场景的光场成像仿真

针对光场数据获取困难的问题,本文根据Levoy的光场渲染理论设计出了一种三维光场信息获取的仿真方式.在物空间构建问题上,以最靠近主透镜的物面为起点向后进行扩展,形成了一个离散的物空间.为了解决近景对远景的遮挡问题,按照金字塔模型,由最靠近主透镜的物面开始逐渐对其后的物面有效区域进行扩展,计算各离散物面的有效区域经过主透镜的积分值.对于离焦物点,通过计算光斑在每个微透镜上的权重,赋予该微透镜下对应像元相应比例的光线强度.最后,通过对仿真实验所得到的光场图像进行不同物距的重聚焦,验证所建三维模型及光场成像仿真的正确性.实验结果表明:本文所提出的三维场景的光场成像方式能够有效地得到该场景的光场数据.

一种小尺度目标检测卷积神经网络设计

航天装备的智能感知技术受距离与探测手段的制约,面临着检测目标尺度小的问题,深度卷积神经网络是目前目标检测的主要技术手段,但小尺度目标在卷积神经网络前向计算过程中,由于多次下采样的网络结构会损失较多的特征信息而不利于目标检测。特征金字塔网络(feature pyramid network,FPN)是一种广泛应用于小尺度目标检测的网络设计,采用主干网络低层特征与高层特征上采样相融合的方式。提出将特征图放大尺寸的网络设计方法,并对网络分离提升主干网络低/高层特征图与小/大尺度目标的匹配度,设计了一种特征漏斗网络(feature funnel networks,FFN)。经实验验证,特征漏斗网络相较于同级别网络在小尺度目标数据集VisDrone中获得了更高的检测精度与召回率而不损失过多的速度。

基于前景移除的合成孔径成像算法

在传统合成孔径物面重聚焦成像过程中,前景射线会严重影响目标的重建质量,针对这一问题提出一种基于前景标记的重聚焦成像算法。首先根据EPI的边缘特征估计场景深度范围,根据指定待重建物面的参数提取前景边缘特征并进行扩散,从而确定前景遮挡对应的射线;对其进行标记筛除后,利用光场重建算法对特定物面进行重建,从而实现被遮挡目标的高质量重建。利用Stanford大学和Disney实验室提供的数据集进行仿真,实验结果表明该算法可有效去除场景中的遮挡物信息,提高重聚焦图像的质量。