基于超像素与多尺度残差U-Net相结合的遥感图像飞机检测方法

遥感图像中存在飞机很小、角度和位置不确定且背景复杂等问题,从遥感图像中检测飞机是一项重要且具有挑战性的任务,因此,提出一种基于超像素与多尺度残差U-Net(Multi-scale Residual U-Net,MSRU-Net)相结合的遥感图像飞机检测方法。首先对遥感图像进行超像素预分割,将位置相邻且像素特征相似的像素点组成若干个超像素,保持图像进一步分割的有效特征;然后构建多尺度残差U-Net,学习其多尺度判别特征。与传统的飞机检测方法相比,该方法用少量的超像素代替大量像素表达图像特征,降低了图像分割的复杂度,再利用MSRU-Net分割遥感超像素图像,有效检测不同尺度的飞机图像。在公共飞机遥感图像数据集上实验,结果表明,该方法能够有效的检测遥感图像不同尺度的飞机图像,检测精确率达到91.2 %。     

亚像素条纹边缘提取技术在型面测量上的应用

三维型面非接触测量在工业领域有着广泛的应用前景.双目视觉是一种有效获取三维轮廓信息的方法,其中对大密度的黑白相间条纹进行精确定位和提取,是基于投影光栅图像的光学三维型面测量的关键技术和难点.利用空间编码技术将被测空间划分为若干区域,每个区域对应一个二进制码.条纹落在区域上与唯一的二进制码相对应,就可以对条纹精确定位.利用边缘提取算法获得像素级条纹后,再利用亚像素技术可以进一步对条纹进行高精度提取.介绍了基于灰度矩的和基于多项式拟合的亚像素边缘检测算法.将空间编码和亚像素条纹提取技术相结合,对光栅条纹进行亚像素级定位和提取的技术,与像素级的定位技术相比,能提高图像的定位精度,有效地改善测量系统的性能.      

自适应立方卷积图像插值算法

图像插值是图像处理的一项重要技术,可适用于多个领域,近年来多使用该技术进行图像缩放.针对传统图像缩放算法边缘处理效果较差、边缘检测插值算法复杂度高的问题,提出一种有效增强边缘轮廓的自适应立方卷积插值算法.该算法结合边缘梯度变化和立方卷积插值的特点,使得图像在平坦和纹理区域均能取得理想效果.实验结果表明,与基于边缘检测的插值算法相比,该算法具有较低的复杂度,平均运算时间降低了3.19 s;与立方卷积算法相比,图像峰值信噪比有较大的提高,峰值信噪比增加了0.89 dB.     

PMMWI与Ⅵ优势互补的人体隐蔽违禁物检测与定位

根据公共场所人体安检的性能要求和技术需求,将被动毫米波成像（PMMWI）的可透视成像性能优势与可见光成像（Ⅵ）的细节高分辨性能优势相结合,提出一种基于PMMWI与Ⅵ优势互补的人体隐蔽违禁物检测与定位算法。首先,提出一种基于低层特征融合的改进U-Net以增强深度神经网络（DNN）对PMMWI中弱小目标轮廓的敏感度,提高PMMWI中人体轮廓和隐蔽违禁物的分割精度,并同时实现Ⅵ中人体轮廓的像素级分割;然后,在PMMWI和Ⅵ中的人体轮廓分割基础上,通过基于人体轮廓的尺度变换与滑动适配实现PMMWI人体轮廓和Ⅵ人体轮廓的良好配准,根据配准结果实现单帧图像中人体隐蔽违禁物的高效检测;最后,通过序列图像检测结果的对比融合与优化决策给出隐蔽违禁物的定位结果。一系列综合实验与对比分析结果,验证了提出的人体隐蔽违禁物检测与定位算法的性能优势。      

改进的深度神经网络下遥感机场区域目标检测

卫星遥感监测器下的机场区域多类目标检测在实际生活中有着重大的军用和民用意义。为了有效提升机场区域遥感图片的检测精确率，以主流目标检测方法中更快的区域卷积神经网络（Faster R-CNN）为基础框架，针对数据侧提出了ReMD数据增强算法。同时使用更具深度的残差神经网络（ResNet）以及特征融合部件-特征金字塔网络（FPN）来提取机场区域目标更鲁棒的深层区分性特征。在末端检测网络添加新的全连接层并根据目标的类间关联性组合softmax分类器以及4个logistic regression分类器进行机场区域多类目标的精确分类。实验结果表明:相比原网络改进后的网络带来了11.6%的多类平均检测精确率的提升，达到了80.5%的mAP，与其他主流网络进行对比也有更好的精确率；同时通过适当减小建议区域的输入量，可以在降低3.2%精确率的前提下将0.512 s的检测时间提速3倍，至0.173 s，根据具体任务可以合理权衡精确率和检测速度，体现了该网络的有效性以及实用性。      

像素对图形电磁计算精度的影响和解决方法

在图形电磁计算中,通过控制图像绘制分辨率提高物理光学积分的计算精度.使用像素级的面元近似,把物理光学积分转化为具有数值积分形式的基于像素的求和.使用Nyquist 空间采样理论,提出了能够满足高频RCS(Radar Cross Section)计算精度需要的像素对应的电尺寸值;由此给出了图形电磁计算中的图像分辨率的确定准则,并提出一种改变图像分辨率的方法.通过分析典型目标和复杂目标的计算实例,这种确定图像分辨率的准则可以成立.      

基于视频数据的机场跑道外来物检测

提出了一种基于视频数据的机场跑道外来物(FOD,Foreign Object Debris)检测算法,该算法包括几何校正、背景差分、杂波抑制和伪装消除等4个步骤.其中,几何校正排除了摄像头轻微抖动造成的图像差异;背景差分利用每个像素对应的颜色向量信息,建立背景模型并进行定时更新;杂波抑制和伪装消除利用差分图像和原始图像信息,建立马尔科夫随机场和概率统计模型,在降低虚警的同时提高了检测率.将本算法应用于两组不同光照条件下获取的视频图像,检测不同形状和颜色的FOD目标;采用本算法对机场实测数据进行测试,验证了算法的有效性.     

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。      

未知环境下移动机器人单目视觉导航算法

提出了一种未知环境下移动机器人单目视觉导航算法,算法包括障碍物检测、单目视觉测距和局部路径规划3部分.为减小光照等环境因素对基于特征的障碍物检测的影响,对彩色图像在HSI颜色空间中用基于像素的直方图比较进行分割,获取障碍物轮廓序列的图像坐标点集.在单目视觉测距中,通过几何关系推导法建立图像坐标系和机器人坐标系间的变换关系,进而实现由障碍物图像位置计算其与机器人间的实际距离.局部路径规划对摄像机梯形视场区域转换后的矩形区域建立模型划分栅格,由障碍物轮廓序列图像坐标和单目视觉测距计算构建障碍物栅格图,并用提出的栅格搜索算法搜索障碍物栅格图,得到机器人安全行驶路径.实际环境中进行的实验结果表明,算法能有效减小反光、阴影等的影响,在未知环境中正确规划出机器人局部可行路径实现导航.      

基于EfficientDet的无预训练SAR图像船舶检测器

针对多尺度、多场景的合成孔径雷达(SAR)图像船舶检测问题，提出了一种基于EfficientDet的无预训练目标检测器。现有的基于卷积神经网络的SAR图像船舶检测器并没有表现出其应有的出色性能。重要原因之一是依赖分类任务的预训练模型，没有有效的方法来解决SAR图像与自然场景图像之间存在的差异性；另一个重要原因是没有充分利用卷积神经网络各层的信息，特征融合能力不够强，难以处理包括海上和近海在内的多场景船舶检测，尤其是无法排除近海复杂背景的干扰。SED就这2个方面改进方法，在公开SAR船舶检测数据集上进行实验，检测精度指标平均准确率(AP)达到94.2%，与经典的深度学习检测器对比，超过最优的RetineNet模型1.3%，在模型大小、算力消耗和检测速度之间达到平衡，验证了所提模型在多场景条件下多尺度SAR图像船舶检测具有优异的性能。      

一种新的基于PCNN的自适应强去噪方法

为了实现椒盐噪声的有效去除和图像细节及纹理的有效保留,提出了一种新的基于PCNN(Pulse Coupled Neural Network)的自适应滤波方法ADEN(Adapative Denosing method for Extreme Noise)-PCNN.该方法引入了像素受污染状态的甄别机制,只对被污染的像素进行降噪处理,保证了去噪的同时不损坏图像信息,实现了图像的细节和纹理的有效保留;为了确保图像质量,在面向图像降噪的PCNN神经网络阵列结构中引入了自组织机制,可以自动地估计噪声的强度信息并进行PCNN网络中神经元连接方式的自组织转换,此外引入了自适应机制,根据噪声强度的估计信息,自动进行滤波次数的优选,增强自适应能力.实验结果表明所提方法较常规方法和其他同类方法在去噪效果、保留图像细节方面展现出明显的优势.     

基于平行光管与二维旋转平台的长焦相机内参标定

长焦镜头能够采集位置更远的图像,而长焦镜头成像的特殊性对传统相机标定方法提出了挑战。针对这一问题，阐述了一种基于平行光管和二维旋转平台的相机内参标定方法。长焦相机被架设在二维旋转平台上，对放置在平行光管内的透过式棋盘格成像。通过旋转二维平台,改变相机的位置，可以得到不同位置下清晰的棋盘格图像。采集了棋盘格格点的像素坐标以及二维平台的角度数据,建立了合适的模型，优化求解出了长焦相机的内参参数，实现了实验室内对长焦镜头的标定。由模型计算得到的重投影棋盘格角点的图像坐标与在实际图像中检测到的棋盘格角点坐标相比，平均误差约为0.5个像素,这验证了算法的可行性。     

星载TDI CCD相机成像仿真系统的实现

以VC++ 6.0为开发环境, 基于航天TDI (Time Delay and Integration) CCD相机地物点与像点的映射模型, 开发了TDI CCD相机成像仿真软件系统, 建立了由卫星单轴气浮姿态控制仿真台和地面星载TDI CCD相机成像仿真软件系统构成的实时航天TDI CCD相机成像仿真平台, 可动态模拟航天TDI CCD相机在进行标称偏流角调节后卫星姿态角速度误差对航天TDI CCD相机成像的影响, 仿真结果与实际成像结果基本一致.      

基于嵌入式FPGA加速ORB算法的遥感影像配准方法

卫星上计算资源有限，星载嵌入式处理器处理遥感影像的配准时通常需要很长的时间。可编程逻辑门阵列（FPGA）利用其内部可编程器件可用于加速图像处理。提出了一种基于Xilinx公司的ZYNQ芯片加速ORB算法的遥感影像配准方法，可用于3000×3000像素尺寸的卫星图像配准，缩短了计算耗时，提升了ORB算法的计算能效比。利用FPGA能够实现真正的并行计算电路，实现ORB算法多支路单层流水线的并行计算结构。采用软硬件结合的方法实现架构，能够处理不同分辨率的图像，可灵活配置特征点的数量。基于设计的加速ORB配准方法，获得了较高准确率。与软件实现相比,OVS-1A遥感影像偏移精度损失低于0.05个像元;GF.4遥感影像偏移精度损失小于0.9个像元。将ORB配准算法流程应用在ZYNQ7020上，耗时减少了57.50%。     

嫦娥一号卫星CCD立体相机月表图像镶嵌

鉴于嫦娥一号CCD相机获取图像的特殊性, 选用投影的方法, 完成了Apollo12, Apollo14和Apollo15登月点区域的月表正视图像镶嵌. 在分析圆柱投影表象的基础上, 推导出了月球割35o Mercator投影公式. 首先读取单轨数据的经纬度和灰度, 进而根据四个角点的经纬度建立空图框, 并根据分辨率、长度比与月球投影理论分别在纵向和横向上进行网格划分, 实现图框的像元化. 通过单轨图像和图框的坐标匹配完成灰度镶嵌, 匹配误差控制在一个像元以内. 对重叠区域的灰度值进行平滑处理, 最终图像还原来完成月表图像的镶嵌. 该方法有普遍适用性, 可以用于其他轨道图像的镶嵌.      

基于三维点云模型的空间目标光学图像生成技术

空间探测任务中大量先验图像数据的缺乏，使得基于光学图像的态势感知和导航算法无法被有效定量测试和评估。针对此问题，提出了一种基于三维点云模型和射影变换基本理论的空间目标光学图像生成方法。在完成对空间目标三维点云模型和仿真摄像机模型构建基础之上，利用射影变换基本理论依次计算像平面所有像素点与空间目标三维点云模型空间点的对应关系，并基于Lambertian漫反射模型和相对应空间目标三维点云模型空间点的光照方向，得到所有像素点的灰度值，从而生成给定空间目标的光学图像。大量仿真实验表明:与传统的基于解析模型的仿真图像生成方法相比，所提的空间目标光学图像生成技术能够以更快的速度生成更加真实的仿真图像，且生成的仿真图像可以广泛应用于椭圆拟合、陨石坑检测、着陆器视觉导航、航天器交会对接、空间目标跟踪等典型空间应用算法的定性与定量评估。      

基于地月合影图像的“嫦娥5T”指向校正算法

以"嫦娥5T"地月合影图像作为基本数据,提出一种基于信息融合的相机指向校正方法。首先利用形态分析从合影图像中提取天体的形心坐标,然后构建目标函数,通过优化算法估计相机的安装误差矩阵。该方法的典型优势是只需要利用单个相机对天体所成的单幅图像,便可快速确定相机指向。仿真数据和实测数据得到相机指向误差估计值的偏差保持在1%度量级,证明了算法的有效性。算法可以为实际工程任务和应用提供参考。     

基于小波域清晰度评价的光场全聚焦图像融合

传统全聚焦图像融合以相机多次曝光拍摄的多聚焦图像为基础,光场相机在单次曝光后可计算空间任意深度的重聚焦图像,为后期全聚焦图像的获取提供便利。提出了一种基于小波变换的光场全聚焦图像获取算法,可有效避免传统空域图像融合算法的块效应,获得较高质量的全聚焦图像。该算法通过对微透镜阵列光场相机获得的4D光场数据进行空间变换与投影,得到用于全聚焦图像融合的重聚焦图像,对各帧重聚焦图像进行小波分解提取高、低频子图像集,提出区域均衡拉普拉斯算子、像素可见度函数分别构建融合图像的高、低频小波系数实现图像融合,其性能优于传统的区域清晰度评价函数。实验验证了所提算法的正确性和有效性,采用Lytro光场相机的原始数据计算了融合全聚焦图像,与传统图像融合算法相比,人眼视觉效果更好,客观图像指标也得到了提高。      

高精度星相机光学系统像质评价及实现

摘要： 高精度星相机光学系统是实现高性能星相机的关键技术.从工程实际出发，梳理星相机光学系统像质评价的指标，重点论述星点质心位置指标分解、光学系统评价指标分解过程.分析认为星相机光学系统设计过程中需关注质心位置偏差和质心位置与理想像高的偏差、温度分析需兼顾均匀温升及梯度温度变化.给出一个继承于双高斯结构形式的设计实例，结合像差理论进行消热设计和畸变控制，分析不同温度条件下不同类别恒星的质心位置一致性.设计结果表明该光学系统可满足高精度星相机指标要求.     

An approach to multi-temporal MODIS image analysis using image classification and segmentation

This paper discusses an approach for river mapping and flood evaluation based on multi-temporal time series analysis of satellite images utilizing pixel spectral information for image classification and region-based segmentation for extracting water-covered regions. Analysis of MODIS satellite images is applied in three stages: before flood, during flood and after flood. Water regions are extracted from the MODIS images using image classification (based on spectral information) and image segmentation (based on spatial information). Multi-temporal MODIS images from “normal” (non-flood) and flood time-periods are processed in two steps. In the first step, image classifiers such as Support Vector Machines (SVM) and Artificial Neural Networks (ANN) separate the image pixels into water and non-water groups based on their spectral features. The classified image is then segmented using spatial features of the water pixels to remove the misclassified water. From the results obtained, we evaluate the performance of the method and conclude that the use of image classification (SVM and ANN) and region-based image segmentation is an accurate and reliable approach for the extraction of water-covered regions.