基于空间非一致模糊核标定的红外图像超分辨率重建方法

近年来,红外成像系统在工业、安防、遥感等领域获得了广泛的应用,但由于制造工艺及成本制约,红外系统的分辨率仍然较低。基于深度神经网络的单帧图像超分辨率重建技术是提高红外图像分辨率的有效方法,获得了广泛研究,并在仿真图像上取得了显著进展,但应用于实际场景图像时容易出现伪影或图像模糊等现象。造成这种性能差异的主要原因是目前方法大多假定造成图像退化的模糊核是空间一致的,然而实际红外光学系统不可避免地存在像差、热离焦等,由此造成的图像模糊的模糊核并非空间一致的。针对这一问题,提出了一种非盲模糊核估计方法,通过采集特定的靶标图像,并设计模糊核估计网络,求解空间非一致模糊核;设计基于图像分块的超分辨率重建方法,将图像块和对应区域的模糊核一起输入非盲超分辨率重建网络进行子块图像重建,再通过子块合并和重叠区域图像融合,得到最终的高分辨率图像。实验结果表明,光学系统自身引起了模糊核随空间位置缓慢变化,在实验室条件下标定模糊核并基于图像分块进行超分辨率重建的方法可显著提高红外图像超分辨率重建的效果。

实现人眼灰度感知信息最大化的图像增强算法

为了实现人眼感知信息最大化,结合人眼视觉系统亮度阈值特性提出一种具有目标函数的图像增强算法.首先在全局灰度映射约束条件下给出感知图像的计算方法,并以感知图像与原图像之间的互信息作为目标函数;然后采用动态规划算法实现了全局最优的灰度合并策略,以合并图像中人眼无法分辨的灰度;最后通过调整合并后灰度的取值实现目标函数最大化.实验结果表明,该算法具有良好的图像增强效果,所提目标函数合理有效.

人眼感知信息保真约束下的图像局部增强方法

图像局部增强方法常使用规则窗口划分局部区域,这将使图像在局部增强过程中相邻像素灰度值关系可能发生改变。相邻像素灰度值关系发生改变就意味着图像中面向目标探测识别的信息被篡改。文中将通过确保灰度值关系发生了改变的相邻像素对灰度差小于人眼视觉阈值来实现人眼感知信息保真。在人眼感知信息保真前提下,使用规则矩形窗口划分图像,选用线性拉伸算子拉伸图像子区域,以整幅图像对比度拉伸最大为目标不同程度地拉伸图像各子区域。

气流扰动下光电系统高精度稳像控制方法

气流随机冲击引起的姿态扰动是飞行器光电系统的主要扰动源,在系统自身转轴摩擦和质量不平衡等因素的作用下,严重影响了光电系统视轴稳定性。为了有效抑制扰动力矩的影响,建立了外俯仰、内方位两轴光电系统动力学模型,给出了扰动因素和运动耦合综合作用下的扰动传递关系。根据系统动力学模型,提出了扩展卡尔曼滤波扰动力矩估计方法,并构建扰动力矩前馈控制回路,实现了对扰动力矩的实时补偿,大大提高了光电系统的稳像控制精度。利用飞行模拟转台对某两轴光电系统进行了半实物仿真实验,结果表明:在幅值为1°、频率为2 Hz的载体扰动条件下,采用前馈补偿方法系统俯仰和方位框架的视轴稳定精度均方根值分别达到0.026 4 mrad和0.029 0 mrad,相比扰动观测器控制方法分别提高了64.1%和69.6%。

光电成像探测系统的性能预测方法

提出一种光电成像探测系统的性能预测方法。介绍包含传感器、处理器的探测系统模型。根据信号检测理论,以最小错误概率准则设计似然比探测器,利用中心极限定理计算错误率。实验结果表明,随着量化位数的增大,系统错误率逐渐减少,且计算错误率与仿真错误率趋于一致。

基于局部信息熵最大的多曝光控制方法

基于融合多幅低动态图像来获取高动态图像的过程中,传统方法中低动态图像获取时对曝光时间选取的策略简单,使拍摄的多幅图像信息冗余较多,严重影响融合效率。提出了一种基于局部信息熵最大准则的多曝光控制方法。讨论了低动态场景图像信息熵与曝光时间的关系,得出了低动态范围场景的图像信息熵随曝光时间的增加呈现先增加后减小的规律,并在某个曝光时间处信息熵最大。对于高动态场景,首先,利用图像平均灰度响应与曝光时间的近似线性关系确定场景的曝光时间范围;然后,根据图像直方图将高动态场景分成若干个低动态范围场景区域;最后,以信息熵最大为优化目标,设计一维搜索算法,搜索各个低动态范围区域的最优曝光时间,直到所有区域都搜索到最优曝光时间。此方法将场景的局部信息熵与曝光时间联系起来,能针对不同的区域进行曝光时间优化,目的性强,有效地避免了传统曝光控制中的缺点,实验证明:用该方法获取的图像进行融合获得了良好的效果。

一种多色彩空间信息融合的图像增强算法

在彩色图像获取过程中,由于光照不均等原因导致采集的图像动态范围大,细节信息模糊.为此,提出了基于多色彩空间信息融合和同态滤波的彩色图像增强算法.首先,在RGB色彩空间上,分别对R、G、B分量进行同态滤波和自适应截取拉伸,消除光照影响,有效增强局部细节信息.然后,在HSV色彩空间上,利用由构造的非线性变换函数处理后的V分量,进行光照补偿.并且利用原图像H和S分量,恢复图像色彩信息.实验分析表明,本算法能够很好的压缩图像动态范围,增强亮暗区域的细节信息,并保持颜色的一致性.

并行路径与强注意力机制遥感图像建筑物分割

遥感图像建筑物分割广泛应用于城市规划及军事领域,是当前遥感领域的研究热点。针对遥感图像中建筑物之间尺度变化较大、建筑物遮挡、建筑物阴影与建筑物边缘相似所导致建筑物分割精度较低的问题,提出一种并行路径和强注意力机制的卷积神经网络模型。该模型基于ResNet网络残差连接的思想,以ResNet为基础网络提高网络深度,并采用卷积下采样得到并行路径,提取建筑物的多尺度特征,以减少建筑物之间尺度变化的影响。然后加入强注意力机制,增强多尺度信息的融合效果,增加不同特征之间的区分度,抑制建筑物遮挡及建筑物阴影的影响。最后,在多尺度融合特征后加入金字塔空间池化模块,抑制分割结果中建筑物内部孔洞的出现,提高分割精度。在WHU以及Massachusetts Buildings公开数据集进行实验,分别从MIoU,Recall,Precision,F1-score 4个指标对分割结果进行量化比较,在Massachusetts Buildings数据集中MIoU达到72.84%,相较于ResUNet-a提升1.46%,能够有效提高遥感影像中建筑的分割精度。

PointMLP-FD:基于多级自适应下采样的点云分类模型

针对受硬件条件、物体遮挡和背景杂波等客观因素的影响,传感器采集的目标点云具有较强的稀疏性和密度不均匀性,导致分类模型对点云特征的学习效率低、分类泛化能力差的问题,提出了一种基于多级自适应下采样的点云分类模型PointMLP-FD。该模型设计了多个MLP模块作为网络分支,以点云的浅层特征为输入得到每个点云类别维度上的特征表达,之后再根据特征表达进行排序,选择具有更强语义特征的点构成下采样点集。通过过滤背景和与目标相关性低的信息来自适应保留反应目标本质特征的信息。最后分别计算分支网络的损失,与骨干网络并行训练来优化点云特征,减少模型参数。该方法在ScanObjectNN数据集上进行测试,结果表明相较于PointMLP-elite分类精度更高,mAcc提升1%,OA提升0.8%,以更少的参数量接近SOTA模型的性能。

太赫兹大孔径折射透镜的焦移特性研究

研究了利用大孔径折射透镜对太赫兹波进行聚焦时产生的焦移效应。焦移效应所引起的焦点位置偏差会对太赫兹系统的成像或测量质量产生不利影响。通过理论计算和有限元分析仿真,研究并讨论了与透镜孔径、焦距和工作频率有关的焦移参考值。当使用商用透镜时,实际焦点位置需要通过焦移效应来确定,以保证太赫兹系统的工作效率。对于定制透镜的设计,焦移需要根据工作频率,在焦距的设计中进行补偿。这两个途径可以保障太赫兹系统的良好性能。

基于域自适应的红外图像去噪算法

在红外图像去噪任务中,由于真实的红外噪声图像难以大量获取,而使深度学习算法高度依赖于人工合成噪声,无法很好地去除真实的红外噪声。本文提出一种基于域自适应的红外图像去噪算法,包括一个图像转换模块和两个图像去噪模块。首先利用图像转换模块将合成红外噪声图像和真实红外噪声图像相互转换,然后将转换后的图像和原图像作为去噪模块的训练数据,采用一致性损失函数使两个图像去噪模块产生一致的结果,最后将训练后的去噪网络框架用于红外图像去噪任务。实验表明,本文提出的算法与BM3D、DnCNN和ADNet算法相比在合成红外噪声数据集上有更高的指标数值和更好的视觉效果,在真实红外噪声数据集上有同样优秀的去噪效果。证明了该算法具有良好的泛化能力,能够在真实噪声下恢复清晰的红外图像。

基于改进循环生成对抗网络实现红外图像生成

针对目前已有的可见光图像生成红外图像的算法不能感知图像的弱纹理区域而导致生成的图像细节信息不突出、图像质量低的问题,本文提出了一种适用于图像生成任务的改进循环生成对抗网络(CycleGAN)结构。首先,利用特征提取能力更强的残差网络构建CycleGAN的生成器网络结构,使图像特征可以充分被提取,解决图像因特征提取不充分导致图像质量低下的问题;其次,在生成器的网络结构中引入了通道注意力机制和空间注意力机制,利用注意力机制对图像感知能力较差的区域进行权重处理,解决图像纹理细节丢失的问题。在OSU数据集上,本文所提出的方法相较于CycleGAN方法在峰值信噪比(PSNR)以及结构相似性(SSIM)指标上分别提高了7.1%和10.9%,在Flir数据集上的PSNR和SSIM分别提高了4.0%和6.7%。经过多个数据集上的实验结果证明,本文改进的方法能够突出图像生成任务中的细节特征信息,并且能有效地提升图像生成的质量。

基于中红外波源的CO_(2)探测研究

研制了一套基于硒镓钡晶体(BaGa_(4)Se_(7))光参量振荡技术(OPO)的中红外气体探测系统,利用商用1064nm脉冲激光器泵浦BaGa_(4)Se_(7) OPO实现了3~8μm连续可调谐输出。进一步运用该系统实现了对空气、二氧化碳和呼出气体的探测,研究了温度和压力改变时,4.2μm附近中红外能量的变化情况。除了上述气体探测外,还可利用该系统实现更多气体检测、标定等,以及生物、环境等方面的研究。

基于子空间流形的图像集识别方法

近年来,基于黎曼流形将图像集在线性子空间中进行表征的图像集识别方法已经被证实有良好的效果,针对该领域存在的图像线性子空间大多高维所导致现有黎曼流形的图像集识别方法存在计算成本高、适用性有限的问题,提出一种基于子空间流形的图像集识别方法。首先,从线性子空间的几何结构出发,利用Grassmann流形对线性子空间进行建模,得到基于Grassmann流形的联合黎曼度量。然后,通过该联合黎曼度量,从高维的Grassmann流形中学习到一个低维的Grassmann流形。最后,对通过学习得到的低维流形上的图像集数据进行图像集识别。实验结果表明,在ETH-80数据集上该方法的识别准确率比投影度量学习(PML)和图嵌入Grassmann判别分析(GGDA)都分别提升了2.5个百分点。证明了在通过提出的度量与方法学习到的低维流形上,图像集数据具有更好的分类结构,从而降低图像集识别计算成本,扩大适用范围,提升识别准确率。

基于元学习和关键点的实时抓取检测算法

目前大多数深度神经网络在机器人抓取检测任务上取得了较好的检测效果,但对于未见过的物体抓取预测具有挑战性,且平衡抓取准确率和实时性也是一个难题。针对上述问题,该文提出一种基于元学习和关键点的实时抓取检测算法,将训练过程分为基础学习和元学习2个阶段。基于CenterNet思想设计网络结构,引入元学习器增强模型对未知知识的学习能力。首先采用旋转椭圆高斯热力图预处理标签;然后基于GhostNet中的模块和NAM注意力机制设计轻量化的特征提取网络;为提升不同尺寸物体检测效果,设计多尺度的特征提取和特征融合模块。网络参数量和计算量分别低至4.08 M和3825 M,保证了实时性。在Cornell数据集上按照图像分割和对象分割进行实验,分别达到99.3%和99.0%的准确率。

基于无监督学习的单样本红外图像生成方法

针对当前可见光-红外图像数据集匮乏导致的模型特征学习能力不够以及生成图像质量低下等问题,提出了单样本的无监督学习方法来训练红外图像生成模型。首先,在数据集难以获取、匮乏的情况下,仅采用一对可见光-红外图像作为模型训练的数据,降低了数据获取的难度,解决了数据匮乏的问题。其次,为了在训练模型时充分提取图像特征,改进了网络结构。实验数据表明,本文方法能够在单样本图像生成中取得较好的效果。在艾睿光电数据集中,本文方法的峰值信噪比(Peak Signal-to-Noise Ratio, PSNR)与结构相似性(Structural Similarity, SSIM)指标分别达到了26.5588 dB和0.8846;在俄亥俄州立大学(Ohio State University, OSU)数据集上的PSNR和SSIM分别达到了30.3528 dB和0.9182。与基于风格的生成对抗网络(Style-based Generative Adversarial Network, StyleGAN)方法相比,本文方法在艾睿光电数据集上的PSNR和SSIM指标分别提高了16.07%和23.78%;在OSU数据集上的PSNR和SSIM指标分别提高了31.8%和40.4%。结果表明,本文方法在当前图像质量评价指标方面有较为明显的提高,生成的红外图像纹理细节丰富且接近于真实红外图像。该研究对于今后的红外图像生成技术优化具有一定的参考意义。

基于深度学习的目标跟踪方法研究现状与展望

目标跟踪是计算机视觉领域的重要研究方向之一,在精确制导、智能视频监控、人机交互、机器人导航、公共安全等领域有着重要的作用。目标跟踪的基本问题是在一个视频或图像序列中选择感兴趣的目标,在接下来的连续帧中,找到该目标的准确位置并形成其运动轨迹。目标跟踪是一个颇具挑战性的问题,目标的非刚性变化往往改变了目标的表观模型,同时复杂的光照变化、目标与场景间的遮挡、背景中相似物体的干扰和摄像机的抖动等使目标跟踪任务变得更加困难。近年来,随着深度学习在目标检测和识别等领域中取得巨大的突破,许多学者开始将深度学习模型引入到目标跟踪中,并在一系列数据评测集上取得了优于传统方法的性能,逐渐开启了目标跟踪领域的新篇章。文中将首先阐述目标跟踪问题的难点和基本解决思路;然后根据利用深度学习算法解决目标跟踪问题的不同思路,对当前出现的此类主流算法进行分析,介绍这些算法各自的优缺点及未来的工作方向。

尺度自适应暗通道先验去雾方法

在雾、霾等天气条件下,大气粒子的散射作用使环境的能见度偏低,视觉系统采集到的图像严重降质。基于暗通道先验的图像复原方法因其去雾效果自然、约束条件少,且易于实现等优点而受到广泛关注。但是,该方法的去雾效果受尺度(暗通道的求解半径)影响很大,对于不同场景的图像,不存在一个普遍适用的最优尺度。针对该问题,文中提出一种尺度自适应方法,根据图像的颜色和边缘特征自适应地调节暗通道的尺度范围,得到像素级的暗通道求解尺度,兼顾大尺度求解色彩失真小和小尺度求解"光晕"失真小等优点。此外,针对暗通道去雾方法会使天空光估计点落到前景区域的问题,提出了一种改进的天空光估计方法,可使估计点鲁棒地落到与其物理意义相符的背景区域。对多种雾化场景图像的处理结果表明:文中方法适应性强、去雾效果自然,且对比度提升显著。

采用聚类分割和直方图均衡的图像增强算法

针对现有直方图均衡化算法难以兼顾图像细节增强和噪声抑制问题,提出了一种基于聚类分割和直方图均衡的图像增强算法。引入模糊C均值聚类(FCM)算法将低通滤波后的图像分成若干类,并利用原图的边缘信息和形态学操作修正聚类结果;根据各类的均值和标准差确定映射后的动态范围,对其进行直方图均衡化处理;采用平滑滤波方法消除类间的边界效应。实验结果表明:经过该算法处理后的图像,对比度得到明显增强,噪声得到有效抑制。该方法不但可用于图像增强,还可用于图像动态范围压缩,具有广泛的应用前景。

空中目标红外辐射特性计算与实时仿真

飞机红外仿真图像是空中目标红外识别算法的重要数据源,为改进飞机红外仿真效果并提高仿真实时性,在细节部分修正了现有红外计算方法并搭建了仿真平台。首先,全面分析了影响飞机红外辐射特性的因素,基于黑体辐射理论建立了蒙皮、尾喷管、尾焰、蒙皮对环境辐射反射的红外计算模型,修正了蒙皮温度和飞行速度这两个影响因素的计算方法;其次,基于VS2005 C++和三维渲染引擎OpenSceneGraph(OSG)搭建了一套仿真平台,该系统能动态改变飞机红外效果,实时生成飞机红外图像。实验结果表明:红外计算结果更精确,可以为空中目标红外识别算法提供数据;单目标仿真速率在100帧/s以上,满足实时仿真的要求。