基于YOLOv8的卫星遥感图像快速目标检测方法

目标检测相关技术已经广泛应用于空间目标监视、卫星自动寻轨等领域,也是计算机视觉领域最重要和最具有挑战性的研究分支之一,逐渐成为国内外军事领域的应用热点.在现代空天对抗中,通过卫星遥感图像获取近地飞行器目标,借以快速判断敌方部队的有生力量,将使我方部队占据战略优势.针对卫星观测距离过远、遥感图像背景复杂等问题,研究基于一阶段轻量化网络YOLOv8的小样本目标检测算法.通过图像翻转、马赛克数据增强及mixup数据增强等图像增强手段提高了模型的泛化性能;通过多次调整优化函数、降低类别损失增益及降低掩模比等参数调整策略提高了模型的平均精度;通过使用参数预设及加载原优化函数导出的模型提高了模型的运算效率.提出的方法在公开的飞行器数据集进行了验证,验证指标包括查准率-查全率(precision-recall)、平均精度(mAP)和画面每秒传输帧数(FPS).结果表明本文提出的改进型网络模型能满足卫星遥感图像的快速目标检测需要.

一种快速目标的图像跟踪综合算法

本文针对空中快速目标 ,提出了一种图像跟踪综合算法 ,解决了一系列由于跟踪环境、时间、对象的变化而给图像序列处理造成的困难 ,简单且有效地实现了在复杂空情下对运动目标的跟踪。

利用KWT进行动目标成像的三通道SAR-GMTI快速目标运动参数估计

该文提出一种基于Keystone-Wigner变换进行运动目标成像的快速目标参数估计方法。快速目标的径向速度会引起距离走动和方位多普勒偏移,仅根据干涉相位值无法获取准确的动目标多普勒中心,而辅以走动率信息则可以解多普勒中心模糊以得到正确的径向速度估计。动目标沿航向速度会引起方位调频率的改变,导致在常规SAR图像中动目标方位散焦,校正动目标距离走动后提取目标信号进行KWT分析,得到动目标调频率值,此时再取干涉相位求得径向速度,最后得到沿航向速度。该文在Dechirp域进行动目标检测,在提取快速目标径向速度过程中同时考虑了脉冲重复频率(PRF)模糊和干涉相位模糊,并最终实现了快速目标的准确定位和测速。实测数据处理结果验证了所提出方法的有效性。

一种多通道SAR地面快速目标高概率检测方法

研究了合成孔径雷达地面动目标检测(SAR-GMTI)的快速目标检测问题。为提高检测概率,在回波数据的距离压缩-方位时域,对基带多普勒中心偏移对应的速度分量引起的走动采用Keystone变换进行校正,对整数倍脉冲重复频率(PRF)的多普勒中心偏移对应速度引起的走动量则可在时域加以校正,校正后再进行方位匹配滤波得到运动目标SAR图像,同时利用距离走动信息完成速度解模糊。实测数据处理结果验证了该方法的有效性。

机载三通道SAR/GMTI快速目标运动参数估计

针对常规SAR/GMTI系统无法获取快速目标信息的问题,提出一种基于解PRF模糊的快速目标检测和运动参数估计方法.首先将三通道SAR/GMTI数据在方位压缩后的距离频域两两对消抑制杂波,然后进行PRF模糊数估计.在方位压缩后的距离频域利用快速目标运动引起的模糊数与目标直线轨迹斜率的对应关系,通过Radon变换来搜索模糊数,同时得到目标轨迹直线斜率.已知直线斜率后进行方位徙动校正,并以最小熵准则搜索实现方位向聚焦,进而通过距离匹配滤波实现快速目标成像.仿真和实测数据结果均验证了该方法的有效性.

视频序列中二值图像的快速目标检测方法

针对视频序列中二值图像目标检测时间效率不稳定的问题,提出一种快速目标检测方法,其主要步骤包括逐层膨胀、填补空洞、逐层腐蚀和检测目标。理论分析与实验结果证明,该算法的时间效率、时间稳定性和检测质量较高,其最差时间效率与采用3×3结构元素的形态学闭算子相当。

基于曲率仿射不变量的快速目标识别

提出了一种用于三维空间中近似平面目标的快速识别方法。该方法利用目标轮廓的曲率信息构造出仿射不变量函数,再利用该不变量的极值点信息定位出轮廓的起始点进而对不变量做相应的循环移位调整,最终通过对调整后的不变量进行相似度比较实现目标识别。由于曲率信息能够有效地描述目标轮廓特征,所以保证了本方法优良的识别性能。同时本方法通过起始点定位的方式克服了传统上高复杂度的循环移位匹配的识别模式,进而实现了快速识别。实验结果显示了所述方法在识别精度和识别效率上都具有明显的优势。

基于模板的快速目标搜索算法研究

对两种基于模板的快速目标搜索算法四叉树法、模板膨胀法进行了研究 ,并与逐点匹配法做了比较 ,得出结论。根据相关匹配原理 ,采用四叉树法和快速模板膨胀匹配法 ,对目标进行快速搜索 。

一种视觉增强环境中的快速目标定位映射算法

文章对在视觉增强的交互系统中所面临的利用图像校正数据进行定位和映射的问题进行了研究,针对交互系统应用的实时性特征,提出了一种快速高效的双四边形定位和映射算法。该算法克服了采用传统方法所可能引起的耗时低效的缺点,利用一定的近似性原理,较好地满足了交互系统定位过程中的高效性和精确性需求。该算法应用于人机交互系统VIPwin中,实践证明达到了很好的效果。

融合微分重排与匹配的高光谱快速目标检测

为滤除大量冗余背景信息,提升目标检测速度,解决目标光谱获取困难等问题,提出一种融合光谱微分重排与光谱角匹配的高光谱快速目标检测算法。首先,对已知背景光谱信息微分重排,筛选出背景特征较少的谱段集;然后,计算相应谱段下,高光谱图像各像素点的光谱微分值与背景光谱微分值的差值,并对所得各谱段微分差值加权求和阈值化,粗提取出目标位置;最后,计算提取出的目标位置光谱与先验背景光谱角匹配的反余弦值,实现目标背景差异精细判别。通过自行拍摄的草地上黄、绿伪装网及AVIRIS获取的San Diego机场飞机高光谱图像进行实验,与RX、CEM、OSP、ACE、SAM等算法比较。实验结果表明,所提算法在保证检测精度的同时,具有较低的虚警率和较好的时效性:ROC曲线下面积AUC均高于0.98,虚警率分别为3%和1.6%,处理时间仅为0.36s和0.077s。

基于光斑轮廓特征的目标快速识别算法研究

大视场的视觉着陆引导系统在引导无人机自主着陆过程中,需要快速检测出安装在无人机上的合作目标。该合作目标在图像上是以光斑形式存在,因此为了满足系统的实时性要求,本文提出了基于轮廓特征的快速检测光斑算法。该算法是根据光斑在图像中的特征,采用了目标裁剪方法,将原始图像中的光斑部分裁剪出来,从而降低算法运算量;再通过图像预处理,消除背景的无关信息与噪声干扰,增强光斑的清晰度;最后利用最小二乘算法进行椭圆拟合定位出光斑的中心位置。将本实验算法与其他光斑检测算法进行实验对比,从而验证系统的实时性。结果表明:利用本文算法可以在保证精度的同时将运行时间缩减到36 ms。

中大口径舰炮“同时弹着”打击海面快速小目标方法

从近几年的海上安全形势来看,机动性好、体积较小的自杀式小艇已成为除反舰导弹外水面舰艇面临的最大杀手,如何实现对海面快速小目标的拦截和打击,是各国海军普遍面临的难题。因此,提出了中大口径舰炮“同时弹着”打击海面快速小目标的射击新方法,并建立了中大口径舰炮“同时弹着”模型,验证了中大口径舰炮2发同时弹着的可行性。同时,对中大口径舰炮“同时弹着”的误差、射击效力和适用距离等关键问题开展了研究。最后,结合实际战术应用,给出了中大口径舰炮基于梯次射的“同时弹着”射击方法,并通过仿真验证了该方法对打击海面快速小目标的有效性。

基于MobileNet-YOLO V4模型的无人机影像目标快速检测

无人机影像背景复杂、目标小且密集排列,基于深度学习的目标检测方法可以提高目标检测的准确率,但普遍存在模型参数量较多、检测速度较慢等问题。从3个方面对YOLO V4模型进行改进形成MobileNet-YOLO V4模型,提高目标检测速度。首先,使用多种数据增强方法,提高模型的学习能力;其次,改进了网络结构,使用MobileNet V3网络替换YOLO V4的主干特征提取网络,减少了模型的复杂度与计算量,提高了模型的泛化能力;最后,使用CIoU作为损失函数,增强目标检测效果。实验验证,相比原始的YOLO V4模型,MobileNet-YOLO V4模型的目标检测mAP和F1值分别下降了2.2%和0.4%,但速度却提高了近1倍,该模型可为无人机影像目标快速检测提供技术参考。

基于卷积神经网络和Transformer的目标快速识别

由于传统目标识别方法识别速度缓慢,识别效果差,提出了基于卷积神经网络和Transformer的目标快速识别。首先,以像素为单位判断目标点定位,查询数据向量,分配像素点的特征和位置信息训练权重;其次,将不同维度中的特征注意力合并,解码序列信息的计算关联性,添加新的位置信息;再次,在图像中布满卷积核,通过运算得到输出图像中的目标像素值,建立目标特征数据库,对特征目标进行训练得到对应数据集;最后,运用LSD(Least-Significant Difference)算法检测图像中的目标局部最优,根据先验知识还原后的线段进行分组,得到对应的候选窗口。遍历区域内数据获得近似值,选择最大的值为最优识别从而实现快速识别。实验结果表明,所提方法的抗噪识别率高,在干扰条件下识别速度快,目标识别效果好。

基于时域的红外图像序列中快速运动小目标检测算法

提出了一种新的红外图像序列中快速运动小目标时域模型。为差分图像序列中的背景像素、目标像素、杂波像素建立了模型,将目标检测问题转化为噪声中已知信号的检测问题,并应用相关检测技术进行目标检测。理论分析表明,在SNR和SCR均大于6的情况下,算法具有很好的性能,实验结果也证实了算法的有效性。

密集小尺寸非合作空间目标快速捕捉器的设计与研究

针对密集小尺寸非合作空间目标群的清除方法进行探讨,通过仿真实验给出捕捉器各部分材料的选取方案,为今后密集小尺寸空间非合作目标快速捕捉及消旋的工程实践提供理论依据。

架空输电线路无人机巡检图像目标快速识别研究

通过传统架空输电线路巡检方式获取到的图像存在多种因素的干扰,导致巡检目标识别效率低。因此,提出架空输电线路无人机巡检图像目标快速识别方法。通过无人机技术获取架空输电线路的高清图像,图像存在光照、颜色等因素对目标识别的干扰,所以对图像进行归一化处理。计算图像中每个目标的形心,结合形心计算结果构建无人机巡检图像目标快速识别模型,利用该模型高效地识别输电线路中的各种目标。实验证明,所提方法的架空输电线路无人机巡检图像精度高且时间短,能够为架空输电线路的巡检提供有力支持。

基于深度学习的海上目标快速检测方法

针对智能船艇在自主导航和避障过程中对环境感知的速度和精度需求,提出基于深度学习的海上目标快速检测方法,并构建以船舶、浮标和岛屿为检测目标的海上目标数据集。该方法通过提取目标图像不同尺度特征语义信息,应用多框检测器实现对目标的分类和定位,采用非极大值抑制算法筛选最优结果,实现海上目标快速高精度检测。试验结果显示,该方法在自建数据集上取得了83.3%的识别正确率,单帧耗时9.8ms,在相同试验条件下,正确率和单帧耗时均优于现有同类快速目标检测方法,表明该方法可满足智能船艇对环境感知的速度和精度需求。

红外图像中快速小目标的均值移位跟踪

为了增强红外图像中快速小目标跟踪的稳健性,提出基于隶属度加权核直方图目标表征模型的改进均值移位跟踪算法.首先分析原始均值移位算法跟踪快速小目标的局部背景干扰问题,融合背景信息提出隶属度加权核直方图目标表征模型.该模型能够提高对于目标的表征能力,抑制局部背景干扰.然后,以Bhattacharyya系数作为相似性度量,在均值移位框架下推导出基于该模型的移位向量,能够有效实现目标的移位跟踪.移位过程中,目标隶属度大的灰度具有高移位权重,反之具有低移位权重.最后,应用模型更新方法克服局部背景的时变性,进一步提高目标跟踪的鲁棒性.实验结果表明,该算法对于红外图像中的快速小目标的具有稳健的跟踪性能.

基于分段伪Keystone变换的快速旋转目标检测

对于高距离分辨雷达,快速复杂运动目标在相参积累时间内出现的越距离单元走动给检测与识别带来极大的困难.本文针对快速旋转目标越距离单元走动的问题,提出了一种新的分段伪Keystone变换方法,对越距离单元走动进行校正.该方法首先将数据按一定准则分段,每段数据用伪Keystone变换处理,校正目标的越距离单元走动,然后将每段数据"拼接"在一起,完成整个观测时间的距离像对齐,并在此基础上实现积累时间内的相参检测.采用离散匹配傅里叶变换实现了该变换的快速算法,仿真实验验证了算法的有效性.