改进YOLOv5s的弱光水下生物目标检测算法

针对水下光学图像目标检测过程中由于水中光线衰弱严重、图像环境复杂和拍摄设备移动等造成的生物识别精度低的问题,提出了基于改进YOLOv5s的弱光水下生物目标实时检测算法YOLOv5s-underwater。针对弱光水下光线衰弱的问题,引入了限制对比度自适应直方图均衡(CLAHE)算法对输入图像进行预处理,解决了颜色失真和图像毛糙的问题。针对复杂的弱光水下图像环境,提出了快速空间金字塔池化(SPPF)模块,解决了水下物体区分度低和特征损失严重的问题。针对拍摄设备移动带来的场景和形态变化问题,提出了一种基于旋转窗口的Swin-Transformer模块,提高了模型的泛化能力。针对水下小目标,修改了网络模型结构,提高了小目标的检测能力。仿真和实验结果表明:所提算法相较于YOLOv5s检测精度提高30.7%,证明了算法的有效性。

时变复杂背景自由运动目标的高灵敏追迹成像

复杂背景下低可见度目标追迹是成像领域的一个重要研究方向,现有方法难以对运动方向和速率均无规则变化的低可见度目标进行追迹成像.运动衬度成像可大幅提升目标追迹的灵敏度,已在X射线成像领域取得重要应用,但仅局限于固定轨迹或单调背景的成像.本文将运动衬度成像引入到时变复杂背景中轨迹不确定的目标追迹成像任务,通过解决现有方法受复杂背景和高频噪声干扰严重的问题,实现目标的高灵敏追迹成像.天空和树林中飞鸟的追迹结果表明,该方法能有效地消除野外自然光和树叶无规则摆动导致背景灰度无规则变化的影响,实现时变复杂背景中自由运动弱信号小目标的高灵敏追迹成像.本文发展的方法有望为低可见度目标追迹成像提供一种新的手段.

2D/3D距离选通成像的低对比度目标探测

低对比度目标探测在司法取证、反恐维安、远距离监控、搜救等应用中具有重要意义,然而传统二维成像方法则难以对其有效探测。由此,提出了基于2D/3D距离选通成像探测低对比度目标的方法:通过2D距离选通成像直接获取目标无背景或背景部分滤除的二维选通图像,从而突显目标,简化目标提取图像处理;当复杂背景无法有效滤除时,可进一步通过3D距离选通成像重建二维选通图像中丢失的三维空间信息,通过距离图区分目标与背景,实现目标有效探测。在该方法中,3D距离选通成像是基于上述二维选通图像采用超分辨率三维成像反演实现的,因此无需耗时获取新数据,从而提高了实时性,并压缩了数据量。研究和实验表明:该方法可有效解决低对比度目标探测问题,在低照度及恶劣天气环境下均可有效工作。

用于海洋宏生物原位观测的水下激光雷达相机

海洋宏生物原位"观"和"测"对于海洋生态环境、海洋生物资源和海底矿产资源的研究和评估具有重要的意义。目前用于海洋宏生物原位观察的传统水下摄像机存在目标辐射特性、水体光散射、距离信息丢失等导致的低对比度目标探测难的问题。针对此,提出了水下激光雷达相机,可以兼顾并超越传统激光扫描雷达与摄像机复合的技术方案,利用单一系统同时获得百万像素高对比度的二维强度图像和高分辨率的三维图像,且二维图像中的像素和三维图像中的体素一一对应,并介绍了基于该技术研制的"凤眼"系统,其光立体采样区体积可调,距离分辨率优于1 cm,像素数为1360×1024。自2018年起,"凤眼"在我国南海海域进行了4个航次的海上试验,获取了海底宏生物及微地形地貌图像,最大工作深度达到3291 m。

低对比度小目标检测

对强杂波背景下的远距离目标探测,提出基于序列图像的局部自适应背景预测,获得图像背景的最佳估计。对残差图像采用能量累积及中值滤波消除背景杂波。为提高信噪比,采用带缓冲窗口的双窗滤波法使目标和背景的差别更加显著,有利于低对比度下的目标分割。最后采用改进的高阶相关方法,在不影响检测性能的情况下加快了真实目标识别的运算收敛速度,并最终实现了算法工程化,在图像局部信噪比大于0.3时,采用三阶相关时检测概率达到98%。

低对比度环境下运动目标光学相关检测技术

在用光电混合联合变换相关器对运动目标进行检测的过程中,为了在提高运算速度的前提下解决运动目标在低对比度环境中所导致的低识别率问题,提出一种基于提升小波的边缘检测算法,该算法能在将目标边缘准确地从低对比度环境中提取的同时,将传统小波变换的计算量减少一倍,显著提高运算速度,满足运动目标检测在处理速度上的需求。将该算法应用于光学相关检测,并结合瞬态模板方法可改善目标的识别率,提高在低对比度环境下运动目标检测的效率。对大量具有低对比度特点的运动序列进行光学相关实验,验证了算法对低对比度环境下运动目标检测的可行性。

基于邻域空间特征的低对比度小目标分割算法

低对比度图像具有邻近像素的空间相关性高、灰度变化不明显等特点,从中分割出微小目标是非常困难的。本文提出一种新的低对比度图像提取小目标的分割算法,通过引进局部均匀度,结合局部熵获得空间分布状态,对低对比度图像进行分割,该算法充分利用了目标图像的灰度和空间属性。实验结果表明,该方法能有效地实现低对比度小目标图像的分割。相对于其他算法,分割精度更高,且抗噪性强,可以有效地降低过分分割问题。

Sobel算子在光学相关目标识别中的应用

该文将图像边缘检测技术应用到联合变换相关器(JTC)中,采用Sobel算子作为边缘检测算子,并应用VC++软件模拟仿真相关探测中物面图像的功率谱和相关峰。利用该方法获得了更加尖锐的相关峰,提高了目标的识别率,在探测低对比度目标时具有较好的效果。

低对比度全景球面图像目标分割方法

受到光照、设备等外界条件的影响,得到的全景球面图像对比度通常较低。当前目标分割方法无法解决外界环境的干扰问题,导致分割结果精度低,分割效果不佳。为此,提出一种新的低对比度全景球面图像目标分割方法,通过PCNN模型对低对比度全景球面图像进行对比度增强处理,依据人眼视觉特征,通过对数变换映射函数把全景球面图像的亮度调整至一个合适的视觉范围内。介绍了均值偏移法的理论基础,通过对特征空间中样本点的聚类,获取模式点。通过均值偏移法将空间上相邻和色彩相同的像素划分至一类,找到不同颜色的聚类点,从而实现低对比度全景球面图像目标分割。实验结果表明,采用所提方法对低对比度全景球面图像进行分割,不仅分割效果好,而且分割精度高。

复杂背景下低对比度目标的光学相关探测和识别

光电混合联合变换相关器可以实现光学图像的探测、自动识别、实时跟踪和高精度定位。但当实际的目标图像对比度低、背景噪音大时,相关峰对比度降低,甚至没有相关峰。文章将空域直方图均衡化与频域滤波器相结合,提高了目标图像的对比度,减小了背景噪音,获得了尖锐的相关峰,解决了复杂背景低对比度目标图像的识别问题,获得了很好的实验结果。大量的计算机模拟和光学实验表明,相较于其他复杂的算法,该算法简单、实现速度快,效果良好。

基于TMS320C6203的实时弱目标跟踪研究

介绍一种基于DSP实现弱目标跟踪的方法,该系统主要是以高速数字信号处理器TMS320C6203作为核心器件,并与FPGA和CPLD相结合跟踪弱目标。首先通过统计像素数的方法粗略计算目标位置,根据获得目标的位置和大小进行局部精确搜索,减少计算量,然后采用重心跟踪结合线性预测的方法对目标进行跟踪,通过串口通讯在显示器上我们可以看到跟踪结果。实验结果表明可以对目标进行准确定位,达到实时跟踪的目的。

多靶材X射线显微镜在轻质样品成像中的应用

搭建了基于SEM(Scanning Electron Microscope)的多靶材X射线显微成像系统,并对其成像原理进行了分析,改装后的X射线显微成像系统可以通过切换靶材来实现对低能X射线的能量调节,进而实现对轻质样品不同区域的高分辨率、高对比度成像;在现有的平台上,分别使用铝、铬、钨3种靶材对杨树叶和蚂蚁样品进行了DR(Digital Radiography)成像实验,并且对几种靶材的DR成像结果进行了分析.结果表明:使用铝靶材对样品的轻薄(~100μm)、边界区域进行成像,容易获得较好的对比度;而铬、钨靶材则可以在样品较厚(小于1 mm)时获得较好的衬度.

面向暗室照度计检定低对比度示值图像智能识别技术研究

针对照度计检定过程中所存在光照强弱与对比度变化的问题,本文提出采用基于Single Shot MultiBox Detector (SSD)目标检测框架的低对比度照度计示值识别技术。首先对比主流目标检测框架检测精度和检测速度,选择兼具精度与速度的SSD目标检测框架;其次设计针对低对比度目标检测的数据增强算法,用以提高SSD目标检测框架对低对比度示值图像识别准确率;最后进行实验与结果分析,设计4组不同照度环境下照度计示值识别实验,识别准确率为99. 6%,SSD目标检测框架识别一张图像平均耗时25. 9 ms。实验证明,该技术在不同光照、对比度环境下对照度计示值图像都有很好的识别效果,其检测速度也能保证照度计检定的在线识别。

高斯小波在低对比度目标识别中的应用研究

应用光电混合联合变换相关器对复杂背景低对比度目标进行探测识别时,物面图像不作任何处理根本无法获得相关峰,无法实现目标探测识别的目的。为此提出在物面应用高斯小波模极大法处理技术,有效抑制了背景噪声的干扰,提高了有用信息量的衍射,从而提高了应用联合变换相关器对复杂背景低对比度目标进行探测识别的能力。实验证明对于对比度高于6%的复杂背景目标经高斯小波处理后,获得的相关峰对比度较处理前相关峰对比度能达到百分之百的增强效果。文中给出了雾天汽车处理前后的实验结果,有力地证明了该方法的有效性。

基于光学相关探测的水上目标识别研究

提出了改进的Laplace边缘检测算子与对比度拉伸变换相结合的光学相关物面图像处理方法,对水上目标图像进行边缘检测和对比度拉伸,在精确提取目标边缘特征的同时有效地提高了图像对比度。将其应用到实时联合变换相关器中,实验结果表明,滤波后的图像经两次傅里叶变换后输出的相关点亮度明显增强,由此解决了一些复杂背景、低对比度水上目标的识别问题。

装甲战车图像跟踪系统技术研究

在高技术条件下的局部战争中,装甲战车应具备精确的打击能力、目标获取能力和态势感知能力,这就需要一个能对抗复杂场景的目标跟踪系统。针对用于装甲战车的目标跟踪系统所存在的关键技术,提出了应用于复杂场景下的目标长时跟踪算法,实现了目标受遮挡情况的自适应判定和目标丢失的重捕获,在目标发生尺度变化、姿态变化、光照变化、遮挡等复杂情况下仍具有良好的跟踪效果;设计了一套视频跟踪器系统,通过实验验证,可实现对比度优于5%,目标像素数大于2×2,部分遮挡及完全遮挡的复杂战场环境下目标的稳定跟踪。

基于小波变换与像元对目标的短波红外图像增强算法

弱光夜视是短波红外成像的重要应用领域之一。针对短波红外弱光图像对比度低,增强后噪声也被放大的特点,提出了一种基于小波变换与像元对目标的短波红外图像增强算法。首先通过小波变换获得不同频率成分的子带图像;然后对低频子带图像进行基于像元对目标的灰度变换处理,对高频子带图像进行可变阈值降噪处理;最后通过小波反变换将处理后的子带重构得到增强结果。将该算法与基于直方图的增强算法,全局优化线性窗口色调映射算法和自然保持增强算法进行比较,采用图像的信息熵和基于Michelson法则的对比度增强度量作为客观评价指标,结果表明本文算法更为有效地提高了短波红外弱光图像的对比度,抑制了噪声的增强,提升了图像的视觉效果。

基于梯度特征的弱小目标检测

针对传统检测方法对低对比度和低信噪比弱小目标检测难度大的问题,提出一种基于梯度特征提取的弱小目标检测方法。首先利用弱小目标的各向同性及在梯度空间中的正负分布特性,提取两个方向梯度特征;然后通过改进的局部对比度算法分别抑制两个方向梯度特征的相似性,融合两个抑制相似性的方向梯度特征,增强目标同时抑制背景;最后通过自适应阈值对结果图进行分割,得到最终检测结果。实验结果表明,该算法不仅能够有效检测极低信噪比与对比度的目标,而且对复杂边缘场景具有很好的抑制效果,在信噪比、背景抑制因子以及检测率方面优于其他算法。

低对比度目标探测技术

为了提高联合变换相关器对复杂背景下的低对比度目标的识别能力,提出了小波变换与灰度拉伸以及Canny算法相结合的物面滤波新方法,并设计了新物面处理滤波器。通过计算机模拟和光学实验证明,该方法可以准确地提取目标特征,有效地降低噪声并最终获得明亮的相关峰,成功解决了低对比度复杂背景目标的识别问题。

基于提升小波的低对比度目标偏振识别技术

针对低对比度环境下拍摄目标图像所产生的低识别率问题,提出了一种基于小波提升算法的偏振信息融合方法,该方法采用偏振技术进行目标探测,应用小波提升算法所具有的计算量少、处理速度快等优点将偏振度和偏振角等信息分解为高频和低频部分,分别对高、低频系数采用不同规则进行融合,使得融合后目标边缘轮廓完全从低对比度环境中凸显出来,且细节信息完整、清晰,易于人眼对目标的识别。通过对大量低对比度场景下的目标进行识别及对融合结果进行评价,实验表明,该方法能有效地提高低对比度环境下目标的识别效率,验证了算法的可行性。