基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题，本文提出一种新的图像特征——相对最值点，并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络，并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点，进而利用最小二乘拟合方法获得该疑似直线的拟合方差，最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明，本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比，检测直线的精度更高，检测速度更快。     

基于FPGA的红外目标识别神经网络加速器设计

在红外目标识别领域，基于卷积神经网络的深度学习算法的识别精度已远远超过了传统模式识别算法,但神经网络的实现需要庞大的计算和存储，难以在无人机等嵌入式平台上进行部署。针对此问题，将通道级量化策略和梯度的近似优化训练引入到了低比特神经网络模型的建立中，并提出了一种可充分利用硬件计算资源的FPGA加速器，其整体平均性能为65.6GOPS。与其他相关工作的对比表明，低比特量化方法及其FPGA加速器实现，可以为嵌入式红外目标识别系统提供一种能效高、识别精度高的解决方案。     

基于改进YOLOv3和卡尔曼滤波器的飞机检测追踪方法

精确的飞机检测与追踪方法可以有助于提升我国军事实力，但是目前对小目标飞机进行有效追踪方法较少。基于深度学习的目标追踪方法较传统的方法性能更佳优越，因此针对传统方法对于小目标追踪性能不佳，本文提出了一种基于YOLOv3以及卡尔曼滤波器的飞机追踪方法以获得更好的追踪性能，该算法首先通过改进的YOLOv3算法对视频中的图像进行检测，在识别到视频中的飞机之后，通过卡尔曼滤波器对飞机的运动轨迹进行预测，并通过匈牙利算法进行数据关联。实验结果显示，该算法对小尺度飞机的检测性能较传统的YOLOv3有接近5%的提升，且对飞机的追踪效果精度高且实时性能，具有较高的军事应用价值。     

基于焦面哈特曼波前传感器的大视场高精度波前测量技术论证

气动光学效应容易对导引头目标成像跟踪系统产生不良影响,然而传统哈特曼波前传感器由于探测视场小,无法作用于导引头的目标成像跟踪系统。文章介绍了一种能够大视场测量的焦面哈特曼波前传感器,同时针对在焦面哈特曼中传统模式法无法高精度测量的问题,提出一种能够高精度测量的优化波前复原算法——基于Gerchberg-Saxton迭代的波前复原算法。然后根据满足大视场测量的结构设计,搭建了仿真平台,利用优化的波前复原算法对仿真输入像差进行复原。最后,利用多个激光器搭建了大视场波前复原实验平台并验证了焦面哈特曼波前传感器具有能够实现高精度的大视场波前测量的能力。