An intelligent target-segmentation algorithm for aerial images

Knowledge-based multi-feaure-fusion and multi-resolution analysis is for adapive image segment -ation and experimental results show it can be used to extraot targets from complicated backgcround with the help of Priorknowledge and artificial intelligence.

加权有向关联网络构建与表征的水中目标远距离检测

水中目标的远距离检测是海洋防御体系的关键技术之一,对国防及民用领域均具有十分重要的作用。然而,目前尚缺乏行之有效的水中目标远距离检测方法,特别是目标先验信息未知的情况下变的愈加困难。为解决这一问题,提出一种新的方法—加权有向关联网络。通过矢量声信号到加权有向关联网络的映射,将信号检测问题转化为网络拓扑的表征,并通过对网络拓扑的特性分析及特征提取,实现无目标先验信息下的水中目标远距离检测。并通过仿真与实测数据对所提出的方法进行验证。研究结果表明:与现有的窄带互谱检测、冒泡熵等方法相比,所提方法能够检测到更低信噪比的水中目标,实现了无需目标先验信息的水中目标远距离检测;该方法的应用具有一定的实际意义和应用前景,可以为海洋防御和民用领域的水下目标检测提供有效的技术支撑。

遮挡环境下基于航海雷达的舰船目标跟踪方法研究

[目的]针对无人艇平台航海雷达在舰船目标跟踪中因障碍物遮挡而造成的目标航迹断裂问题,需综合利用环境先验信息,以提高雷达探测受限时目标跟踪航迹的连续性。[方法]通过提出遮挡环境下的综合概率数据互联(IPDA)算法,即O-IPDA,对环境遮挡情况进行实时预判;在遮挡环境中通过采用低检测概率和针对性设计的存在状态概率转移矩阵,以维持目标跟踪的连续性。[结果]在单目标跟踪场景中,当目标被暂时遮挡时,O-IPDA可以避免目标因持续性漏检而丢失,以保持跟踪航迹的稳定性,其中算法的抗遮挡能力取决于O-IPDA存在状态概率转移矩阵中的相关参数设置。[结论]O-IPDA目标跟踪方法具有一定的抗遮挡能力,可为航海雷达单目标跟踪研究提供参考。

利用近清图像空间搜索的深度图像先验降噪模型

鉴于深度图像先验(DIP)降噪模型的性能高度依赖于目标图像所确定的搜索空间,该文提出一种新的基于近清图像空间搜索策略的改进降噪模型。首先,使用当前两种主流有监督降噪模型对同一场景下两张噪声图像分别进行降噪,所获得两张降噪后图像称为近清图像;其次,采用随机采样融合法将两张近清图像融合后作为网络输入,同时以两张近清图像替换噪声图像作为双目标图像以更好地约束搜索空间,进而在更为接近参考图像的空间范围内搜索可能的图像作为降噪后图像;最后,将原DIP模型的多尺度UNet网络简化为单尺度模式,同时引入Transformer模块以增强网络对长距离像素点之间的建模能力,从而在保证网络搜索能力的基础上提升模型的执行效率。实验结果表明:所提改进模型在降噪效果和执行效率两个方面显著优于原DIP模型,在降噪效果方面也超过了主流有监督降噪模型。

基于注意力机制和深度先验的注视点检测网络

人类注视行为作为一种非语言线索,对揭示人类意图起着重要作用,注视点检测在机器视觉领域已引起广泛关注。然而,现有方法多聚焦于图像的纹理信息提取,忽视了立体深度信息对注视点估计的重要性,难以应对纹理复杂场景。对此,提出了一种新的基于注意力机制和深度先验的注视点检测网络,包括面部视线方向预测与场景显著性检测两个阶段。在视线方向预测阶段,建立通道-空间注意力机制模块以重校准纹理特征,并设计头部位置编码分支,实现纹理和头部位置感知增强的高表征特征,以准确预测视线方向。进一步,提出将表征三维场景中立体或距离信息的深度作为先验引入到显著性检测阶段的策略,同时通过通道-空间注意力机制增强多尺度纹理特征,充分发挥深度几何信息和图像纹理信息的优势,提高注视点检测的准确性。实验结果表明,在两个权威数据集GazeFollow和DLGaze上与其他先进方法相比,该模型表现出显著的优越性。

一种基于LSKNet的绝缘子缺陷检测方法研究

目前,电力网络缺陷检测主要通过无人机航拍完成。对当前公开的数据集进行筛选,发现绝缘子的标注误差较大且正负样本失衡;同时,巡检图像中存在许多小尺度和细长类型的目标,使用现有的算法很难达到高精度的检测效果。针对上述问题,通过雾化算法构建一个新的数据集,采用大型选择核网络(LSKNet),引入暗通道先验算法,提出针对电力网络缺陷的LSK绝缘子图像去雾算法。实验结果表明,在SFID-PRO数据集上的mAP达到85.90%,其中缺陷绝缘子的召回率达到了99.6%,能够对细长物体和小尺寸物体进行精准的检测。

基于CF-YOLO的雾霾交通标志识别

针对现有交通标志检测模型在雾霾环境下出现漏检、错检以及参数较大等问题,设计一种基于YOLOv5s改进的CF-YOLO检测模型。为加强在雾霾环境中对交通标志的检测能力,提出一种基于颜色衰减先验的自适应伽马变换图像预处理算法;为增强对目标的定位能力及检测精度,将坐标注意力机制融合到网络中;为实现模型轻量化,引入FasterNetBlock构建网络。实验结果表明,改进算法在雾霾环境下交通标志检测相比原YOLOv5模型权重减少了2.3 MB,精度提高了8.5个百分点。

基于随机超曲面模型的机动星凸形扩展目标跟踪

针对具有强机动性的扩展目标跟踪问题,不仅需要估计目标的运动状态,还要准确识别目标机动过程中的形状变化。由于目标机动和模型的复杂所导致的高维非线性问题,提出了一种基于随机超曲面模型的扩展目标方向自适应跟踪算法。通过使用输入估计检测器对目标机动进行判断,再利用目标机动的大小修正形状参数的先验,其次基于先验信息更新量测,并结合无迹卡尔曼滤波算法,实现对机动扩展目标的状态跟踪和形状识别。利用均方根误差和quasi-Jaccard距离分别对目标质心位置的跟踪质量和形状的跟踪性能进行评价。仿真实验结果证明了该算法的有效性。

基于DMSANet-YOLOv7的雾霾下绝缘子缺陷实时检测方法

针对复杂环境与雾霾天气下绝缘子缺陷过小,传统目标检测算法难以识别造成误检、漏检等情况,提出一种以YOLOv7为基础模型并改进的缺陷检测算法。在图像预处理部分采用暗通道先验去雾算法,提高模型对特征的可分辨性与鲁棒性;为提高模型特征提取能力和识别小目标能力,在主干网络结构后端引入双重多尺度注意力机制(Dual Multi Scale Attention Network,DMSANet);为减小模型尺寸,提高模型识别速度,采用基于SwinTransformer改进的C3模块替代E-ELAN模块;在预测部分使用Wise-IOU损失函数,提高模型收敛效率。实验结果表明,DMSANet-YOLOv7算法相较于原YOLOv7算法平均准确率、准确率以及召回率分别提高6.3%、7.9%、12.3%,单张图片检测速度达到12.3 ms,参数量为37.7 M。在提高检测精度的同时确保检测速度和性能的平衡,能够更好地搭载至无人机及其他平台,满足绝缘子及其缺陷的实时动态检测需求。

基于地质异常理论的页岩气有利区块圈定与定量评价——以渝东南地区下志留统龙马溪组为例

目前国内有关页岩气的研究主要集中在页岩气的成藏机理、页岩气成藏的地质条件和远景区预测,而对页岩气勘探理论和方法的研究则相对比较薄弱,这在一定程度上制约了我国页岩气工业化进程。为此,以地质异常找矿理论为指导,结合页岩气的地质特征,提出了页岩气有利区块圈定与定量评价方法。利用渝东南地区下志留统龙马溪组71个露头剖面和渝页1井的数据,根据页岩埋深、厚度、有机质含量、黏土矿物含量、石英含量等5个页岩气有利区地质异常关键指标及其阈值,预测了渝东南地区大有、武隆、彭水、连湖、黔江、太极和酉阳7个龙马溪组页岩气有利区段。通过对有利区段进行有利度定量评价,圈定出渝东南地区武隆、黔江西、黔江东、太极西、连湖东、连湖西、连湖中、彭水鹿角西、彭水长滩、彭水高谷、彭水鹿角东、酉阳西、酉阳东、大有等14个区块为页岩气有利区块。进而在对上述有利区块进行找气绝对优度和相对优度定量评价的基础上,指出黔江西、武隆、太极西、连湖东、连湖西、连湖中等6个有利区块是渝东南地区页岩气勘探开发的优先靶区。

基于稀疏先验的空间目标图像盲反演方法

针对图像盲反演算法未考虑空间目标图像自身特性,致使对空间目标图像细节信息恢复不理想、重构图像中易产生边界伪像等不足之处,提出了一种基于稀疏表示的联合稀疏先验约束盲反演算法.首先,结合空间目标图像梯度的稀疏特性,采用图像梯度的L 0范数提取有利于模糊核估计的图像显著边缘信息;其次,采用L p范数和L 0范数对图像的梯度分布和空间域进行稀疏约束,以保证反演图像的像素点间具有显著的对比度,同时保证图像中包含边缘和纹理等细节信息;最后,采用拉普拉斯分布先验对模糊核进行约束,以保证模糊核的稀疏特性.采取交替迭代策略对所提出的模型进行优化求解,从而得到模糊核和空间目标图像的估计值.实验结果表明,相比于几种具有代表性的盲反演算法,提出的方法能估计出更准确的模糊核,对图像边缘和纹理等细节信息具有更好的恢复能力,在主观评价和客观评价方面均取得了较好的反演性能.

非均匀环境下利用杂波脊信息的杂波滤除方法研究

该文针对空时自适应检测训练样本中含有干扰目标会导致目标检测性能下降的问题,提出一种利用杂波脊先验信息滤除杂波的方法,使目标检测不受训练样本中干扰目标的影响,并且提高了小样本情况下的检测性能。利用机载雷达地杂波在角度多普勒空间的分布特点,结合杂波2维高斯功率谱密度模型,构造杂波协方差矩阵用于滤除对目标有遮蔽影响区域内的杂波。模型参数的设定充分结合了环境先验信息,使参数设定快速准确。通过仿真数据和MCARM实测数据的仿真实验,结果表明在训练样本被干扰目标污染和小样本情况下,利用杂波脊信息的杂波滤除方法均能有效滤除杂波,检测性能高于传统的自适应检测方法。

基于稀疏重构的机载雷达训练样本挑选方法

针对空时自适应处理中训练样本受目标信号污染时检测性能下降的问题,提出了一种基于稀疏重构技术的训练样本选取方法。该方法首先将接收数据由阵元-脉冲-距离域转换到阵元-多普勒-距离域,然后采用改进的正则化FOCUSS算法进行空域稀疏重构,估计待检测多普勒通道对应的阵元-距离域数据得到高分辨角度-距离谱,利用杂波多普勒与角度的先验关系,剔除角度-距离谱上明显偏离角度期望的样本,实现对训练样本的有效选择。仿真表明,相比传统样本选择方法,该方法无须估计协方差矩阵,在小样本集情况下依然能够剔除被污染的样本,有较大优势。

使用杂波先验信息和参考数据的距离扩展目标检测

在雷达目标检测中,待检测单元的杂波协方差矩阵估计质量直接影响到检测性能。杂波协方差矩阵的估计有两种途径:利用一定数量的参数数据,或者是利用杂波的先验信息。本文针对距离扩展目标,研究同时利用杂波场景的先验信息与一定数量的参考数据的检测方法。基于贝叶斯方法,提出了单步广义似然比检验和双步广义似然比检验两种检测算法。与仅使用先验信息或参考数据的常规检测算法相比,该算法具有更大的灵活性。计算机仿真表明,综合利用先验信息与参考数据,可以显著提高距离扩展目标检测性能。且在小样本条件,以及先验失配条件下,本文给出的算法具有更好的稳健性。

基于知识的海杂波背景下距离扩展目标检测

该文针对在辅助数据有限的情况下自适应检测器出现检测性能损失,提出基于杂波的先验知识分布的距离扩展目标自适应检测算法。复合高斯杂波的纹理和散斑的协方差矩阵分别被建模为服从逆伽玛分布的随机变量和逆复Wishart分布的随机矩阵。利用先验知识推导了纹理分量的最大后验估计,并结合广义似然比检验设计了不依赖辅助数据的距离扩展目标自适应检测器。仿真结果表明,提出的检测器在参数失配条件下具有好的鲁棒性,而且在辅助数据有限情况下检测性能优于传统的广义似然比检测器的检测性能。

基于扩展目标先验的贝叶斯压缩感知成像

已有的基于压缩感知理论的雷达成像技术通常是基于待重构目标散射点自身非常"稀疏"的前提下。然而实际情形中,针对大型刚体目标成像,如飞机、舰船等,其距离维及方位维通常存在一定的扩展特性,此时成像场景目标空间域的稀疏性相对较差,如果仍采用传统方法进行目标反演,所获得的目标重构性能通常并不理想。据此,基于扩展目标的先验信息,提出了一种改进的贝叶斯压缩感知成像方法。仿真试验验证了所提方法的有效性。

基于改进MRF-KFCM有效区域分割的储能系统三维温度场重构方法

储能系统是微电网的核心组成部分,其热管理对于微电网的安全与稳定具有重要意义。相对于表面温度,电池堆内部温度场更有意义,针对红外热像仪无法监测电池堆内部温度场的问题,提出一种基于表面温度场与虚拟热源的三维温度场重构方法。通过分割算法将有效区域分离,利用定标将其映射为表面温度场,进而初步重构三维温度场,然后以虚拟热源对立体子单元温度进行修正。为了避免电池堆红外图像有效区域分割不准确对三维重构造成的影响,对马尔可夫随机场约束下的模糊核C均值聚类(MRF-KFCM)算法进行改进,通过Otsu算法在可见光图像中初步获得有效区域,赋予像元以不同的目标信息权重进行聚类,最后经配准得到电池堆在红外图像中的准确位置。实验结果表明,该方法能够反映电池堆内部温度变化趋势和局部差异,精度满足实际应用需求。

基于加权场景先验的海上红外弱小目标检测

为了提高海上红外弱小目标检测的检测精度和实时性,提出了一种基于加权场景先验的红外弱小目标检测方法.该方法首先利用目标的稀疏特性以及海面场景的非局部自相关特性,将目标和背景的分离问题转化为恢复低秩和稀疏矩阵的鲁棒主成分分析(Robust Principal Component Analysis,RPCA)问题.之后,将海面背景的先验特征信息通过加权核范数的方式加入模型,加快算法中目标和背景图像块矩阵的分解速度.最后,通过引入交替方向乘子法(ADMM)算法进一步加速求解的迭代速度.实验结果表明:该算法能有效地提高目标检测准确率,算法实时性较原算法提高了120%.

基于兴趣区检测的地面目标识别方法研究

提出了一种基于兴趣区检测的地面目标识别方法。根据目标模型的有关几何形状和热辐射知识,采用自上而下的计算模型,计算所提取的基元特征的显著性,并根据基元特征的显著性的大小确定出注视点及相应的兴趣区,然后对兴趣区中的图像进行分割,并利用模型知识对分割图像进行识别。该方法对已有的红外目标图像系列取得了很好的识别效果,提高了识别精度和弱小目标检测识别的能力。

集成证据提高目标识别性能的方法研究

以数理统计理论和Dempster Shafer证据理论为手段 ,提出了充分利用末制导图像信息处理和识别过程中产生的中间信息和先验知识 ,从而提高目标识别性能的方法 ,该方法包括证据可用性的判断 ,证据对识别结果的支持度的计算模型以及各证据对识别结果支持度的融合计算 .在对实际复杂背景下的红外图像识别实验中 ,该方法可有效降低目标识别中的虚警率和漏警率 ,虚警率和漏警率分别从 0 .0 31和 0 .0 85降低至 0 .0 0 8和 0 .0 38,分别降低了约 3/ 4和 1/ 2 ,表明该方法在提高目标识别性能上是可行和有效的 .