无人机视频图像与测控数据同步记录与回放系统

无人机越来越多地应用于侦察领域,其侦察情报主要来自于测控数据与视频图像。传统的视频图像与遥测测控数据的记录普遍采用独立记录方式,数据同步性低,严重影响事后情报生成的准确性,为此提出了无人机视频图像与测控数据同步记录与回放系统。试验结果表明,系统回放时保持了系统输入顺序和时间基准,准确地还原了飞行时视频图像与测控数据同步状态。     

边缘图像自适应编码方法

边缘特征常被视作无人机视觉系统中的重要信息（比如在视觉导航时需用边缘特征识别障碍物），在实践中会遇到边缘图像数据量大的情况。针对边缘图像高效压缩问题，提出了边缘图像自适应编码方法。首先以边缘打包法的压缩比和边缘点所占比例为特征，建立Logistic回归模型，然后利用图像数据库对该模型进行离线训练获取模型参数，最后利用Logistic回归模型建立分类器，自适应地在边缘打包法和链码编码法中选择压缩比最高的方法对边缘图像进行压缩。对VOC2012图像数据库的测试结果表明，与常用压缩方法相比，提出的算法能提高压缩比5%左右，有效减少了数据量。     

航空侦察图像的增强处理方法研究

分析了航空侦察图像的主要特点,采用常规的处理方法不能得到理想的增强效果.文中针对航空侦察图像的特点,采用了一种增强处理的方法并通过仿真实现.实验结果表明,对一般航空侦察图像的处理该方法是有效性的.     

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。     

无人机载多传感器图像融合评述

为了能为作战指挥系统提供清晰的局部战场信息,提高对局部战场低可观测目标的检测概率、定位精度及识别概率,迫切需要对无人机载SAR、可见光传感器、红外探测器等图像信息及其他非图像信息融合处理。提出了无人机载多传感器图像融合技术需要研究的内容,如: 图像融合新方法研究;无人机载SAR图像的非平稳性处理;基于图像融合目标检测和处理技术; 无人机载图像和非图像信息的融合问题;无人机载多传感器图像融合的实现及评估;多无人机载合成孔径雷达的协同成像;用图像融合的方法实现对运动目标检测等。分析了所提出研究内容的可行性,剖析了其中的关键技术,拟定了可能的技术路线。     

基于SIFT特征的无人机航拍图像拼接

无人机在飞行过程中由于机体的倾斜和抖动,造成航拍图像出现大的仿射变形.因此,传统的图像拼接算法很难得到好的效果.基于SIFT(Scale Invariant Feature Transform)特征的图像拼接算法,首先通过提取图像的尺度不变特征点,解决了待拼接图像间大的平移、旋转、尺度变化的干扰.然后,通过欧式距离判断...     

基于多尺度分割注意力的无人机航拍图像目标检测算法

随着无人机（UAV）遥感技术的发展,无人机航拍图像目标检测逐渐成为无人机应用领域的一项核心技术,在交通规划、军事侦查及环境监测等领域具有重要应用价值。针对无人机图像中小目标实例多、背景复杂及特征提取困难的问题,提出一种基于多尺度分割注意力的无人机航拍图像目标检测算法MSA-YOLO。首先,利用嵌入在骨干网络瓶颈层的多尺度分割注意力单元建立多尺度特征间的远程依赖关系,从而强化关键特征的表达能力并抑制背景噪声干扰;其次,设计了一种自适应加权特征融合方法,该方法动态的优化各输出特征层权重,实现浅层特征与深层特征的深度融合;最后,在VisDrone公开数据集上的实验结果表明：该方法取得了34.7%的平均均值精度（mAP）,相比于基线算法YOLOv5提高了2.8%,在复杂背景下仍能显著提升无人机图像目标检测性能。     

基于Otsu和FMM方法的风洞试验图像修复

各种光学测试技术在风洞试验中应用越来越广泛，图像中的破损或无关信息均会影响数据的处理和分析。以存在缺陷的风洞纹影图像为例，对数字图像修复技术进行了研究。根据缺陷离散分布、大小及形状各异，核心区域的灰度值较低以及边缘处灰度梯度变化较大等特点，将图像修复流程设计为确定待处理区域、缺陷识别和缺陷修复等3个步骤。前2个步骤使用Otsu算法进行图像的分割处理，然后使用快速行进方法（FMM）完成缺陷修复。经处理，纹影图像的缺陷被自动识别，并得到了减少或削弱，而且修复的信息客观合理。该方法可推广至其他光学测试技术的图像修复。     

无人机光电载荷地理跟踪控制研究

无人机定点侦察过程中,将地理目标点或图像目标快速锁定在视场内,是十分重要的。在实时定点航迹规划与跟随控制的基础上,提出了光电任务载荷地理跟踪算法,并通过仿真和飞行试验,证明算法可以满足机载平台对地面目标快速锁定的要求。     

基于DDPG的多旋翼无人机自主引导与跟踪方法

针对多旋翼无人机对地面动态目标的近距离侦察问题,根据无人机与目标的相对距离将侦察任务拆分为引导阶段及跟踪阶段两部分,并针对引导阶段和跟踪阶段不同的任务需求,分别建立了自主引导模型与自主跟踪模型;其次,基于深度确定性策略梯度(DDPG)算法,对提出的两个模型分别进行网络设计和参数优化,分别得到上述两个阶段的控制策略;最后,搭建基于机器人操作系统(ROS)的仿真测试平台,实现基于深度强化学习的无人机侦察任务的训练和数据收集,并进行了性能测试。仿真结果表明,所提出的无人机自主引导与跟踪方法能够满足侦察任务两阶段的不同需求,自主完成对地面动态目标近距离侦察的全过程任务。     

一种基于边缘特征的改进ORB算法

ORB算法运算速度快,抗旋转变换能力好,但对可见光和红外图像匹配效果较差,为解决该问题,提出了一种基于边缘特征的改进ORB算法。该算法首先针对传统canny算子需要人工设定阈值的缺点,采用基于改进最大类间方差（Otsu）的自适应canny算子对图像进行边缘检测,然后对边缘图像进行ORB特征检测与描述,最后在最近次临近粗匹配的基础上进行RANSAC算法精匹配,提高了算法正确率。实验结果表明,该算法对可见光与红外图像匹配具有较好的鲁棒性,正确匹配点数和正确匹配率均比ORB算法高,能推广使用到可见光和红外图像融合等领域。     

无人机地面站图像压缩传输系统设计与应用

针对无人机地面指挥控制系统要实现互连、互通、互操作的网络化要求,设计了视频信号实时网络传输和显示系统。系统由基于DSP的服务器端和通用客户端播放器组成,服务器端通过设置并行任务完成视频信号的实时采集、编码和发送,客户端完成视频信号的实时接收、解码和播放,从而使系统实现了图像信息在地面站所有显示终端上的实时显示。实验结果表明,系统完全满足无人机地面站系统功能及指标要求,并且通过网络化技术节省了地面站宝贵空间资源,系统设计方法对同类型系统具有一定借鉴意义。     

航拍视频帧间快速配准算法

 为应对相机运动的影响,提出了一种快速有效的无人机(UAV)视频相邻帧图像配准算法。通过空间分布约束和角点量限制来筛选有效的FAST特征点,引入自适应阈值提高特征点检测的环境适应性,采用训练得到的不相关采样点集对特征点进行二值描述,以获得准确快速的特征描述,并通过最近邻算法根据汉明距离获得特征匹配对,最后运用RANSAC方法得到帧间仿射变换模型参数,消除相机运动带来的影响,为后续运动目标检测与跟踪提供保障。实验结果表明该算法快速、稳定,具有较高的环境适应性,能够满足无人机系统视频图像配准的要求。     

基于多尺度 3D-2D卷积神经网络的高光谱图像分类

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提 取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度 地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相 比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

Spatio-temporal pattern recognition using hidden Markov models

A spatio-temporal method for identifying objects contained in an image sequence is presented. The Hidden Markov Model (HMM) technique is used as the classification algorithm, making classification decisions based on a spatio-temporal sequence of observed object features. A five class problem is considered. Classification accuracies of 100% and 99.7%, are obtained for sequences of images generated over two separate regions of viewing positions. HMMs trained on image sequences of the objects moving in opposite directions showed a 98.1% successful classification rate by class and direction of movement. The HMM technique proved robust to image corruption with additive correlated noise and had a higher accuracy than a single-look nearest neighbor method. A real image sequence of one of the objects used was successfully recognized with the HMMs trained on synthetic data. This study shows the temporal changes that observed feature vectors undergo due to object motion hold information that can yield superior classification accuracy when compared with single-frame techniques     

无人机地面站图像预处理系统的设计与应用

为了实现无人机侦察图像的图形字符叠加和预处理,设计了与系统主计算机松耦合的图像处理系统,系统基于DSP技术,通过串行接口控制叠加信息的内容和位置以及滤波增强算法切换,系统封装于独立外置的IU机箱中,有效减小了其与主控制计算机间的相互干扰。对系统组成原理和软硬件实现进行了详细介绍,实验结果表明,系统实现满足性能指标要求,滤波增强功能高效实时,其设计思想对同类型系统具有一定借鉴意义。     

二维图像拼接技术研究综述

图像拼接是指将具有重叠区域的小视角、低分辨率的多张图像，经过相应的图像配准与融合算法，拼接成一张具有高分辨率、宽视角的全景图像。针对二维图像拼接方法，综述了将二维图像拼接技术应用于图像处理领域的最新研究进展，重点介绍和总结了图像配准方法和图像融合方法。其中，图像配准方法涵盖了基于SIFT、SURF和Harris点特征的提取方法。分析了各种算法的主要进展、典型算法的原理和优缺点以及国内外研究发展现状。最后，通过各种方法研究与应用情况推测，展望了未来图像拼接技术的发展趋势。     

图像配准关键技术综述

图像采集设备的快速发展带来了图像种类和数量的迅速增加,图像拼接、融合等视觉系统提高了对图像配准的技术需求。图像配准利用原始图像数据或图像特征信息对输入图像的重叠区域进行变换和对齐,是为后续图像拼接、图像融合等图像处理任务提供操作基准的核心技术,是当前计算机视觉领域的热点研究问题。首先介绍了图像配准技术的主要应用领域及重大发展前景,然后说明了图像配准技术的基本框架和技术难点,详细阐述了基于特征以及基于区域的图像配准技术的实现算法及关键技术,分析了不同配准算法的优缺点及适用性,并对图像配准技术的发展前景进行了讨论和展望。