复杂背景红外成像系统作用距离估算方法

传统红外成像系统作用距离模型只有在背景单一不变的条件下有效,引入概率分布的思想对传统作用距离方程进行了改进,将方程中的作用距离和背景红外辐射亮度由变量更换为向量,向量维数由背景红外图像的灰度值分布确定.改进后的作用距离模型将应用条件拓展到任意背景,打破了传统模型对背景条件的局限.针对作用距离计算过程中复杂背景红外辐射亮度难以获取的问题,提出建立红外成像系统的亮度-灰度函数,通过背景的红外图像灰度信息计算其红外辐射亮度的方法.计算实例表明,该模型能够解决复杂背景下红外成像系统作用距离的估算问题.     

TOF相机在空间近距离目标探测中的应用研究

3D TOF相机具有同时获取目标的灰度和深度图像的功能,从而能够实时得到目标物体的三维点云,实现三维成像.主要介绍了3D TOF相机的工作机理以及应用场景等,同时模拟空间近距离目标探测的应用对目标进行成像研究,分析了不同条件下对目标物成像的影响因素以及相机的误差来源和误差的校正方法,并通过相机对深度信息的获取,对相机的距离探测精度进行了测试.     

基于GCF-SB视觉注意模型的红外目标检测算法

针对复杂背景、低对比度条件下的红外目标检测，提出了一种基于灰度对比度特征 相似性贝叶斯(GCF SB)模型的红外显著性目标检测算法.建立了一种灰度对比度特征(GCF)模型，该模型利用两个通道分别提取红外图像的灰度特征和对比度特征，然后通过特征融合获得初级显著图；建立了一种基于相似性的贝叶斯(SB)模型，该模型根据初级特征图分别计算目标和背景的先验概率和似然函数，然后利用贝叶斯公式获得最终显著图，进而实现红外图像的显著性目标检测.实验结果表明，所提出算法能够有效抑制复杂背景、低对比度红外图像的噪声，增强对比度，具有较高的检测精度和鲁棒性.     

红外偏振成像进展

作为一种新型光电探测技术,红外偏振成像探测在军事和民用领域展现出的广阔应用前景,受到国内外众多学者和有关部门的高度关注。本文对近几年红外偏振探测理论、红外偏振成像系统、探测系统的应用等方面进行了总结,通过模拟不同材料的红外偏振辐射特性和实际图像分析,对红外偏振成像探测技术的发展动向、存在的问题和解决这些问题的思路给出了系统的综述。分析了当前红外偏振成像技术存在的优缺点,结合生物多波段偏振视觉的研究进展,提出了仿生偏振视觉的概念。通过分析目标辐射偏振特性,给出了影响偏振成像质量的因素,并用实际拍摄图像分析了红外偏振成像的适用领域。     

双波段红外目标检测综述

红外成像系统具备优秀的夜间可视能力,并且具备良好的抗干扰能力、识别伪装的能力,在军事领域的应用日益广泛。可见光成像系统易受光照强度的影响,无法在封闭空间或夜间等弱光条件下工作,而物体的红外辐射能量仅与物体温度和物质特性有关,所以红外成像不需要考虑光照强度,可以在全天候时段工作。红外目标检测可以应用单波段和多波段的方式进行探测,单波段探测由于目标信息有限,往往目标会存在小、弱、暗等问题,导致检测能力不理想,而多波段检测通过利用不同波段信息的冗余性、互补性,大幅度提高目标检测和识别的概率,提高识别伪装的能力。但双波段目标检测中存在很多技术难点,对红外小目标检测技术进行了分类,分析了技术难点,按不同的方法进行了总结描述。再对双波段目标检测技术进行了详细的描述,并选取了常见算法进行了性能比较和原理分析,突出了双波段目标检测的优势。     

基于人工神经网络的红外探测效果评估

红外探测设备是红外系统中的重要组成部分,对其性能评估具有实际意义。分析研究了影响红外探测效果的主要因素,选取环境温度、相对湿度、能见度、辐通量、目标高度和探测距离为评价指标。针对神经网络良好的非线性映射功能及高精度的特点,构建了BP网络评估模型,实验表明,该方法简单有效,评估精度较高,具有很强的实际应用价值。     

基于先验知识的红外图像汽车牌照定位方法

由于汽车牌照图像背景复杂,存在各种各样的噪音干扰,很难准确定位汽车牌照.因此提出一种快速、自动红外汽车牌照定位方法,利用红外成像特点,解决了高速行驶、无主动照明、在全天候工作情况下的牌照定位问题.根据汽车牌照在全图单位长方形面积的水平灰度梯度最大的特点,成功地从红外汽车图像中检测定位车牌,定位结果的正确率达到了99%以上.      

红外成像系统中带有距离修正的目标能量预测方法

针对红外成像系统中目标遮挡后需要进行能量预测的实际情况，提出了一种基于距离修正的Kalman灰度预测方法，建立能量和距离之间的状态方程，通过装订的距离和观测到的目标能量来预测实际的目标能量，并结合具体的试验数据，与三阶状态向量Kalman滤波预测和 滤波预测做了对比，仿真结果表明，该滤波方法是正确有效的。     

基于帧间特征点匹配的红外弱小目标检测

高空下、视复杂背景下弱小目标的检测一直是红外弱小目标跟踪的难点,提出了一种基于帧间特征点匹配的红外弱小目标检测的方法,将复杂背景下的动态弱小目标检测问题看作是帧间复杂背景的运动估计补偿问题,消除了背景杂波对红外目标的影响,进而达到了抑制背景的目的。做出了该算法与现在常用的频域高通滤波、形态学Top-hat滤波两种小目标检测算法的对比,并将目标局部信杂比和目标检测的虚警率作为算法的有效性评价指标。试验结果表明,通过准确的地补偿复杂背景的帧间位移量,再结合帧间差分的方式,后红外弱小目标检测的信杂比提升了2倍以上,检测得到的虚警率低于20%。     

超构材料红外探测芯片的研究进展

在梳理超构材料的概念与发展历程的基础上,着重分析了超构材料对波长、偏振态、相位等电磁波参量的调控作用。结合红外探测芯片及成像系统的发展趋势,介绍了超构材料与红外探测芯片的结合,及其在双色/多色成像、偏振成像、高光谱成像等先进成像模式中的应用,以及国内外相关研究进展。     

鲁棒的红外小目标视觉显著性检测方法

鲁棒的红外(IR)小目标检测是自动目标检测的关键技术,低信噪比条件下的红外小目标检测一直是业内研究热点.为了能有效地检测红外小目标,对红外小目标若干表观特征及其视觉显著性进行了分析,提出一种基于多尺度图像块统计序对比度(MOCIP)的红外小目标视觉显著性鲁棒检测方法,采用两步级联多尺度图像块统计序对比度算法抑制背景和噪声,提升目标强度,获得红外小目标显著性图,并利用自适应阈值实现目标检测.本文详细给出了红外小目标视觉显著性的检测算法,使用红外小目标图像对检测性能进行了实验验证,并与其他检测方法进行了对比.实验结果表明,所提出的方法能够在低信噪比条件下克服噪声和复杂背景的影响,有效地对红外小目标视觉显著性进行检测.      

基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法

红外弱小目标的检测识别是军事侦察和遥感探测领域的一项关键技术。针对现有的传统目标检测方法普遍存在的检测误报率高、环境适应性差等问题,本文设计提出了一种基于Swin Transformer和多尺度特征融合的红外弱小目标检测方法。该方法首先在基于编解码Unet网络架构的基础上,通过引入Swin Transformer的自注意力机制代替常规的卷积核来进行目标特征的分层提取,从而有助于在更大的感受野下挖掘目标在不同尺度下的潜在信息;之后,通过设计一个自底向上的跨层特征融合模块作为网络模型的解码器,可以从复杂背景中保留红外弱小目标特征,并将目标的浅层局部信息和深层语义信息进行充分融合。试验测试结果表明,所提方法在红外小目标公共测试数据集SIRST上能够实现0.747的交并比指标(IoU),以及0.752的归一化交并比指标(nIoU),其性能均优于其它典型方法,在不同复杂场景下均拥有更好的检测效果。     

基于相干度优化的极化顺轨干涉SAR慢小目标CFAR检测

为改善干涉合成孔径雷达（SAR）系统对慢动小目标的检测性能,研究了全极化顺轨干涉SAR（AT-POLINSAR）实现慢动目标恒虚警（CFAR）检测的方法。首先,通过对单基线AT-POLINSAR的系统设计,明确了其在现有技术条件下的可实现性,并对其信号形式与极化干涉回波进行了建模分析。然后,针对AT-POLINSAR 6维极化干涉矢量提出了以背景杂波平均相干度为优化准则的极化降维新方法,构建了一种统计分布类型与单极化干涉数据相同的次优极化标量干涉回波,从而使目前单极化顺轨干涉SAR（AT-INSAR）慢动目标CFAR检测方法可直接扩展至全极化情形。最后,通过检测实验对次优极化与单极化的慢动目标检测性能进行了对比分析。结果表明,次优极化方法能充分利用全极化信息提高INSAR对慢小目标的检测概率。      

基于ML背景参数估计的CDKF-CPHD多目标跟踪算法

针对低信杂比环境下的多机动目标跟踪问题,提出了一种基于极大似然(ML)背景参数估计的中心差分卡尔曼-势概率假设密度滤波(BE-CDKF-CPHD)算法。算法采用ML法实时估计重尾分布模型参数,计算检测概率和虚警概率。运用极大似然-恒虚警(MLCFAR)算法对信号进行处理,提取有效量测值,将幅值似然函数与势概率假设密度滤波器(CPHD)中的目标位置似然函数相结合,通过中心差分法递归更新得到后验均值与协方差,达到对多机动目标进行跟踪的目的。仿真结果表明,在低信杂比环境中,所提算法提高了跟踪精度与目标数目估计准确度。     

基于类脑模型与深度神经网络的目标检测与跟踪技术研究

目标检测与跟踪技术广泛应用于交通、医疗、安保和航天等领域.目前，目标检测与跟踪技术面临目标微弱、背景复杂、目标被遮挡等挑战.同时，随着脑科学研究的不断深入，人们对人脑视觉系统的理解逐渐透彻，利用类脑计算解决复杂背景下高精度目标检测与跟踪问题成为相关领域的重要研究方向.本文结合神经工程导向的类脑模型和计算机工程导向的深度神经网络(Deep Neural Networks, DNNs)，提出多种基于类脑模型与深度神经网络的目标检测与跟踪算法，包括：基于演算侧抑制的目标检测算法，基于结构 对比度(Structure Contrast, SC)视觉注意模型的弱小目标检测算法和基于记忆机制与分层卷积特征的目标跟踪算法.实验结果表明，将类脑模型和深度神经网络应用于目标检测和跟踪领域，有利于实现复杂条件下的高精度目标检测和鲁棒性目标跟踪.     

一种基于面源黑体的某型红外动态模拟靶标研制

基于某型导引头对目标体红外辐射特性和运动特性的仿真需求,研制了基于面源黑体的红外动态模拟靶标,用于模拟无穷远处的设定目标与背景温差,以及目标体在视场中的动态变化。介绍了该红外动态模拟靶标的基本原理、主要组成以及硬件系统设计和软件实现情况,并对其红外成像辐射特性以及动态性能指标进行了实验验证。