彩色分焦平面偏振图像配准方法北大核心CSCD

彩色分焦平面偏振相机是一种新型偏振成像装置,能够同时获取目标0°,45°,90°和135°四个偏振方向的彩色三通道(RGB)强度信息,但需要解决分辨率损失和像元错位的问题。本文提出一种适用于分焦平面相机的彩色偏振图像配准方法。通过实验对所提配准方法进行验证,结果表明:所提配准方法能够降低像元错位问题对后续彩色偏振图像解析精度的影响。     

同时偏振成像探测系统的偏振图像配准研究

同时偏振成像探测技术是一种新型的偏振成像探测技术,它能在同一个探测器上同时获得被探测目标0、45、90、135 4个偏振方向的偏振强度图像。为了准确获取被探测目标的偏振信息,这４幅图像的配准显得尤为重要。为了使配准精度达到0.1个像元,结合同时偏振成像探测系统的成像方式,提出了一种基于空域和频域互相关的偏振图像配准方法。该方法使用硬件和软件相结合的方式完成图像的配准。首先使用空域互相关的算法实现图像的像元级粗配准;然后使用频域互相关的像元级配准算法进行像元级精配准;最后使用频域互相关的亚像元配准算法实现偏振图像的亚像元级配准。     

基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

基于主动偏振光的潜指纹偏振成像检测方法研究

作为一种无损检测方法,光学检验法是多种潜指纹检测方法中的首选。在面对越来越复杂的应用场景时,传统光学检验法往往效果不佳。然而偏振成像探测技术不仅能够获得目标的强度和光谱等信息,而且还能够得到偏振度和偏振角等反映目标表面细节特征的偏振信息,因此可以提高潜指纹检测效果。利用偏振成像技术的优势,开展了基于主动偏振光的潜指纹偏振成像检测实验研究,获取了指纹图像数据并对其进行了分析。结果表明,与一般的强度成像相比,本文方法所得到的潜指纹偏振参量图像质量更高,获取的图像更清晰,细节信息更丰富。     

面向航拍小目标的改进YOLOv5n检测算法

针对无人机视角下目标尺度差异大、检测场景复杂、目标小且密集而导致的检测精度不高的问题,提出了一种基于改进YOLOv5n的实时目标检测算法。首先,通过引入轻量通道注意力(ECA)模块提高卷积神经网络对特征图内有效信息的提取能力;其次,在特征金字塔网络输出端后,加入自适应空间特征融合(ASFF)模块,提高不同尺度特征图的识别精度;再次,使用EIoU损失函数计算预测框和目标框的差异值,加快收敛速度并提高检测精度;最后,改进YOLOv5n的检测头,优化模型对小目标的检测性能。在VisDrone数据集上训练测试,相比于基础的YOLOv5n模型,在640×640分辨率下,改进后模型的类平均精度(mAP₅₀)提高了6.1个百分点;在1504×1504分辨率下类平均精度(mAP₅₀)提高了7.1个百分点;同时,改进后的模型检测速度在硬件上可达22帧/s以上。该算法模型在精度提高的同时保证了足够高的检测速度,更适用于无人机的小目标实时检测。     

采用条纹管激光成像系统的偏振成像实验

采用条纹管激光成像系统的激光偏振成像是对现有的条纹管激光三维成像的进一步延伸,如果在充分利用该成像系统获得的强度像和距离像的基础上,再加上偏振信息,则能实现对目标高精度的探测和识别.对采用条纹管的激光偏振成像进行了初步的实验研究,提出了两次测量的偏振成像实验方法,处理了实验中获得的几种特定目标的条纹图像,得到了目标的强度像和偏振度图像,并进行了比较.结果表明:偏振度图像比强度像对比度高,克服了光源辐照不均匀的缺点.证实了偏振成像的可行性,为完善成像实验系统,提出了用一次测量就能完成偏振成像的实验方法,融合强度像和偏振度图像的处理方法将实现对目标更高精度的探测.     

汗潜指纹紫外偏振反射特性研究(特约)

汗潜指纹是犯罪现场最常见的指印类型,具有特征消失快且不易被检测等特点。根据其特点,使用紫外偏振成像探测技术进行目标检测,相比传统强度图像,偏振参量图像可以提高目标对比度,有助于辨别不同背景中的目标。但紫外偏振成像探测技术对角度、波段及客体材料等较为敏感,所以通过设计合理的实验,分析了汗潜指纹紫外偏振反射特性随角度、波段及客体材料的变化特点。结果表明:汗潜指纹在不同角度下表现出规律的偏振特性;在系统提供的四个光谱偏振通道中,近紫外波段相比之下有很好的可重复性和区分性;不同客体材料偏振特性差异变化较大,对比分析样本的紫外偏振反射特性能有效提高潜指纹的探测和识别性能,为汗潜指纹紫外偏振成像探测技术提供依据。     

基于端元提取的超光谱图像目标检测算法

针对超光谱图像中目标检测问题,提出了一种基于端元提取的超光谱图像目标检测算法。该算法在未知任何先验信息条件下,对超光谱数据进行基于噪声调节的主成分分析,通过保留信噪比较大的主成分,有效降低超光谱图像中的噪声水平;然后利用基于无监督正交子空间投影的端元提取算法获取图像中的端元矢量,将各端元矢量代入改进的约束能量最小化算子中,从而实现超光谱图像的目标检测。实验结果表明,该算法不但可以得到较好的目标检测结果,在运算性能上也具有一定的优势。     

基于改进YOLOv5的低光照图像目标检测

针对低光照环境下现有的目标检测算法普遍存在检测精度较低的问题，提出一种改进YOLOv5的双通道低光照图像目标检测算法（YOLOv5＿DC）。首先，通过伽马变换和叠加高斯噪声的方法合成低光照图像，扩充数据集，提高模型的泛化能力；其次，提出特征增强模块，引入通道注意力机制，融合增强图像和原始图像的低级特征，抑制噪声特征的影响，改善网络的特征提取能力；最后，在颈部网络中加入特征定位模块，增加特征图在目标区域的响应值，使网络更关注目标区域，提高网络的检测能力。实验结果表明：所提YOLOv5＿DC算法实现了更高的检测精度，在低光照图像目标检测数据集ExDark*上的平均精度均值（mAP）@0.5达71.85%，较原始的YOLOv5算法，提高了1.28个百分点。     

一种基于NSST变换的红外偏振图像融合算法研究

红外成像技术可以全天候进行工作,受一些恶劣天 气因素的干扰较少,因为其依靠目标的温度差和热辐射率来成像,缺点也很明显,成像结果 细节模糊,目标与背景的对比度低,边缘平滑,视觉效果一般。而偏振图像由于其只保留某 些特定方向入射光的特殊成像机制,从而可以获取目标与背景粗糙度、含水量、物质理化以 及纹理特征等多维细节信息,但也正因为滤除了部分方向的光线,导致偏振图像整体亮度偏 低。针对单偏振参量信息弱、对比度小而且红外强度图像细节模糊的问题,提出一种基于非 下采样剪切波变换(NSST)的红外偏振图像融合算法,可以有效提高复杂背景中目标的辨识 度。首先将偏振度图像与偏振角图像采用改进的区域方差方法进行融合得到初始图像。然后 对初始图像与红外强度图像进行NSST分解处理,低频分量采用区域关联度与区域方差相结合 的融合规则,高频分量的融合采用区域关联度与区域特性能量相结合的规则。实验结果表明 ,本算法主观视觉效果良好,客观评价指标也优于其他算法。     

云层背景下基于混沌理论的红外小目标检测研究

针对云层背景下红外小目标检测难、可用数据集少的问题,提出了一种基于混沌预测的检测方法。首先从云层背景的空间混沌特征出发,采用径向基函数神经网络设计了混沌序列的预测模型,并利用遗传算法优化网络参数,提高预测精度。然后利用预测模型对图像像素序列的预测值与实际值之间的预测误差,实现了小目标检测。最后通过实验验证了上述算法的有效性,对测试样本的检测率为86.7%,虚警率为0.86%。     

改进YOLOv5的航拍图像识别算法

航拍图像识别广泛应用于各类军用、民用领域,因其距离远、成像模糊、目标相互遮挡等特点使得目标检测准确度一直不高,针对这一问题,提出了一种基于YOLOv5模型的改进方法。通过引入数据增强和标签平滑方法、改进损失函数为DIoU和增加针对小目标的网络处理层来提高目标检测效果。实验结果表明,在相同训练条件下,改进后的YOLOv5算法对大多数种类的目标检测准确率都有所提升,平均精确率提高了17%,平均召回率提高了2%,mAP@0.5达到了70.4%,比原始模型提升了6.1%。     

基于改进YOLOv5的复杂背景红外弱小目标检测算法

针对传统算法依赖于对红外目标与环境背景的精确分离和信息提取,难以满足复杂背景和噪声等干扰因素下的检测需求。论文提出一种基于改进YOLOv5（You Only Look Once）的复杂背景红外弱小目标检测算法。该算法在YOLOv5基础上,添加注意力机制提高算法的特征提取能力和检测效率,同时改进原YOLOv5目标检测网络的损失函数和预测框的筛选方式提高算法对红外弱小目标检测的准确率。实验选取了来自不同复杂背景的7组红外弱小目标数据集,将这些图像数据集进行标注并训练,得到红外弱小目标检测模型,然后从模型训练结果和目标检测结果的角度评估算法和模型的正确性。实验结果表明:改进的YOLOv5算法训练出来的模型,检测准确性和检测速度对比实验列出的几种目标检测算法均有明显的提升,平均精度均值（mean Average Precision,mAP）可达99.6%以上,在不同复杂背景下均可有效检测出红外弱小目标,且漏警率、虚警率低。     

基于暗通道先验原理的偏振图像去雾增强算法研究

在装备试验与测试中,常规光学成像系统极易受气象环境(如雾霾、沙尘等)影响,导致探测距离、成像效果、测量精度等受到大幅限制,从而严重影响目标成像效果及关键参数获取。如何增强雾霾条件下光学探测识别能力及成像质量,成为了当前急需解决的关键问题。本文利用偏振成像优势,结合暗通道先验原理,提出了基于暗通道先验原理的偏振图像去雾增强算法。该算法首先利用采集到的偏振图像提取偏振特征,计算偏振度和偏振角;同时,采用基于区域增长算法自动提取出天空区域,对天空区域进行大气光参数估计,获取大气光偏振度及偏振角相关参数估计;然后,结合暗通道先验原理,获取无穷远处大气光强,进而计算各像素点的大气光强;最后,建立在大气物理退化模型基础上,实现图像去雾增强。实例分析与验证中,通过主观评价与客观评价两种方法,对比本文提出的方法和常见其他方法,实际结果表明,本文算法去雾增强能力较强,能有效提升光学系统的探测识别能力及成像质量,对雾霾条件下武器装备关键参数获取具有重要意义。     

红外热成像中低分辨率行人小目标检测方法

红外热成像图像的目标检测中,针对低分辨率小目标检测效果差、复杂尺度目标检测率低等问题,提出一种基于改进YOLOv5的红外低分辨率目标检测算法。选用LLVIP红外数据集,通过引入不同注意力机制来对比检测效果。选用效果最佳的注意力机制,改进目标检测网络的损失函数提高对小目标的检测率。利用TiX650热成像仪采集小目标图像样本对原数据集进行优化采样和增广,分别使用改进前后的YOLOv5网络进行训练。从模型训练结果和目标检测结果评估模型的性能提升,实验结果表明:相较于原始训练模型,改进后YOLOv5的训练模型,在红外成像的同一场景中对低分辨率小目标的检测精度上有明显提升,且漏检率低。     

Study on polarized optical flow algorithm for imaging bionic polarization navigation micro sensor

At present, both the point source and the imaging polarization navigation devices only can output the angle information, which means that the velocity information of the carrier cannot be extracted from the polarization field pattern directly. Optical flow is an image-based method for calculating the velocity of pixel point movement in an image. However, for ordinary optical flow, the difference in pixel value as well as the calculation accuracy can be reduced in weak light. Polarization imaging technology has the ability to improve both the detection accuracy and the recognition probability of the target because it can acquire the extra polarization multi-dimensional information of target radiation or reflection. In this paper, combining the polarization imaging technique with the traditional optical flow algorithm, a polarization optical flow algorithm is proposed, and it is verified that the polarized optical flow algorithm has good adaptation in weak light and can improve the application range of polarization navigation sensors. This research lays the foundation for day and night all-weather polarization navigation applications in future.     

基于向量机的红外小目标检测技术研究

针对红外序列图像中弱小目标检测问题,提出了用最小二乘向量机对原始红外图像中每一像素的局部区域作灰度曲面最佳拟合,在拟合曲面上进行灰度极大值像素点位置估计,实现目标的粗定位。真正的目标取决于中心点的灰度是否高于其邻域的平均灰度。并以径向基核函数为例推导出了极值点估计所需的二阶方向导数算子。对模拟和实际图像进行了小目标检测的实验验证。结果表明,基于支持向量机的小目标检测算法具有较强的适应性。     

基于多模态的车辆行人检测技术研究

针对单一传感器在复杂路况以及恶劣天气情况下车辆行人检测效果不佳,搭建了一套可见光、可见光偏振、短波红外和长波红外多模态数据采集系统,构建了一个多模态数据集,并提出了一种多模态车辆行人检测算法。首先,提出了一种基于改进型SIFT特征点的多尺度部分强度不变特征的异源图像配准算法;然后,提出基于YOLOv5多模态数据目标检测网络。最终实现了平均精度在日间数据集1.0%的提升,日间夜间混合数据集10.9%的提升。     

基于时序多帧投影的空间目标检测算法

为了对星图中空间目标进行检测识别,对基于 SURF（Speed-Up Robust Featrues）算法的星图精确配准技术和美国 SBV（Space-Based Visual）计划采用的 MTI（Moving Target Indicati-or）在轨目标检测算法进行了深入研究,提出一种针对16 Bits 星图的多目标检测算法,具体包括：首先利用 SURF 算法提取序列星图的特征点,根据最小二乘法计算得到的全局运动参数对星图进行精确配准;然后利用一种改进的 MTI 算法对序列星图进行时序多帧投影以抑制背景,得到仅含有疑似目标的序列图像;最后经过目标初始运动状态的建立,速度滤波以及坐标插值得到目标的运动轨迹。利用实拍的20帧序列星图验证算法性能,经本文算法配准后,星像质心的均方误差（RMSE,Root Mean Square Error）最小达到0.3269 pixel,平均值为0.5441 pixel;序列图像中的3个运动目标均被检出,且无虚警。实验结果表明,本文配准算法的精度能够满足时序多帧投影的要求,且目标检测算法符合恒虚警原理。