基于局部积加权对比的红外弱小目标检测

针对复杂背景下因像素点噪声及高亮边缘干扰导致的对红外弱小目标检测率低、虚警率高的问题,提出一种基于局部积加权对比的红外弱小目标检测算法。首先,分别计算目标区域与背景区域均值,并得到目标与局部背景的差异性;提出一种局部积加权方法,极大增强了小目标的显著性与抑制背景杂波的能力;其次,采用多尺度算法增强算法的自适应能力;最后,对显著性图像进行自适应阈值分割,得到待检测的真实目标。仿真实验结果表明,所提算法的信杂比增益(SCRg)和背景抑制因子(BSF)相比现有算法均有一定提升,在复杂背景及强噪声干扰下仍具有良好的准确性和鲁棒性,实现了提高检测率,降低虚警率的目的。

基于视觉路径识别的智能车控制系统设计

为实现智能车对各种复杂路径快速稳定的识别,设计一种根据视觉图像进行路径识别的智能车控制系统。该智能车控制系统以MK60DN512ZVQ10控制器为核心,采用OV7725视觉传感器获取赛道的二值化图像;通过图像处理提取赛道边沿及中心线,并提出环岛等复杂路径的识别算法;通过增量式编码器测量实时车速,采用PID控制算法控制舵机的转向和驱动电机的转速;通过调整视觉传感器的高度并合理布局车体结构,增强智能车的路径识别能力和稳定性。实验测试结果表明:利用该系统,智能车在速度约为2.4 m/s时可在赛道上快速稳定行驶并正确识别各种路径。

多尺度上下文融合的交通标志识别算法研究

针对自然场景中小型交通标志检测漏检和虚警问题,提出了一种多尺度上下文融合的交通标志检测算法。以YOLOv3为检测框架,将特征金字塔网络的深层特征信息融合进更浅层特征层,提高更浅层特征层中高级前景语义信息的利用率;在YOLOv3框架基础上加入上下文模块,重新分配交通标志特征图中的上下文信息权重,加强目标特征信息的复用;使用融合预测目标置信度的网络损失函数来进行端到端的训练。在中国交通标志数据集TT100K上试验75类小型交通标志获得了56.93%的平均精度均值,相比于YOLOv3算法,所提算法精度提高了9.19%,验证了所提算法的有效性,表明了在小目标和多目标的环境下所提算法检测效果提升明显。