基于可见光-红外跨域迁移的红外弱小目标检测

红外弱小目标检测任务是红外探测领域的重点研究内容之一。然而由于其应用场景的特殊性,包含红外弱小目标的数据并不多见,且标注往往并不充分,这给由数据驱动的深度学习目标检测模型带来了挑战和困难。针对红外弱小目标数据集少、缺乏标记信息等问题,提出一种基于可见光-红外跨域迁移的红外弱小目标检测模型,将数据量更丰富的可见光域监督信息迁移到红外域中,实现红外域的无监督训练。首先,在YOLOv5的基础上设计通道增强的数据处理方法,利用低成本的通道分离技巧将可见光图像转换成类红外图像,缩小可见光域和红外域之间的模态差异。然后,构建多尺度域自适应模块,采用对抗训练的方式,对骨干网络提取得到的不同尺度特征在特征空间中进行域混淆以减小域偏移的影响,提高模型对弱小目标的检测性能。实验结果表明,所提方法改进后的模型相比各版本的YOLOv5模型检测精度均有所提升;与其他现有的无监督域自适应目标检测算法相比,所提方法在红外弱小目标的检测精度上明显占优。

自适应双刃边法模糊红外图像复原

红外图像由于对比度低、噪声大,导致图像边缘较为模糊,严重影响图像中有效信息的提取与识别。针对该问题,提出了一种基于相位一致性原理自适应提取双刃边进行模糊红外图像复原的方法。该方法首先利用频域的相位一致性点作为边缘特征点,提取图像边缘信息;在此基础上根据最优角度原则自适应地选择两条满足条件的刃边,拟合退化图像的点扩散函数;最后以点扩散函数为先验信息,利用快速全变分正则化模型实现模糊图像复原。实验证明,基于相位一致性自适应提取双刃边的方法高效且鲁棒性强,可有效提取各种形状图像边缘的刃边信息;在失焦、光学衍射、相对运动等不同图像退化条件下,相比于自适应单刃边法,本文算法所复原图像的平均梯度和信息熵分别提高了11.5%和1.4%,所生成的椭圆点扩散函数的复原效果明显优于传统单刃边法生成的圆形点扩散函数的复原效果。

光学遥感卫星凝视成像姿态规划及快速仿真方法

目前,遥感卫星凝视成像姿态规划通常只考虑横滚轴和俯仰轴,导致仿真图像出现小角度旋转,降低了视频成像质量;仿真过程多数未考虑仿真实时性,仿真时间过长,难以满足工程应用。针对上述问题,进行了修正图像旋转的偏航补偿,并提出了一种针对平坦地形的凝视成像快速仿真方法。首先,推导了对地凝视成像时航天器三轴姿态的计算公式;然后,基于中心投影建立了凝视成像的几何模型,并运用二维拉格朗日插值方法进行地球局部曲面重构;最后,进行了针对平坦地形凝视成像的仿真实验。仿真参数设置如下:轨道高度为526 km,相机焦距为1.45 m,像元尺寸为5.5μm。仿真结果表明,此仿真条件下姿态规划误差小于0.004 m;在不考虑高程变化的情况下,使用本文方法对地形平坦的目标区域进行成像仿真时,误差小于0.031个像素;相比于逐点计算的直接法,仿真时间减少了87%。

自准直动态靶标的旋转虚拟目标光机系统设计

为了满足自准直动态靶标跟踪精度的需求,建立一种用于离心工况下旋转虚拟目标光机系统,即采用一个旋转式平行光管来模拟无穷远处的旋转目标以完成光电跟踪光端机的跟踪性能检测与定标。对于平行光管中安装在主反射镜背部的三个辅助支撑,通过对辅助支撑径向位置的优化排布可以使该结构的基频达到167 Hz,离心工况下主镜面形误差的方均根(RMS)值小于λ/30(λ为632.8 nm)。采用4D干涉仪对平行光管的波像差进行检测,检测结果表明平行光管的波像差RMS值优于λ/15。