小样本目标检测综述

小样本学习是指在样本数据不足或质量较低的情况下进行的深度学习训练和预测的方法.针对深度学习目标检测应用中可能会面对的样本数据不足的问题,分析了小样本目标检测的数学模型和误差来源,将适用于小样本目标检测的方法分成数据、模型和算法三个类别进行了归纳总结,简述了各个方案的缺点与不足,并枚举了近年来在小样本目标检测上的可行方法实践探索,简要介绍了其实现的效果.在此基础上,简单介绍了与小样本学习相类似的深度学习应用,并在分析了目前小样本检测中存在的问题后,对未来小样本目标检测的发展方向和研究趋势进行了讨论.     

具有同一性多同名点匹配问题研究

自动报靶评估系统对多弹齐发情况的远程监测与自动评估是亟待解决的问题,基于此背景本文重点研究了具有同一性多同名点的匹配问题。通过分析多种经典图像匹配算法,本文提出了基于双目立体视觉的极线约束匹配算法并进行了详细阐述,同时给出了实验结果。     

动背景中高速掠过点目标的双窗口捕捉算法

为解决动背景下高速掠过点目标的实时探测问题,探讨了一种新的算法：首先采用基于帧间差分向量一阶范数的目标检测算法对图象进行预处理,实现大面积背景抑制,提取可疑目标点;然后,对提取的可疑目标点采用双窗口搜索算法捕捉运动点目标。该算法简单,运算量小,易于实现。实验结果验证了算法的有效性。     

一种基于目标特征点的姿态角测量方法

充分利用空间目标的几何先验知识,提出了一种基于目标特征点提取的单摄像机确定空间目标姿态角的方法,避免了多站图像的立体匹配。在M atlab2006 a的环境下对算法进行了验证,表明该方法的准确度较高,是一种简洁有效的测量方法。     

球面镜折反射全向视觉系统理论研究

对球面镜折反射全向视觉系统的某些理论问题进行了研究。建立了球面镜系统的投影模型;推导了系统的垂直视场角和系统各参数问的关系;使用逆坐标映射方法对全向图像进行展开;建立了实验系统,最终验证了球面镜系统的应用意义。     

利用ORLC编码实现任意形状工件的快速识别

讨论了一种新的物体快速识别方法，这个方法非常适合于柔性自动生产线上移动工件的快速实时识别。该方法的基础是新发展的定向执行长度编码法，由此产生了一种新的物体影像样本形式，即：ＯＲＬＣ坐标样本。     

基于累积差分图像和高斯背景统计模型的烟尘目标检测

根据烟尘目标灰度与天空背景灰度很接近,目标内部灰度分布不均匀,且形状和面积会随着时间不停变化等特点,提出了一种由粗到精的目标检测算法。首先,通过累积差分图像序列得到烟尘目标出现的大致区域,再通过构造高斯背景统计模型得到每一个可能目标点的精确分割阈值,用该阈值在上一步操作得到的目标区域内部进行逐帧精细分割,得到烟尘目标出现的位置信息和时间信息。实验结果表明,该方法抗干扰能力强,能够可靠、快速地检测出烟尘目标。     

基于航空照相枪的数字暗盒设计

航空照相枪是一种安装在歼击机上的小型电影摄影机。传统照相枪主要存在判读环境受限制、判读准确度低、工作可靠性差、效率低等问题。设计了由百万像素CMOS图像传感器、大容量闪存FLASH和CPLD为主要部件组成的数字暗盒。使用基于CPLD状态机设计技术,4片闪存分时存储数据,实现无缓存无压缩实时存储,可以有效地提高判读效率、准确度问题,并使计算机自动判读成为可能。