分振幅偏振成像实验装置的研究

偏振是电磁波的重要特征,是光除了波长、振幅、相位以外的又一重要属性。利用物质的不同偏振属性能够为目标的探测和识别提供更多维度的信息。基于偏振成像理论设计了同时偏振成像仪器,并设置了用作对比的普通成像系统。在对系统完成封装后进行了外场的实验,将偏振成像系统获取的图像进行图像融合等处理,目标对比度相比于普通成像系统提升28%以上,体现出了偏振成像在识别目标上的优势。     

基于FPGA的简易偏振成像系统设计

偏振成像是一种获取目标物表面光学反射偏振特征的新型成像技术,与传统成像相比可以获取更多的目标物信息。本文设计了一种简易轻便应用于多场景下的偏振成像采集系统。系统由光学成像模块、FPGA主芯片、上位机图像获取三部分组成,实现图像的采集、传输与显示。通过FPGA主芯片驱动图像传感器,利用偏振分光棱镜,将携带目标物表面信息的反射光分解成垂直方向（S分量）和水平方向（P分量）,收集并解析获取目标物垂直方向和水平方向上的偏振图像;同时分析了系统可能产生误差的原因并进行了标定。实验结果表明：本文设计的成像系统在不同场景下,均可稳定、实时采集到P分量和S分量图像,解析出偏振度图像。     

双波段共口径同时偏振光学系统设计

为了实现快速提取目标在不同光谱下偏振辐射特性的目的,设计了一款可见光为0.38～0.76μm,近红外为0.85～1.6μm双波段目标探测识别的分孔径同时偏振成像系统,该系统由四个分孔径子系统组成和一个公共镜头组组成。设计结果表明:该系统对可见光和近红外波段分别进行偏振编码成像时,可见光波段和近红外波段可以同时获得不同光谱的偏振图像信息,保证了各个光谱对同一目标成像的一致性,实现了对同一目标不同辐射特性偏振图像的采集。当光学系统的焦距为60mm,F数为5,视场角2ω为3.8°,系统反应速度快,整体成像质量良好,可实现昼夜全天候工作。     

伪装涂层的偏振散射及其影响因素研究

利用多波段偏振CCD相机在光学与红外波段测试伪装涂层的偏振散射特征,并提取其中的偏振信息,研究了测试条件对涂层材料散射偏振度的影响.结果表明,测试过程中的光照条件与探测波段对涂层散射偏振度的影响很大.涂层对入射光的散射作用可以分为面散射和体散射两部分.面散射使偏振度增大而体散射具有消偏振的作用;光线垂直入射时,体散射起主要作用,涂层具有较小的偏振度;随着入射角的增大,面散射在散射光中的比例也逐渐增大,成为涂层偏振度的主要影响因素.研究发现在偏振遥感中利用合适的角度和波段进行探测对复杂背景中伪装目标的识别具有重要意义.     

基于支持向量机与相关向量机的高光谱图像分类

高光谱遥感是将目标探测技术与光谱成像技术相结合的多维地物信息获取技术,可以同时获取描述地物分布的二维空间信息与描述地物光谱特征属性的一维光谱信息。相对于多光谱遥感,高光谱图像具有更加丰富的地物光谱信息,可以详细地反映待测地物细微的光谱属性,使地物的精确分类成为可能。本文通过对SVM与RVM的理论研究与对比分析,将这两种高维数据处理算法应用于同一高光谱图像中进行分类研究。实验结果表明,SVM的总体分类精度要略高于RVM的总体分类精度。     

目标毁伤等级确定及其毁伤效果评估系统的研究

研究目标毁伤等级确定及其毁伤效果评估具有重要的军事意义,为了明确毁伤等级的确定和设计毁伤效果评估系统,分析了目标和目标毁伤的概念,阐明了目标毁伤等级的划分标准和目标毁伤等级的确定,给出了基于等级确定基础上的毁伤效果评估系统,从系统结构和系统模块两个方面进行了论述。     

非下采样剪切波的红外偏振图像融合

针对传统红外目标探测技术中的探测率较低,无法分辨红外伪装的军事目标等缺点,提出区域显著性的非下采样Shearlets变换(NSST)方法融合图像,运用NSST能够将图像精细的分解在频率域,在频率域根据图像显著性分布权重确定融合规则,经过NSST反变换得到融合后图像.结合中波与长波红外实拍实验,比较该方法与其他常用融合方法,结果表明,区域显著性的NSST融合图像噪声信息少、对比度、信息熵及互信息值均较高,方法适合偏振图像的融合,有利于目标的识别与探测.     

一种灵巧的高灵敏固态APD的光子计数成像装置

为了实现极微弱光环境下的目标探测成像,采用在盖革模式下工作的固态雪崩光电二极管作为探测单元,搭建了光子计数成像实验装置;然后通过装置得到的灰度等级测试图的光子计数频率值,建立了反映光子计数频率与图像灰度之间关系的光子计数成像灰度模型。基于此模型得到了较好的目标光子计数图像。     

基于MSA特征和模拟退火优化的遥感图像多目标关联算法

由于当前遥感成像技术一般只能获取采样稀疏的遥感图像,无法准确估计目标的状态信息,因此传统的利用状态特征进行关联的方法并不适合遥感图像的目标关联。选取不依赖于时间的目标图像特征作为关联量又无法处理大场景中多个目标关联引起的模糊性。针对上述问题,本文提出了基于多尺度自卷积不变矩特征匹配和模拟退火优化的多目标关联算法。首先提取目标的多尺度自卷积矩(MSA)特征,计算特征间匹配概率,构造整体关联代价矩阵,并设置自适应温度更新函数和双阈值对模拟退火算法进行改进,快速寻求全局最优解。实验结果表明,该算法能够有效地利用遥感图像特征信息,消除关联模糊性,高效解决多目标关联问题。     

异源共光学系统多分辨率图像的融合

在激光照射性能监测系统中,考虑到对成像激光光谱特性、命中率测量精度的要求,为保证图像的探测动态范围,提高光斑命中精度的测量准确度,使用可见光传感器和红外传感器获得图像。采用加权平均法、PCA变换法、金字塔小波变换法,对共光路光学成像系统的多分辨率图像进行融合,通过融合性能评价指标对以上融合方法进行比较。实验结果表明：基于金字塔小波变换的图像融合方法具有更为理想的图像融合效果,可以提供更多、更有效的信息,提高了图像的分辨效果,能更好的识别光斑。     

稀疏表达模型在高光谱遥感影像目标探测中的应用

为了更好地利用高光谱影像的空间和光谱信息,提出了一种基于稀疏表达模型的高光谱遥感影像目标探测方法.首先通过对影像训练样本进行训练提取过完备字典,利用稀疏表达模型对遥感影像稀疏表达既达到降维的目的,又可以表示出遥感影像的主要信息;然后利用传统的目标探测器结合目标已知光谱信息对高光谱遥感影像进行目标探测,即基于稀疏表达模型的高光谱遥感影像目标探测(SRM-TD).3种影像数据的实验结果表明:在确定的迭代次数下,通过设置稀疏度L可以得到最优的探测结果.提出的探测方法在参数设置、选择和运行结果上优于传统的高光谱遥感影像目标探测方法.     

应用卷积神经网络的遥感图像云层自主检测

为实现遥感卫星对遥感图像的自主云层判别能力,提升目标自主识别的效率,避免云层覆盖面积较大的遥感图像丢失关键的目标信息而给后续算法处理带来不必要的计算资源浪费,提出一种基于卷积神经网络的云层自主检测方法,实现遥感图像云层的自主检测,达到了较高的检测精度.首先,根据遥感图像的特性建立卷积神经网络.然后,使用大量人工标识的遥感图像完成云层检测网络训练,使其达到预期检测精度.最后,在卫星在轨运行阶段,将所拍摄的遥感图像根据尺寸划分为若干个子图,并通过训练完成的卷积神经网络对子图是否被云层覆盖进行分类预测.综合所有子图的预测结果给出整幅遥感图像的云层覆盖占比.结果表明:以Landsat卫星遥感图像为测试对象,该方法可以实现有云层覆盖检测正确率为95.3%,无云层覆盖检测精度为97.8%,误判率为2.58%,漏判率为0.90%,综合精度为97.9%;由于使用了卷积神经网络和并行计算技术,该方法基本满足实时性需求,提高了算法的自主性与鲁棒性,为基于遥感图像的在轨实时应用奠定了基础.     

基于YOLOv5的遥感图像目标检测

为了解决在遥感图像目标检测任务中目标背景繁杂难以识别且目标尺寸复杂的问题,提出一种基于YOLOv5的遥感图像检测优化模型.首先,对输入数据进行马赛克增强,增加样本多样性,同时采用自适应锚框计算,寻求最优初值锚框;然后,把通过主干网络提取到的特征层进行特征融合得到最优特征层,再对定位损失进行优化,采用CIoU loss作...     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

基于深度学习的遥感影像变化检测方法

为了获得可靠的训练样本及提高遥感影像变化检测的精度,提出基于深度学习的遥感影像变化检测方法. 采用结构相似性方法（SSIM）选取纹理特征（灰度共生矩阵法）,通过融合变化向量分析（CVA）方法获取不同时相遥感影像差异图（DI）及纹理特征差异图获得差异影像,并采用构造的变分去噪模型对差异影像进行去噪. 利用频域显著性方法获取去噪差异影像的显著性图,通过模糊c-均值（FCM）算法对粗变化检测图（对显著性图选取阈值获得的）进行预分类（变化类、未变化类及未确定类）. 将从遥感影像上提取的变化像素和未变化像素的邻域特征引入深度神经网络模型进行训练,并利用训练好的深度神经网络模型对差异影像进行变化检测,得到最终的变化检测图. 对3组遥感影像数据集进行变化检测实验,结果表明本研究方法的变化检测精度高于其他比较方法.     

像素级多传感器图像融合技术

随着图像传感器技术的发展,多传感器图像融合已成为图像理解、计算机视觉以及遥感领域中的一个研究热点,并广泛应用于自动目标识别、智能机器人、遥感、医学图像处理和制造业等领域.像素级多传感器图像融合获取的原始信息量最多、检测性能最好、应用范围最广,是各级图像融合的基础.详细介绍了像素级多传感器图像融合的原理,着重分析总结了常用的像素级多传感器图像融合的算法与质量评价标准,探讨了多传感器图像融合的应用与发展方向.     

联合多尺度与注意力机制的遥感图像目标检测

遥感图像存在背景复杂、目标尺度差异大且密集分布等不足,为提高现有算法的检测效果提出联合多尺度与注意力机制的遥感图像目标检测算法. 改进空洞空间金字塔池化模块,增大不同尺寸图像的感受野;提出注意力模块用于学习特征图通道信息和空间位置信息,提升算法对复杂背景下遥感图像目标区域的特征提取能力;引入加权双向特征金字塔网络结构与主干网结合来增进多层次特征的融合;使用基于距离的非极大值抑制方法进行后处理,改善检测框易重叠的问题. 在DIOR和NWPUVHR-10数据集上的实验结果表明：所提算法的平均精度均值mAP分别达到71.6%和91.6%,相比于主流的YOLOv5s算法分别提升了2.9%和1.5%. 所提算法对复杂遥感图像取得了更好的检测效果.     

图像分形维数计算及其边缘提取

为提高遥感影像中地物边缘信息的提取精度,以离散分形布朗随机场（DFBR：DiscreteFractalBrownRandomfield）模型为依据,尝试设计并利用Matlab编程实现一种基于遥感影像单个像元的分形维数计算算法。该算法将影像的灰度空间映射成分形维数空间,然后在该空间进行变换和边缘检测。地物空间分布及其影纹结构边缘特征的差异,使计算分形维数所选窗口大小成为关键。选取研究区局部地段高空间分辨率遥感影像作为实验数据,通过计算不同窗口下像元分形维数,得到最佳边缘信息提取的计算窗口。实验结果表明,该算法在同类计算中更符合遥感数据的特点,提高了遥感影像地物边缘信息提取精度。     

无锚框的轻量级遥感图像目标检测算法

现有遥感图像目标检测算法存在参数量大、检测速度慢和难以部署于移动设备的问题,为此,本文提出了一种无锚框的轻量级遥感图像目标检测算法.首先设计了DWS-Sandglass轻量化模块以降低模型体积,并改进模型激活函数,以确保检测精度.然后引入无参数注意力模块SimAM,使网络能够专注于更重要的特征信息.最后对无锚框算法的冗余通道进行剪枝操作以减少模型参数量,并通过微调回升精度.在HRSC2016数据集上的实验结果表明,与当前主流的无锚框检测算法相比,该算法在检测精度相当的情况下检测速度更快、模型体积更小,更适合在移动设备部署.     

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。 用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提 高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方 法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特 征,达到提高遥感影像的可用性。