基于空间相关性增强的无人机检测算法

针对无人机(UAV)体积小、复杂背景下特征难以提取导致被误检和漏检的问题,提出基于自适应上采样和空间相关性增强的无人机小目标检测方法.采用多尺度的空洞卷积获取重要的上下文信息,然后通过注意力特征融合模块抑制多尺度特征融合造成的信息冲突;采用亚像素卷积和双线性插值自适应融合的新上采样方式,融合更多无人机特征信息,同时平衡计算量;对深层特征图的空间局部特征和全局特征采用空间相关性增强策略,提高复杂背景下前景目标的敏感度,增强目标表达和抑制背景噪声.在自制无人机数据集上进行消融实验和对比实验,与原始YOLOv5算法相比,本算法的m AP0.5和m AP0.5∶0.95分别提高了2.4%和2.7%,检测速度能够达到58.5帧/s;在VisDrone2019数据集上进行验证,本算法较YOLOv5算法的mAP0.5和mAP0.5∶0.95分别提高了4.6%和1.3%.

相位相关性增强的自适应低重叠率多光谱图像快速拼接算法

在进行多光谱图像拼接时,由于成像需求及不同波段图像的信息差异,导致无法在低重叠率条件下完成全波段光谱图像快速拼接。针对该问题,本文提出一种相位相关性增强的自适应低重叠率多光谱图像快速拼接算法。以多光谱图像信息熵最大通道作为基准通道,设计图像相关性增强切分方法,切除基准通道下两幅相邻镜头光谱图像的特定步长,提高待匹配光谱图像重叠率;引入最小二乘法动态调整切分次数及切分步长,实现相对偏移量寻优的同时提高算法的自适应性和精确度;利用不同通道下两幅相邻分镜头图像偏移量一致原则,通过基准通道位移量定位映射,解决个别通道因信息量不足无法拼接问题的同时提高多光谱图像的拼接效率。实验表明,该方法可实现重叠率不低于5%的16个通道光谱图像的快速拼接,在整体拼接质量和时间成本上均优于Harris、SIFT、FAST-SURF、BRISK-ORB四种算法,具有一定的实用价值。

一种应用于人脸识别的超分辨率方法

为提高局部保持投影(LPP)在人脸图像超分辨率中的适用性,在LPP中引入典型相关分析(CCA),提出一种相关性增强的局部保持投影方法(CELPP)。CELPP用于提取高分辨率图像与低分辨率图像特征,根据关系学习建立低分辨率图像特征与高分辨率图像特征之间的映射变换,输入低分辨率图像,通过CELPP特征提取和关系映射,得到高分辨率图像,并将其用于人脸识别。对人脸库ORL和Yale进行的实验结果表明,该方法同时考虑了高分辨率图像与低分辨率图像的相似性及同类图像的局部结构性,在基于人脸识别的超分辨率应用中优于LPP和CCA。