面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

基于动态框搜索的星图中星点获取算法研究

分析星图中星点获取算法的具体流程,针对传统星体目标聚类方法的不足,提出了动态框搜索算法。首先采用固定像素框搜索区域最大灰度值点,然后以该点为中心,结合星图图像中真实星点的分布情况,采用大小可变的像素框进行星体目标聚类,最后采用加权质心法得到星点的中心位置。仿真实验表明,该算法能达到良好的效果。     

一种基于时空相关性的星图降噪算法

文章提出了一种基于时空相关性的星图降噪方法,用于解决空间探测时星图峰值信噪比(Peak Signal to Noise Ratio,PSNR)低、星点提取难度大的问题。文章首先对真实星图中星点和背景噪声的能量特性进行了分析与建模。然后,基于该模型提出了一种可行的降噪算法,该算法以时空相关性检测为核心,并利用检测的结果对目标和噪声进行连续多帧定位。进一步利用定位的结果对目标进行匹配和平滑,对背景噪声进行抑制,从而在总体上提高图像的PSNR。最后,基于仿真平台对算法的有效性进行了测试验证。结果表明,该算法能够有效提升星图PSNR,尤其是点目标的PSNR,在一定噪声等级下,可提升1.6d B。降噪之后,在去除噪声的同时,星图的灰度直方图完好保留了高灰度值部分的目标点像素。该算法在相似的运算复杂度下,其降噪效果明显优于绝大多数的现有降噪算法,利于后续提取星图中恒星及点目标,应用于在轨空间探测系统中,具有广阔的应用前景。     

星敏感器抗杂光背景滤波图像处理方法研究

为提高星敏感器抗杂光干扰性能,提出了一种称为背景滤波的全帧型星图处理算法。根据星点和背景不同特征,对背景估计法进行了改进:设定模板尺寸为7"7像素,用模板边缘像素的均值作为中心点的背景估值;将目标点本身引入背景估计,增加目标点权重以抑制背景的残留;设定一较小的固定阈值以分割星点与虚警点,并采用单双点去噪。给出了适宜FPGA并行处理的算法流程。对不同噪声水平下受杂光干扰的星图的处理结果表明:与分块阈值法和高通滤波法相比,背景滤波算法的抗杂光能力更强,虚警率低,星点提取率高,运算简单,便于FPGA实现,有无杂光干扰时的适应性好。     

基于鲁棒估计的捕获段面目标图像处理

深空探测捕获段导航图像为含轮廓面目标图像,目标质心与光心并不重合,传统加权质心方法无法有效提取目标视线。文章通过最小平方中值法对提取的面目标导航图像真实边缘轮廓进行椭圆鲁棒拟合,该方法能够有效估计出目标中心视线,同时能够抑制由于目标表面坑洞等纹理特征引起的误差,对伪边缘、拍摄噪声均不敏感。最后,通过大量仿真与真实图像处理,对算法进行验证。结果表明,用文中方法估计的目标中心投影点坐标精度优于0.1个像素,视线误差优于1×10-4rad,方法具有极高的鲁棒性,对捕获段图像处理有一定的参考价值。     

基于强跟踪滤波和模糊逻辑推理的有向图切换算法

针对传统卡尔曼滤波算法中对于强机动目标跟踪性能较差的问题,文章提出了一种新的机动目标跟踪算法DS_STF_FI算法。该算法将强跟踪滤波引入到变结构多模型跟踪算法中,结合模糊逻辑推理来实现多模型间的信息交互,并通过有向图切换法实现模型集的自适应调整,从而使跟踪算法能够适应机动目标运动状态的变化。仿真结果表明,与基于卡尔曼滤波的DS_KF_FI算法相比,文章提出的算法的跟踪性能明显提高,且具有较高的算法费效比。在机动目标跟踪领域具有广泛的应用前景。     

遥感应急目标影像自动检测及制图方法

针对点目标检测的应急响应,提出一种适用于该类场景的通用应急目标影像自动检测及制图方法,能实现主目标提取与轮廓分析相结合,从而快速提取应急目标。通过改进的分水岭分割算法提取主目标信息,对分割结果进行轮廓结构分析,形成应急响应专题图。在突发事件产生水坑的应急实例中,选取高分二号卫星影像数据,在汶川山体滑坡应急实例中,选取高分一号卫星影像数据,均获得了良好的提取效果。其中,应急水坑检测的误差率是1. 2%,山体滑坡检测的误差率是1. 7%,表明文章提出的方法能很好地满足应急响应中点目标检测的需求。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

基于组合特征的航母目标识别方法

为了解决较高分辨率条件下的可见光航天遥感图像航母目标识别问题,文章提出了一套完整的识别算法。该算法通过基于最大类间方差算法(Otsu算法)的双阈值分割方法获得舰船目标,然后通过形态学闭运算去除目标图像内部的空洞,对获得的目标图像进行优化。结合航母的形态特点,文章提出了描述目标的舰首宽度比编码特征,该特征能够显著的描述航母和其他舰船之间的区别。通过长宽比和舰首宽度比编码构成组合特征向量对提取的舰船目标进行描述。最后文章采用k折交叉验证方法划分训练样本集合和测试样本集合,采用最小距离分类器进行目标识别。所有的算法都在Matlab软件上进行仿真实验,实验结果表明,相比于其他的舰船描述特征,文章提出的组合特征对航母的识别率更好。     

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明：该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。      

针对弹载平台红外小目标的检测与跟踪算法

为了提高对红外小目标检测与跟踪的精度与速度,设计了一种针对红外小目标的单目标检测与跟踪算法,包含一个基于MB_LBP+AdaBoost与管道滤波器的目标检测模块,和一个有跟踪失败监测机制的基于模板匹配的多尺度跟踪模块。经过测试,该算法对边长11~31像素大小的指定类型的红外小目标取得了较好的检测效果,目标跟踪模块对于目标的尺度变化,快速运动,遮挡有较高的鲁棒性,算法中的跟踪失败监测机制在检测到跟踪异常的情况下能重新调用目标检测算法找回目标,经过测试对比,本方法跟踪的精度和速度综合优于主流跟踪算法,并且能够在弹载平台上实时运行。     

基于YOLO智能网络的红外弱小多目标检测技术

复杂背景下的红外弱小多目标检测是红外目标检测的难点,现有算法的稳健性难以满足实际弹载应用需求。针对弹载环境下的红外场景图像开展了基于典型深度学习网络模型的目标检测应用研究,提出一种基于YOLO(you only look once)网络的智能目标检测方法,通过高维特征学习表征和推理实现红外弱小多目标检测。采用传统的模板匹配算法和YOLO深度学习算法进行识别性能对比分析,验证了YOLO网络在红外弱小多目标检测方面的良好性能。实验结果表明:YOLO算法的检测概率可达92.2%,平均检测精度为0.844,与传统的模板匹配方法相比,YOLO具有明显的优势。     

基于恒星矢量差分的星敏感器星跟踪算法研究

针对现有星跟踪算法依赖外部信息、模型复杂等缺点,结合卫星平台实际,提出了一种新的星敏感器内部星跟踪算法,利用星矢量与角速率间关系进行星点预测。先根据当前帧和前一帧的星矢量,用最小二乘原理估算出角速率,再对角速率进行卡尔曼滤波以减小估计误差,之后用滤波后的角速率预测下一帧的星矢量,将星矢量转为星点坐标,最后在以该坐标为中心的波门中提取星点。讨论了角速率估计误差、截断误差、星点成像随机误差和定姿星数等因素对算法精度的影响。该方法不依赖外部信息进行预测,模型简单,易于实现。实验验证在星敏感器角速率为0.6(°)/s时,平均跟踪精度0.55像素,证明了其有效性。     

SAR图像强回波目标检测的偏态分布方差方法

对复杂背景下的SAR图像强回波目标检测问题进行了研究,提出了基于偏态分布方差的自适应检测算法。首先设计一种新的基于偏态分布模型的方差滤波器,偏态分布方差滤波器可减少相干斑噪声对检测的不良影响,提高图像方差的差异性,即强目标回波边缘灰度方差相对于强目标回波灰度方差、背景杂波灰度方差更小。其次,算法改进了根据图像复杂度自动选取阈值方法,通过自适应检测小方差像素,实现强回波目标检测。仿真结果说明该算法能够对SAR图像强回波目标较快地进行准确检测。相比方差特征法(VAR)和扩展分形特征法(EF)在检测速度与虚警率方面均具有较大的优越性。     

基于空谱融合特征主动学习的高光谱图像分类

针对高光谱图像分类过程中存在的样本量少和分类精度低的问题,提出一种基于空谱融合特征主动学习的高光谱图像分类方法。主要包括构造三通道图像,全卷积网络提取空间特征,空谱特征结合,主动学习方法选择训练样本几个部分。通过结合像素的光谱特性和相邻像素间的空间关联,提取出可以反映像素空谱联合特性的综合特征,提高了像素特征的表达能力。为克服高光谱图像标注数据少、缺乏训练样本的问题,应用主动学习算法,充分选择更具有代表性的样本进行训练,达到少样本情况下较高的分类正确率。通过在标准数据集上进行实验,结果表明:该方法可以达到在总样本数1%作训练样本的情况下,分类正确率达到99.79%,优于传统的高光谱分类算法。     

一种改进的测向交叉定位方法

传统的两站交叉定位算法在多辐射源环境下存在虚假定位点无法准确消除、多目标处理能力差、算法自身的缺陷导致的定位盲区无法消除等局限性.提出了一种利用多站测向信息的改进算法,该算法根据各交叉定位点的误差分布设置准则进行测向信息配对并获得真实定位点的初始坐标,再利用线性加权最小二乘估计结合卡尔曼滤波算法进行处理获得辐射源的位置.仿真结果表明,该算法显著改善了多目标处理能力,能够快速、准确地进行测向信息配对,有效消除虚假定位点和定位盲区,并能得到不错的定位精度.     

天基光学传感器动态成像配准方法研究

图像配准是天基光学动态成像处理中的关键技术,在遥感侦察等领域有着重要应用。对星空背景和地球大气背景下天基目标探测中的图像配准问题进行研究。针对星图配准建立了部分平均Hausdorff距离(PMHD),并定义了一种新的相似性匹配测度,利用序贯岭回归估计方法实现快速配准;针对地球大气背景图像配准,通过改进的Harris角点检测亚像素定位提取特征点集,基于PMHD利用粒子群优化(PSO)算法实现图像的精确配准。仿真实验表明:提出的星图配准方法具有实时性和亚象元配准精度,联合PMHD和PSO的大气图像配准具有良好的配准精度和较强的抗噪干扰能力。     

未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题,提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架,通过在训练过程中引入多个复杂结构模型,提高该深度估计框架的泛化能力;其次,利用TSDF对各帧图像所估计的深度信息进行融合,实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验,对于300 mm尺寸的卫星模型图像,像素深度估计平均误差约为13 mm,通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计,并获得目标完整的三维结构与纹理信息,有效解决无纹理区域的重建结构缺失问题。     

分布式卫星系统在轨操作的多目标分配

针对空间在轨操作目标分配问题,以分布式卫星系统为研究对象,提出了一种基于粒子群算法的在轨操作多目标分配方法。以分布式卫星机动所消耗的总能量最省为目标函数,建立了在轨操作多目标分配的数学模型。基于固定时间拦截理论,以机动时刻和对应的速度增量作表征,设计实现了单颗卫星最优机动方案。通过合理设计粒子位置与目标分配解的对应关系,采用粒子群算法对问题进行了求解,并详细阐述了算法的实现步骤。算例分析结果表明,建立的模型和算法能够快速得到正确的可行解,可有效解决多约束条件下空间在轨操作的多目标分配问题。     

基于CS的SAR图像自动目标分割算法

图像目标分割是SAR图像目标超分辨处理和自动目标识别的重要步骤。针对图像固有的稀疏结构,提出了一种SAR图像自动目标分割算法。通过构造变换字典将SAR图像数据投影到高维空间,实现了图像局部特征的稀疏表示,然后利用随机矩阵获得稀疏域局部特征的压缩采样,并对多组采样数据运用Mean-shift 算法并行处理,最后通过符号检验法,实现了对目标像素与背景像素的分类。试验表明,该算法对硬目标具有较好的目标分割性能。