基于CNN的偏振参量自适应编码网络性能研究

人工选择的偏振参量对于偏振成像视觉任务并不是最佳选择。论文提出了一种偏振参量自适应编码网络,可根据视觉任务的需求编码出最合适的偏振参量图像。该网络由输入单元、多个隐层单元和输出单元构成,隐层单元包含1×1卷积层,ReLU激活层和批量归一化(BN)层。文中研究了不同超参数设置对该网络性能的影响,实验结果表明:1)隐层单元中加入BN层可明显提高网络性能;2)相比于三角形结构,网络形状选择菱形结构更佳;3)网络容量越大,其拟合精度越高,性能越好,同时消耗更多的计算资源,所以在选择网络容量超参数时,不能一直增加网络容量,要综合考虑硬件设备的计算资源或网络的效率要求。

一种基于改进Yolov3的弹载图像多目标检测方法

针对弹载目标检测具有目标图像尺度变化大、位置定位精度要求高、实时性要求高等特点,基于YOLOv3方法进行改进。对多尺度预测分支特征图上的先验框尺寸进行K-means维度聚类,增强了尺度适应性;改进位置损失函数,提高了位置定位能力;使用快速NMS算法加速预测过程,提高了网络实时性。实验结果表明,在构建的11类目标数据集上,改进算法的mAP达到93.08%,帧速率达到46.59帧/s,比原始YOLOv3算法分别提高1.47%和1.14帧/s,满足弹载目标检测准确度和实时性要求。

一种基于NSST变换的红外偏振图像融合算法研究

红外成像技术可以全天候进行工作,受一些恶劣天气因素的干扰较少,因为其依靠目标的温度差和热辐射率来成像﹐缺点也很明显﹐成像结果细节模糊﹐目标与背景的对比度低,边缘平滑﹐视觉效果一般。而偏振图像由于其只保留某些特定方向入射光的特殊成像机制﹐从而可以获取目标与背景粗糙度﹑含水量、物质理化以及纹理特征等多维细节信息,但也正因为滤除了部分方向的光线,导致偏振图像整体亮度偏低。针对单偏振参量信息弱、对比度小而且红外强度图像细节模糊的问题,提出一种基于非下采样剪切波变换(NSST)的红外偏振图像融合算法,可以有效提高复杂背景中目标的辨识度。首先将偏振度图像与偏振角图像采用改进的区域方差方法进行融合得到初始图像。然后对初始图像与红外强度图像进行NSST分解处理,低频分量采用区域关联度与区域方差相结合的融合规则,高频分量的融合采用区域关联度与区域特性能量相结合的规则。实验结果表明,本算法主观视觉效果良好,客观评价指标也优于其他算法。