区域化照明探测细小目标

提出了一种区域化照明对细小目标的成像探测方法.理论上分析了区域化照明下细小目标信噪比相对相同总功率条件下均匀照明的提高倍数.给出了最优的区域化照明结构和区域化照明可以提高细小目标信噪比的条件.利用部分反射平面镜和全反平面镜实现了正方形网格状的区域化照明,给出了该方法实现区域化照明的理论计算.用 CCD 探测器获取了均匀照明和线状照明条件下的线状目标图像.初步实验的分析结果表明实验结果和理论计算符合,区域化照明可以提高细小目标的信噪比.

基于改进YOLOv7的反无人机目标识别技术的研究

无人机的广泛应用和军事化给国家和社会安全带来了及其严重的危害,针对传统反无人机系统设备在民事部署方面存在立法瓶颈,而且缺乏多无人机目标同时检测和识别机制的问题,提出了一种基于YOLOv7的无人机目标识别技术。利用YOLOv7网络对高空多场景下无人机目标进行识别:在YOLOv7中引入Feature reuse based on concatenation模块,解决backbone部分特征重用有限和深度网络信息丢失的问题;使用ELAN of attention mechanism模块提高特征融合时去除噪声和抑制不相关信息的能力;利用HEAD of expansive convolution and residual theory模块降低小目标无人机漏检的问题。在同一参数和数据集下进行训练,结果表明:与YOLOv7原始模型相比,改进模型的mAP@0.5提高了2.8%,解决了原始网络针对细小目标漏检的问题,弥补了反无人机在民事应用中的不足。