基于改进SSD的合成孔径声纳图像感兴趣小目标检测方法

轻量化目标检测模型SSD-MV3(Single Shot Detection-MobileNet V3)因输入图像尺寸限制无法直接检测高分辨率大尺寸合成孔径声纳(Synthetic Aperture Sonar,SAS)图像中感兴趣小目标.为此,本文提出了一种新的目标检测方法HRSSD(High Resolution Single Shot Detection),该方法通过冗余切割确保SSD-MV3输入图像尺寸的规范以及感兴趣小目标的完整,并利用二次非极大值抑制保证检测结果的唯一.此外,提出了一种尺度、空间和通道注意力机制联合的特征提取模块,并利用该模块重新设计了SSD-MV3的基础网络和附加特征提取网络,记作SSD-MV3P(Single Shot Detection-MobileNet V3 Pro),使得SSD-MV3P能更有效的感知感兴趣小目标特征信息.实验结果表明,在感兴趣小目标检测数据集SST(Sonar Small Targets)上,SSD-MV3P的平均检测精度(mean Average Precision,mAP)比SSD-MV3提升4.39%.HRSSD实现了高分辨率大尺寸SAS图像感兴趣小目标的检测,并且保证了同一位置上检测结果的完整性和唯一性.

使用形态Haar小波法检测目标感兴趣区域

对图像进行面向自动目标识别(Auto Target Recognition,ATR)的压缩其关键是快速而准确地检测到目标感兴趣区域ROI(Region-of-interest),并将其与背景区域分别进行不同比特率的压缩。本文将形态Haar小波法与数学形态学方法相结合来实现目标ROI的检测,设计了新的目标ROI检测算子。对采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测。仿真实验表明,该方法对目标ROI的检测率最高可达到1.0000,而最低虚警率仅为0.0012;对含像素级别为102×102的图像,所需运算时间仅为10-1s。与传统方法相比,本文算法对目标ROI检测效果好,运算简单,节省了运算时间和硬件资源。

宽基线主动视觉中感兴趣目标的对应技术

在主动视觉系统中,通常需要多个代理对同一场景中的感兴趣目标进行协同处理,以提高系统智能分析感兴趣目标的能力。其中,基于多视几何关系解决感兴趣目标的对应问题是协同处理的基础。一方面,主动视觉系统一般工作在宽基线条件下,这增加了对应问题描述的复杂性;另一方面,主动视觉系统以最佳视角观察目标,因此摄像头需做实时的姿态调整,由此导致的视间几何关系变化进一步加深了对应问题的解决难度。本文基于仿射不变的几何特征,建立宽基线条件下的多视几何关系,并针对频繁使用几何特征不能满足主动视觉系统实时要求的问题,提出一种快速更新多视几何关系的方法,并在多视几何约束下实现对应感兴趣目标的鲁棒标识。实验结果表明,该方法能解决宽基线主动视觉系统中感兴趣目标的复杂对应问题,并能达到实时要求。

一种感兴趣目标区域自动插值算法

针对探地雷达成像需要自动放大感兴趣目标区域,同时抑制其他背景区域问题,提出了一种感兴趣目标区域自动插值方法.该方法通过二次统计检测地下目标的水平位置,且自动分割测线,之后用菱形模板预处理目标测线,用统计方法自动检测出目标深度位置,并对目标区域进行相关增强,最后对感兴趣的目标区域用实时插值方法放大,同时抑制背景.在不同的应用场合可选取相应模型,不仅实现感兴趣目标的自动检测,而且对目标区域实现自动增强,有利于目标定位和识别.实测数据表明该方法具有很好的适应性和可靠性.

目标感兴趣区域检测算法

将形态Haar小波与数学形态学方法相结合,用于实现目标感兴趣区域(Region-of-interest,ROI)的检测。将采集图像进行二维形态Haar小波分解,结合目标ROI检测要求的特点,仅在尺度信号域内应用设计的目标ROI检测算子,最终完成目标ROI的检测。仿真实验结果表明,该方法能以较低的虚警率和较高的检测率完成目标ROI检测,且运算简单,大大节省了运算时间和硬件资源,降低了系统设计成本。

自然图像中的感兴趣目标检测技术

基于显著图的目标检测方法不能精确地找到感兴趣目标的位置,或在同一感兴趣目标上检测出多个感兴趣区域。为此,提出一种视觉注意机制和模糊支持向量机(FSVM)相结合的算法。根据显著度和角点分布信息,从图像中获得包括单个目标的视觉窗口,并在窗口中采用FSVM算法分割目标和背景。实验结果表明,该方法符合生物的视觉注意机制,分割效果较好。

面向遥感影像感兴趣目标的剖分表达

为了高效地表达遥感影像中感兴趣目标,提出了基于地图分幅拓展EMD剖分面片聚合的遥感影像感兴趣目标剖分表达模型以及相应的剖分表达原则和剖分表达流程,设计了基于感兴趣目标剖分表达模型的线状和面状目标边界表达算法、面状目标的行扫描算法和剖分面片聚合算法等.模拟验证结果表明:基于EMD遥感影像感兴趣目标剖分表达模型可有效地对影像中的目标进行表达,且表达感兴趣目标的剖分面片个数越多,剖分面片聚合层级越大,目标剖分面片的压缩效果越好.

遥感影像局部兴趣目标的可逆信息隐藏算法

提出了一种适用于遥感影像局部兴趣目标授权使用的可逆信息隐藏算法。提取遥感影像上的局部兴趣目标作为待隐藏的信息,并在原始图像上对该目标进行变形处理,然后利用可逆整数线性变换实现待隐藏信息的调制嵌入,授权用户能够完全无损重建原始遥感影像。算法为盲算法,具有较大的嵌入容量,含隐藏信息图像的峰值信噪比较高,并且可以有效抵抗剪切及椒盐噪声等攻击。

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS(Hierarchical Saliency,分层显著性)检测算法分析用户的兴趣目标并应用SC(Saliency-based Image Cut,基于显著性的图像分割)算法将其分割,然后针对兴趣目标提取HSV(Hue、Saturation、Value,色调、饱和度、明度)颜色特征、SIFT(Scale Invariant Feature Transform,尺度不变特征变换)局部特征和CNN(Convolutional Neural Network,卷积神经网络)语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.

基于稀疏活动轮廓模型的感兴趣目标检测定位算法

传统的基于形状信息目标定位的算法,对目标观测角度发生形变情况下的定位存在不少困难,针对该问题,提出了一种基于稀疏活动轮廓模型的感兴趣目标(OOI)检测算法。首先通过共同勾画算法学习到感兴趣目标的稀疏活动轮廓模型,它能够清晰地定义感兴趣目标模式;同时构成该模型的Gabor轮廓基元可以通过扰动进行局部的调整以适配图像,在一定程度上提高了检测算法在目标发生形变或者存在遮挡等情况下的鲁棒性。然后采用交替的summaps和max maps的计算框架在测试图上扫描出与活动轮廓模型匹配分数最高的区域,将其定位分割出来;基于稀疏活动轮廓模型的检测算法在很大程度上依赖于图像尺度,利用稀疏活动轮廓模型在多个图像尺度上检测物体,因此可以有效地克服尺度变化大的问题。最后利用视觉皮层模型对分割后的图像进行模式分类进一步确认目标。经过多组实验结果表明,提出的基于稀疏活动轮廓模型的感兴趣目标检测定位算法,较好地解决目标在发生部分形变、存在遮挡以及复杂背景下的定位问题。

基于改进SSD的水下光学图像感兴趣目标检测算法研究

针对轻量化目标模型SSD-MV2对水下光学图像感兴趣目标检测精度低的问题,该文提出一种通道可选择的轻量化特征提取模块(SEB)和一种卷积核可变形、通道可选择的特征提取模块(SDB)。与此同时,利用SEB模块和SDB模块分别重新设计了SSD-MV2的基础网络和附加特征提取网络,记作SSD-MV2SDB,并为其选择了合理的基础网络扩张系数和附加特征提取网络SDB模块数量。在水下图像感兴趣目标检测数据集UOI-DET上,SSD-MV2SDB比SSD-MV2检测精度提高3.04%。实验结果表明,SSD-MV2SDB适用于水下图像感兴趣目标检测任务。

新时期大学师德建设的新要求——关注学生个体兴趣和目标的养成

关注学生个体兴趣和目标的养成是新时期大学师德建设的新要求。

基于协同无人机的感兴趣目标定位

通过无人机拍摄的光学图像求解地面感兴趣目标坐标,被广泛地应用于相关的军事以及商用民用领域;该方法的缺点是使用单架无人机时定位精度不稳定,效率也低;针对这些问题,设计了一种基于协同无人机的感兴趣目标定位系统;通过三架无人机同时观测同一地面感兴趣目标,在对目标定位的过程中,根据透视投影原理,结合无人机获取的姿态数据,通过主机数据处理系统实现机载在线实时定位;为了提高目标定位的精度,提出一种基于内三角形质心算法的协同目标定位方法;采用蒙特卡洛方法进行仿真实验,换算空间定位误差为26.6m,通过数值模拟和飞行实验验证结果表明,与传统单机目标定位系统相比,协同无人机感兴趣目标定位系统可以有效利用更多的观测信息,在有效提高目标定位效率的基础上具有更高的交会精度。

精神康复者优势-兴趣-目标自评量表(CASIG-SR)信效度评价

目的翻译精神康复者优势-兴趣-目标自评量表(CASIG-SR),对中文版CASIG-SR进行信度和效度评价,探索该量表在国内的适用性。方法选取90例社区精神分裂症患者进行中文版CASIG-SR的量表评估,4周后对其中的20名评估对象进行重测,用Cronbach’sα系数和重测信度评价信度,用内容效度和探索性因子分析评价效度。结果中文版CASIG-SR总量表的Cronbach’sα系数为0. 846,各条目的 Cronbach’sα系数为0. 668～0. 921,重测信度系数为0. 934,总条目的内容效度指数(CVI)为0. 94。探索性因子分析显示,提取的5个公因子,总方差的累计贡献率为64. 5%,各条目的因子载荷值均在0. 4以上。结论中文版CASIG-SR具有良好的信效度,适用于社区精神疾病患者治疗康复效果的评估,但还需进一步工作来探索该量表的实用性。

基于俯观相似度的遥感图像变化目标检测

提出了一种基于俯观相似度的光学遥感图像变化目标检测方法。对输入的两幅同一区域不同时段拍摄的光学遥感图像进行配准后,分别进行目标检测,提取出所有感兴趣的目标区域。采用残差网络提取目标的俯观特征,提升了特征的鲁棒性。通过计算目标间的俯观相似度,利用距离判据和相似度判据判断目标是否发生变化,实现变化目标检测。实验结果表明,提出的方法较现有的方法具有更好的性能表现,平均F1可以达到0.837。

一种多特征联合的地面SAR目标分层检测方法

提出了一种多特征联合的地面合成孔径雷达图像中装甲车等兴趣目标分层检测方法,根据反映目标真实物理性质的散射强度、尺寸以及与杂波差异等有效特征实现分层检测.研究提取尺寸特征、边界变化特征为兴趣目标有效特征,通过初步目标检测层和潜在目标鉴别层逐步剔除图像背景、自然杂波、人造杂波等非兴趣目标.有效特征提取能够在较少的特征数目条件下满足兴趣目标检测和鉴别的精度要求;分层处理能够在特征复杂度增加的情况下降低虚警检测和鉴别概率.与传统双参数恒虚警率、主成分分析等方法进行对比测试,从检测精度、检测效率方面验证了该方法的有效性.

机场目标检索在雷达景象匹配数据库中的应用

采用基于内容的图像检索方法,对雷达景象匹配数据库中的图像数据进行兴趣目标的查询检索与识别.由于雷达图像具有受斑点噪音影响明显等特点,故综合运用迭代阈值选取以及区域生长的方法,进行兴趣目标(主要是机场)的分离;由于匹配数据库中图像数据范围比较大,包含目标多,为了在检索过程中确定检索目标在图像中的位置,预处理时,采用对同一图像多幅子图进行特征提取的方法,最终在检索时通过子图范围来确定目标在大幅图像上的位置.由实验分析,证明在机场目标的检索识别中,这一方法是可行的.

基于ROI和证据理论的目标融合检测算法

考虑合成孔径雷达图像(SAR)和光学图像的互补特性,提出了一种基于感兴趣目标区域(regions of interest,ROI)决策层融合的军事目标检测方法:分别在SAR图像和光学图像中提取出ROI,再利用各自的统计特征和几何特征给提取出的ROI分配置信度,以表示正确鉴别ROI的概率。最后在决策层上运用D-S证据理论融合两个源中同一ROI的置信度,获得更可靠的融合检测结果。该方法很好的实现了SAR和光学图像的优势互补,并在对遥感图像测试集的试验中得到了验证。

基于HSFCM模糊聚类的快速多目标车辆跟踪算法

为了提高复杂交通环境下多目标数据关联的实时性与可靠性,本文中基于半抑制式模糊聚类(half suppressed fuzzy cmeans clustering,HSFCM)发展了一种快速多目标车辆跟踪算法。首先对多目标车辆跟踪问题进行了数学描述,并建立了相机像素坐标系与世界坐标系的空间映射关系;其次基于模糊理论将点迹-航迹关联问题转换成量测模糊聚类问题,通过求解各候选量测与聚类中心的模糊隶属度,间接计算出联合概率数据关联(joint probability data association,JPDA)算法中不确定性量测与各目标的关联概率,再利用概率加权融合对多目标状态进行滤波估计;再次在车辆密集工况下通过合理调整卡尔曼增益对量测更新进行抑制,以克服车辆跟踪中目标短暂跟丢问题。实车试验与仿真结果验证了该跟踪算法的可行性与有效性。

改进YOLOv5s的遥感图像目标检测

针对遥感图像中感兴趣目标特征不明显、背景信息复杂、小目标居多导致的目标检测精度较低的问题,本文提出了一种改进YOLOv5s的遥感图像目标检测算法(Swin-YOLOv5s)。首先,在骨干特征提取网络的卷积块中加入轻量级通道注意力结构,抑制无关信息的干扰;其次,在多尺度特征融合的基础上进行跨尺度连接和上下文信息加权操作来加强待检测目标的特征提取,将融合后的特征图组成新的特征金字塔;最后,在特征融合的过程中引入Swin Transformer网络结构和坐标注意力机制,进一步增强小目标的语义信息和全局感知能力。将本文提出的算法在DOTA数据集和RSOD数据集上进行消融实验,结果表明,本文提出的算法能够明显提高遥感图像目标检测的平均准确率。