基于Choquet积分和LP的图像融合方法

针对长波红外偏振图像特征,论文提出了一种基于Choquet模糊积分和拉普拉斯金字塔变换的红外偏振图像融合方法。首先利用Choquet积分选择经偏振解析后的最佳偏振参量图像,然后通过拉普拉斯金字塔分解红外光强图像和被选取偏振参量图像,对顶层采用区域平均梯度最大,对I层采用区域能量选取处理方法,再经过拉普拉斯金字塔反变换得到最终融合图像。实验结果表明,论文提出的融合算法在凸显参加融合图像的共有信息同时保留它们的特有信息,且提高了融合图像的细节信息,利于后期做目标检测的研究。

基于Faster R-CNN的无人机侦察目标检测方法

目标检测的准确率是评估侦察目标性能的重要指标之一。论文提出了基于Faster R-CNN的无人机侦察目标检测方法,对模型的RPN模块、多任务损失函数、卷积特征共享等算法进行了分析和研究,选取油库、舰艇、立交桥、飞机等四种典型目标,以Faster R-CNN为基准模型进行训练和测试,模型平均准确率为89.47%,目标检测准确率高。

潜指纹紫外偏振图像模糊自适应融合算法研究

潜指纹紫外偏振图像由紫外强度图像与偏振度参量图像融合而成,可实现潜指纹准确检测与识别,然而目前无法选择最优偏振参量表征目标特性。在现有偏振图像融合算法基础上,提出一种紫外偏振图像模糊自适应融合算法。从紫外偏振图像解析出多个偏振参量图像,使用模糊积分自适应选择最佳偏振参量图像,利用离散平稳小波变换将紫外强度图像和最佳偏振参量图像分解为高、低频系数,按照最大值规则融合高频系数,采用稀疏表示规则融合低频系数,并通过离散平稳小波逆变换获得融合图像。实验结果表明,与LP、PCA等融合算法相比,该算法所得融合图像能更好地保留强度图像特征与偏振参量高频信息,提高目标对比度并增强目标细节特征,对不同材质的潜指纹适应性较强。

一种基于YOLOv3的红外目标检测系统

针对未来战场感知体系的自动化和智能化的需求,设计出了一种基于深度学习的战场红外目标检测系统。近年来随着深度卷积神经网络在图像识别领域的广泛应用,因此将这项新技术应用于军事目标检测具有极强的现实意义。系统通过红外成像机芯采集红外图像,使用图像采集卡实时传输图像数据,最后在主机端利用深度卷积神经网络进行目标检测。以YOLOv3算法作为基础,以某款金属车辆模型为例,采集该型车辆的红外图像数据并制作相应的数据集,训练得到相应的检测内核。通过实验证明,检测速度可达在30帧/秒以上,且在fps达到30的前提下平均识别精度达到70%以上,不仅具有很好的实时性、准确性,对各种环境变化具有较好的鲁棒性,验证了该系统的可行性和军事应用价值。

SIFT和SURF算法在偏振图像匹配中的应用研究

针对多路平行同时偏振光成像系统中的异源图像匹配问题,深入研究了基于SIFT和SURF的图像匹配算法。以实验室定焦分孔径同时式偏振光成像系统获取的多个偏振方向偏振图像进行特征点提取和图像匹配实验,对SIFT和SURF算法进行了实验比较。结果表明,SIFT算法特征点多、匹配精度较高,但所耗时间太长,而SURF算法特征点选取、匹配精度相比SIFT算法稍低,但是效率比SIFT明显高效,因此在多路平行同时偏振光成像系统中SURF算法更加适合应用于实时配准,SIFT算法更适用于离线数据处理。

一种基于尺度不变的景像匹配方法

随着军事技术的不断发展,各个国家对精确打击武器迫切需求,开展关于景像匹配技术的研究具有重要意义。一般图像匹配的实时图和模板图是在不同天气、不同时间、不同角度以及不同成像设备的条件下获得的,所以图像之间会存在明显的畸变,因此论文提出了一种基于尺度不变的景象匹配技术方法。首先是利用SURF特征提取对实时图和模板图进行配准,然后对感兴趣的目标进行模板匹配,实现景像匹配。论文方法不仅对于各种畸变和变换有很好的鲁棒性,也能够对不同目标进行模板匹配,实现了景像匹配的实时处理。

基于DWT的红外偏振自适应选择融合方法

针对舰船目标在雾天自然场景融合需要,论文提出了一种基于DWT的红外偏振自适应选择融合方法。利用DWT变换分别获取红外光强图像和偏振度图像的低频和高频成分,然后分别对低通带采用基于SR和像素平均值的融合方法,对高频带分别采用像素绝对值取大,特征匹配度,一致性检验,还有基于区域最大值四种融合规则。再经过DWT反变换分别得到基于不同的低频和高频处理方法的八张融合图像,最后再运用Choquet模糊积分计算将取得模糊积分最大值的图像作为最佳融合图像。实验结果表明,论文提出的融合算法在凸显红外偏振和光强图像共有信息的同时保留他们的特有信息,且提高了融合图像的细节信息,利于后期做目标检测的研究。