高角度分辨率MIMO雷达目标轮廓检测

虚拟阵列技术能极大地提升MIMO雷达的角度分辨率,使其能满足与视觉融合感知的需求。由于实际场景中目标多点融合散射雷达波,目标轮廓检测依然比较难实现,由此本文重点研究算法检测MIMO雷达目标轮廓。以奈曼-皮尔逊准则为核心的CFAR算法可以有效滤除背景杂波信号,常用于探测目标在距离和速度维度的轮廓。提出MUSIC与CFAR融合算法及FFT DOA与CFAR融合算法以预设的角度分辨率检测目标轮廓。基于自动驾驶环境MIMO雷达信号处理仿真平台验证以上算法:模拟2辆自行车在雷达车辆前方10m处穿过,此时具有128个虚拟阵元的MIMO雷达使用MUSIC与CFAR融合算法可准确地检测出目标的轮廓范围介于[-21°:-12°]和[7°:16°],与目标实际角度范围一致,FFT DOA与CFAR检测性能略差。

基于图像增强与边缘检测的弱特征目标轮廓检测算法

为了解决当前目标轮廓检测算法在边缘特征微弱、背景复杂环境下的轮廓提取精度较低的不足,设计了基于图像增强与边缘检测的目标轮廓检测算法。首先,基于拉普拉斯离散公式与二维傅里叶变换公式,构造了联合图像增强算子;然后,基于二阶导数梯度特征,设计了目标边缘检测算子,实现对目标周长、面积等参数的测量。实验数据显示:与当前目标轮廓提取算法相比,面对不利于测量工作的恶劣环境时,所提算法具有更高的提取精度与稳定性。

基于新型网络的多层次边缘检测

为了高效地实现对边缘、边界和目标轮廓的同时检测,提出了一种基于新型网络的多层次边缘检测器(Multi-level edge detector, MLED)。与一般的多任务网络不同,MLED使用特征转移模块(Feature transfer module, FTM)和空间交集机制(Spatial intersection, SI)来取代传统的多解码器设计,在网络的不同层进行不同层次的边缘检测,有效地降低了模型复杂度。FTM实现了高级特征的自顶向下的传播,有利于提高低层次边缘检测的稳定性。SI能够提高高层次边缘检测的空间精度,以弥补下采样带来的精度损失。另外,Canny算法被用来辅助低级边缘检测的训练,解决了低级边缘标签缺失的问题。实验表明,MLED能够在较低的参数量和运算量的情况下实现高质量的多层次边缘检测,有更强的泛化能力。

一种基于机器视觉的农田害虫活体动态图像特征获取系统

农田害虫监测技术是实现适时、适量施药的重要前提,该技术为增加农业生产提供了重要保证。针对现有农田监测手段中运用较多的人工统计死体害虫造成的高成本、低准确性问题,该文提出一种低成本、高准确性的农田害虫活体动态特征获取系统。首先,使用间隔灯光采样法获取害虫原始图像并通过图像颜色特征和阈值法分割害虫与背景图像。然后,通过高斯滤波获得害虫的形状特征和数量信息。最后,通过帧间差分法获得害虫运动量信息。在不接触害虫的情况下完成虫情监测,减少传统监测中因害虫死体破损造成的统计误差,提高系统准确性。该系统可以为植保人员提供害虫运动的定量信息并预防大规模农作物病虫害的出现。