利用一次雷达实现低空空域的安全监视

介绍了一种低成本的低空空域雷达监视实验系统,并提出了一种基于雷达平面位置指示(PPI,Plane Position Indicator)图像的目标检测与跟踪算法,其中杂波抑制和目标状态估计是两项关键技术.经过背景差分的雷达PPI图像,仍然含有大量的背景边缘杂波,该算法利用其空域特性进行杂波抑制,并采用交互式多模型(IMM,Interactive Multiple Models)方法对目标的匀速、加速、减速、转弯等机动运动进行跟踪.详细分析了仿真数据的跟踪效果,并将整套算法应用于两组实测PPI图像,实验结果说明其有效性.     

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.     

Moving object detection using color distribution motion enhancement and comparison

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法,采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域;提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标,算法不仅节约了计算量,还有效降低了误检和漏检的可能性．多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性。     

复杂背景下机场道面细带状结构病害检测算法

机场道面裂缝、角隅断裂、接缝破碎、修补等病害宽度狭小、长短不一、图像中像素占比少,呈细带状结构,且与复杂背景对比度低,现有检测算法效果不佳。针对以上问题,提出了一种基于注意力机制与特征融合的深度神经网络模型DetMSPNet。首先,利用注意力机制模块CBAM,使得特征学习更加专注于细带状结构病害区域,抑制干扰信息;其次,构建残差空洞金字塔模块,提取不同尺度空间下的特征信息;然后,设计最大池化支路,便于之后浅、深层不同层次特征进行融合,加强模型对于病害的定位能力,并且将深层特征输入3种不同扩张率的扩张卷积和金字塔池化模块,使得病害特征包含更多全局上下文信息;最后,对所有层输出的病害特征信息进行融合,实现不同尺度、不同层次特征的信息互补。与目前3种经典的目标检测算法在机场道面病害图像数据集APD上做了对比实验,结果表明:所提算法的mAP达到78.51%,优于对比算法。所提DetMSPNet模型,提高了算法对机场道面细带状结构病害检测中宽度狭小、长短不一、图像中像素占比少、与复杂背景对比度低等情况的适应能力。      

基于多特征图像视觉显著性的视频摘要化生成

如何高效提取视频内容即视频摘要化,一直是计算机视觉领域研究的热点。简单通过图像颜色、纹理等特征进行检测已无法有效、完整地获取视频摘要。基于视觉注意力金字塔模型,提出了一种改进的可变比例及双对比度计算的中心-环绕视频摘要化方法。首先,以超像素方法对视频图像序列进行像素块划分以加速图像计算;然后,检测不同颜色背景下的图像对比度特征差异并进行融合;最后,结合光流运动信息,合并静态图像与动态图像显著性结果提取视频关键帧,在提取关键帧时,利用感知哈希函数进行相似性判断完成视频摘要化生成。在Segtrack V2、ViSal及OVP数据集上进行仿真实验,结果表明:所提方法可以有效提取图像感兴趣区域,得到以关键帧图像序列表示的视频摘要。      

家庭安全监控的实时异常检测与分类算法

同时具有好的实时性和稳健性是基于视频的安全监控系统异常检测算法的难点问题.在家庭安全监控系统中同时利用像素的亮度分量和色度分量检测变化像素,解决摄像镜头由于大尺寸对象闯入引起的图像背景变化造成运动对象检测失败的问题;提出一种实时运动对象分类算法,综合利用开关灯检测、运动距离分析和皮肤探测多种方法,区分是否出现影响家庭安全的事件;提出3关键值背景维护算法,用于消除背景振动像素,减少虚假报警.实验表明,本文异常探测算法对视频监控系统异常探测和消除虚假异常报警具有较好的实时性和稳健性.      

基于两种扫描方式的雷达探鸟系统

介绍了雷达探鸟系统的研究现状,包括以鸟击危害咨询系统为代表的大型雷达探鸟系统和以Accipiter为代表的机场雷达探鸟系统.基于X波段海事雷达搭建了"雷达探鸟实验系统",分别验证了其在水平和垂直两种扫描方式下探鸟的可行性.本系统在两种扫描方式下采集的两组探鸟雷达图像序列,分别由飞鸟目标提取算法进行处理.经过背景差分、噪声抑制、目标信息提取和数据融合,将鸟情信息从原始雷达图像中提取出来,并将其与卫星地图或高度坐标系相融合,融合图像直观地反映了探测区域内飞鸟目标的分布情况.最后,对国内外雷达探鸟系统的性能作了比较分析.     

CCD 遥感图像几何校正的实时处理算法初探

为向星上处理迈进,实时完成ＣＣＤ遥感图像１Ｂ级几何校正,迫切需要建立一个准确而又能快速进行运算的反映校正前后几何位置对应关系的函数表达式和重采样算法。通过论证把校正前后一维位置对应关系高度精确地表示为一元三次多项式关系,从而改用递推极大地简化计算;在此基础上提出了一维灰度重采样新算法——加权平均法及其快速算法。当整幅图每行均按此处理之后,再根据获得的ＧＰＳ定轨定姿数据加注出图像的地理经纬网,从而得到完整的１Ｂ级几何校正产品。初步微机仿真实验表明,只需适当引入多处理器,本算法达到实时完全可行。     

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

SAR图像超分辨与点扩展函数扰动校正算法

推出基于贝叶斯概率公式的SAR(合成孔径雷达)图像超分辨的最大估计(EM)算法,实现SAR图像雷达截面积的重建.本算法成功地将图像场景的先验知识纳入到图像的重建过程之内,有效提高了图像的分辨力,并采用点扩展函数参数化模型,通过估计该模型的参数,抑制点扩展函数扰动的影响.二者结合,有效地实现了SAR图像的超分辨.本算法的关键是构造合理的点扩展函数模型,能够同时拟合SAR图像数据和成像系统参数的相关信息.     

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

基于倒置残差注意力的无人机航拍图像小目标检测

针对无人机航拍图像背景复杂、小尺寸目标较多等问题,提出了一种基于倒置残差注意力的无人机航拍图像小目标检测算法。在主干网络部分嵌入倒置残差模块与倒置残差注意力模块,利用低维向高维的特征信息映射,获得丰富的小目标空间信息和深层语义信息,提升小目标的检测精度;在特征融合部分设计多尺度特征融合模块,融合浅层空间信息和深层语义信息,并生成4个不同感受野的检测头,提升模型对小尺寸目标的识别能力,减少小目标的漏检;设计马赛克混合数据增强方法,建立数据之间的线性关系,增加图像背景复杂度,提升算法的鲁棒性。在VisDrone数据集上的实验结果表明：所提模型的平均精度均值比DSHNet模型提升了1.2%,有效改善了无人机航拍图像小目标漏检、误检的问题。     

用于飞行器视觉导航的地平线检测算法

结合航拍视频序列的特点与视觉导航系统的需求,提出了一种基于图像区域相似性和禁忌搜索算法的地平线拟合视觉导航算法.从航拍视频序列中提取单帧图像,并做下采样去噪等相应预处理;初始化禁忌搜索算法的初始解等参数,结合适配值函数,拟合图像中的地平线;用禁忌搜索算法的特赦准则和收敛准则评判拟合的准确性,直到适配值函数值满足收敛准则为止,得出最优解;分解出飞行器的横滚角和俯仰角,并由横滚角和俯仰角的大小决定下次参数校正的间隔,输出结果给控制系统.实验结果表明,与传统视觉导航方法和基于Hough变换的方法相比,此算法具有无参考、实时性好和抗噪性强等特点.     

重力卫星高精度测距系统观测量的降速率滤波算法

在卫星时频传递、矢量测量技术领域，有效观测数据的高精度滤波处理十分重要，其基本要求是在保留有效观测信息的同时能够降低噪声干扰，实现原始信息的高效、高精度传递。以中国地球重力场测量卫星高精度测距系统的工程研制为背景，为实现高频噪声抑制、保留低频重力场信息，基于对FIR滤波器结构的优化和窗函数的改进，提出了一种对10 Hz采样率的原始测距数据降速率、降噪滤波的算法。相比其他类似算法，所提方法同时具备降速滤波和差分运算两种功能，噪声抑制抑制度优于44%，且频率截止特性陡峭，第一旁瓣抑制度达到–94 dB。该算法在提高测距精度、充分保留重力场信息的同时，实现了地面数据后处理流程的简化，为微波测量系统、激光测量系统的数据处理提供了一种优选方案。     

基于小波变换的干涉SAR图像的降噪方法

根据干涉合成孔径雷达(SAR)图像的噪声来源和性质以及干涉合成孔径雷达信号处理的特点,选择了具有对称性和紧支性的双正交小波变换应用于干涉SAR图像的噪声抑制,提出了基于小波标架表示的干涉SAR相位图像的降噪算法.与传统的低通滤波器及中值滤波器处理的结果对比显示,利用小波变换方法处理干涉合成孔径雷达图像以提高干涉相位精度的方法是可行的,并且小波变换方法是基于观测数据的自适应算法.      

基于Pos-FCN的红外图像背景抑制方法

红外图像背景抑制可以为红外目标检测识别任务提供支撑。在实际的应用场景中,红外图像中的目标多为弱小目标,其特征不明显,一般背景抑制算法难以将其从背景中分离,而达不到背景抑制的最佳效果。针对上述问题,提出使用Pos-FCN网络实现红外图像背景抑制的方法,该方法使用特征卷积结构,依靠高分辨网络结构获取弱小目标的特征信息,通过大尺寸卷积特征图的前向传播方式实现了高维度特征中弱小目标信息的保留,使用卷积降采样特征提取和上采样图像恢复方式实现了端到端的处理,并在前置训练阶段引入了位置信息强化网络骨干特征提取效果。结果表明,该方法处理后的红外图像中信杂比提高至3.877,对比度提高至0.297,检测率达到了93.6%,因此,该方法可以实现良好的背景抑制效果。     

运动信息引导的目标检测算法

在室外监控视频的场景下，由于场景的复杂性及目标的多样性，监控视频中的目标存在难以检测的情况，如目标被遮挡、目标尺寸变化等，目标检测任务仍然存在挑战。基于此，提出了一种利用运动信息引导基于卷积神经网络的目标检测算法来提高目标检测的准确率。对运动目标检测算法进行一定的改进，使得到的运动前景图中能够保持静止目标前景的存在；利用运动前景图中的前景可以指示目标空间位置的特点，在特征层面将网络提取的特征图与获取的以运动前景图为主的运动信息相融合，提高特征图可能存在目标区域的响应值；在目标检测算法的检测器中，引入一个定位分支，利用视频帧的运动前景图，学习候选目标的定位置信度，并与目标的分类置信度加权求和，作为目标最终的置信度，再通过非极大值抑制方法得到检测结果。实验证明，在固定摄像机下采集的数据集中，所提算法能够提升目标检测的准确率。