融合局部熵二维熵的空中目标跟踪算法研究

提出了一种将局部熵算法和二维熵算法结合的空中目标跟踪算法。此算法通过一定的准则合理地融合局部熵和二维熵算法,然后进行目标定位跟踪。既能实现空中小目标的准确跟踪,也能实现空中面目标的准确跟踪;同时针对大小不变的带宽窗口可能导致目标跟踪丢失的问题,采用了自动调节带宽窗口的方法,让跟踪结果稳定可靠。并且算法实现运用了局部熵和二维熵的快速算法,大大减小了系统检测模块所消耗的时间,使跟踪具有实时性和鲁棒性,此外也能将融合算法有效地移植到DSP上,实现工程应用。此算法可以应用于导弹跟踪、空中监控、海空预警等许多领域。     

基于局域熵值分布图的目标分割及质心计算

图像分割的质量直接决定了目标检测及跟踪等一系列工作的好坏。传统的局域熵对于简单背景下的小目标检测较为有效,但对于目标较大的情况分割效果则不甚理想。致力于统计图像每一像素点的局域熵值,绘制局域熵值分布图。对局域熵值分布图进行迭代阈值分割,以求得最佳分割阈值并实现二值化。在二值化熵值分布图的基础上,统计像素分布,求取目标质心。在下一帧的视频图像中,根据前一帧求取的目标质心来设定波门,以减少非目标以及噪声的干扰。对多个视频序列进行实验后证明,本文提供的方法能够有效减少杂波干扰,提高系统的鲁棒性。     

基于TMS320C6455的目标跟踪系统设计与实现

介绍了一种基于高速处理芯片TMS320C6455和FPGA架构的目标跟踪系统。该系统以DSP与FPGA为主体设计一套图像处理设备,利用局域熵算法来实现简单背景下小目标的跟踪。FPGA采用Xilinx公司生产的XC5VSX95T ,用来对原始图像数据进行预处理。DSP芯片采用TI公司生产的 TMS320C6455,通过局域熵算法对预处理后的图像进行实时跟踪并且将目标信息返回FPGA。FPGA获得跟踪结果后,将目标信息与原图像叠加,通过显示器将图像结果进行显示。局域熵算法经过优化后,目标检测跟踪时间大大缩短,满足硬件系统实时性的要求。     

基于二维Renyi交叉熵的刀具磨损图像分割

为了快速准确地完成刀具磨损检测系统中刀具磨损图像的分割,提出了分解的二维Renyi交叉熵刀具磨损图像阈值分割方法。首先引入Renyi交叉熵的定义,给出一维Renyi交叉熵阈值选取公式。然后推导出二维Renyi交叉熵阈值选取公式,并采用快速递推公式来降低阈值选取准则函数的计算复杂度。最后提出了二维Renyi交叉熵的分解算法,将二维Renyi交叉熵的运算转化为两个一维Renyi交叉熵的运算,使算法的运算量从O(L4)降为O(L)。针对不同类型的刀具磨损图像的实验表明,所提出的方法与基于粒子群优化的二维最大Shannon交叉熵法、基于粒子群优化的二维Renyi熵法、二维最小Tsallis交叉熵法相比,在分割效果和运行速度上均具有很大优势。     

空中小目标实时检测的快速局部熵算法研究

基于局部熵的空中小目标检测算法时间复杂度高,难以满足工程应用中对系统实时性的要求,严重影响了此算法在工程中的实际应用,且与此相关的优化研究很少.针对这一现状,提出了一种快速局部熵算法,此算法将Box-Filtering优化技术引入传统局部熵计算公式的泰勒展开,采用迭代方式替代传统方法,剔除了大量冗余计算,并详细给出优化...     

视觉与二维激光雷达的目标检测方法

为了改进单一传感器对目标物体的检测范围小、检测特征少以及检测准确率较低的问题,提出一种视觉与二维激光雷达的目标检测方法。在视觉检测方面提出一种改进的GoogLeNet算法实现视觉对目标物体的识别,该方法相比GoogLeNet算法在对6种目标物体的识别准确率上提高了0.7%。在二维激光雷达检测方面采用欧氏聚类算法对二维激光雷达的点云数据聚类,接着使用RANSAC算法对聚类簇中的数据点进行筛选,最后使用卡尔曼滤波算法对目标物体的位置进行预测,实现二维激光雷达在特定平面上360°对目标物体进行跟踪检测和定位。实验结果表明,该方法使得移动机器人扩大了检测范围、增加了检测特征并提高了识别准确率。     

基于五帧差和二维Renyi熵的运动目标检测

针对传统帧间差分法存在的不足,提出改进五帧差分法和二维Renyi熵阈值分割法相融合的运动目标检测算法。该算法充分考虑视频序列帧间的时空相关性,利用改进五帧差分法对预处理后的视频图像序列进行差分运算,以提取运动目标的帧间时间相关性;将得到的差分序列使用二维Renyi熵阈值分割法分割处理,以获取运动像素与同帧周围像素的空间相关性。该算法避免了五帧差分法轮廓提取的空间信息丢失,克服了二维Renyi熵阈值分割法容易忽略运动像素的时间信息,从而提升了运动目标检测的完整性。实验结果表明,该算法能够更准确地检测出运动目标,具有较好的鲁棒性和有效性。     

基于动态模板匹配的空中运动目标检测与跟踪控制

提出了一种基于动态模板更新匹配的空中运动目标检测与跟踪控制方法。在构建的目标跟踪系统平台基础上,采用模板匹配算法获得目标的位置信息,进而获取目标形心与视场中心的偏差信息以完成空中运动目标的跟踪控制。同时,为提高系统的实时性能,提出了一种基于最小二乘线性和平方预测结合的综合位置预测方法来预测目标的运动轨迹。实验结果表明,系统能够实现对运动目标进行实时稳定的识别与跟踪。     

基于二维OTSU的海天分界线提取算法

海天分界线提取是海面目标检测跟踪系统中的重要环节,良好的提取结果既可以尽早地确定目标区域,也可以很大程度减少检测跟踪工作的复杂度。传统的一维OTSU算法在提取海天线时容易受到噪声干扰,从而影响结果的精确度,造成误检测。为解决复杂海天背景下图像噪声干扰等问题,首先通过形态学滤波器对图像数据进行降噪,之后使用二维OTSU算法,将图像的空间信息加入阈值判定标准,用二维矩阵来确定最终的阈值结果。对多幅可见光及红外图像数据进行实验后证明,本文方法能够有效减少复杂海天背景下的噪声干扰,完整地提取海天分界线。     

空中目标搜索与跟踪算法验证系统的实现

本文介绍了空中目标搜索与结构、原理与实现。该验证系统包括目标视景生成、目标图像采集与处理、目标识别与跟踪算法及动态处理结果显示。各种目标搜索与跟踪算法都可在此平台上进行验证,通过验证结果可以较好地研究算法的性能,这对算法开发及研究具有实际意义。     

基于精细复合多尺度散布熵与 XGBoost 的 海面小目标检测方法

针对传统海面漂浮小目标的特征检测方法难以有效提取目标特征的问题,提出了一种基于RCMDE-XGBoost海面小目标检测方法。利用变分模态分解对信号进行去噪预处理,通过精细复合多尺度散布熵提取目标的多尺度特征,构建多维度特征矩阵,输入XGBoost网络进行特征分类,通过模型训练,实现海面小目标检测。利用IPIX雷达实测数据库,在#54、#311、#320海情HV极化方式下检测率分别达到了93.33%、92.38%、95%,相较于图连通密度检测法平均提升12%,证明了RCMDE-XGBoost检测方法有效。     

基于特征聚合与多元协同特征交互的航拍图像小目标检测

针对无人机航拍图像目标尺寸太小、包含的特征信息较少,导致现有的检测算法对小目标检测效果不理想的问题,提出一种基于特征聚合与多元协同特征交互的无人机航拍图像小目标检测算法。首先,针对主干网对特征提取不足的问题,采用Swin Transformer作为RetinaNet主干网络,以增强算法对全局信息的提取能力。其次,为提高网络对远处目标即小目标的检测能力,设计出一种高效的小目标特征聚合网络(SFANet),实现对浅层特征图小目标细节信息的充分整合。最后,为进一步提高网络对多尺度目标的检测性能,使低层特征信息流向高层,提出全新的多元协同特征交互模板(MCFIM)。在公开无人机航拍数据集VisDrone2019-DET上的实验结果表明,所提算法相较于原RetinaNet基线网络检测精度提高7.6%,对于小目标具有更好的检测效果。     

基于感受野增强与并行坐标注意力的航拍小目标检测

针对航拍图像小目标占比多、背景复杂、存在检测精度低的问题。提出一种基于感受野增强与并行坐标注意力的航拍小目标检测算法，设计一种感受野增强模块，使用不同大小的空洞卷积扩大感受野范围并融合有效通道注意力机制来提高网络的特征提取能力；改进特征融合结构来提高算法对小目标的检测能力；设计一种并行坐标注意力模块用以提高航拍密集小目标检测以及抗背景干扰能力。采用不同输入分辨率在VisDrone数据集上进行实验，实验结果表明，所提算法的mAP0.5相较于YOLOv5算法提高了5.4%,mAP0.5:0.95提高了4.2%,在输入分辨率1 536×1 536下的mAP0.5可达54.9%,可以实现较好的小目标检测效果。     

轻量化无人机航拍目标检测算法

针对无人机航拍背景复杂、检测目标小且密集。提出一种基于YOLOv5的轻量化无人机航拍目标检测算法SDS-YOLO。首先,SDS-YOLO算法重构轻量化网络结构,对特征提取网络和特征融合网络进行重构。调节检测层和感受野架构,建立深层语义与浅层语义多尺度检测信息依赖关系,增加浅层网络特征层的权重,提高对微小目标的检测能力;其次,利用聚类算法对预选框进行调整,实现重构网络最优的预选框选择机制,加快模型收敛速度。最后,使用Varifocal loss训练SDS-YOLO使IACS回归,提高模型对密集物体的检测能力。结果表明,模型经过优化后,精度提高了7.64%;模型体积4.25MB,相较于原模型大幅下降;模型计算量和推理速度均有提高。相较于当前主流算法,SDS-YOLO在各方面均取得了不错的改进,满足无人机航拍实时目标检测要求。     

直升机巡检航拍图像中绝缘子图像的提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机智能巡检图像中绝缘子图像的提取。该算法首先将航拍得到的高分辨率玻璃绝缘子彩色图像进行RGB到HSI彩色空间的转换;然后对HSI空间的S分量,采用基于遗传算法的最大熵阈值的方法进行图像分割;接着对分割后的图像用双结构级联滤波器滤除噪声;最后用连通区域方法将分割出的绝缘子串轮廓标识出来。算例结果表明:该算法能够从背景复杂的航拍图像中完整地提取绝缘子图像,有较高的工程应用价值。     

基于最大熵和Hough变换的绝缘子图像提取算法

提出了一种新的绝缘子图像提取算法,可用于直升机巡线时获取的航拍图像。介绍了对绝缘子图像特征的分析,说明了绝缘子图像的提取方法。算例结果表明:该算法能够从背景复杂的航拍图像中提取出玻璃绝缘子或陶瓷绝缘子的图像。     

模糊数与多指标灰靶决策理论相结合的小区负荷预测方法

将模糊数与多指标灰靶决策理论相结合应用于小区负荷预测：收集各类小区负荷密度及相关因素样本,通过模糊聚类方法分析样本形成模糊负荷密度等级;根据模糊负荷密度等级和待预测小区未来相关因素,采用基于熵权的多指标灰靶决策进行小区负荷密度预测;利用类内相似度法对小区负荷密度进行修正。算例结果表明将模糊数和多指标灰靶决策理论结合起来应用于小区负荷密度预测,准确度和可信度较高。该方法将预测过程科学量化,克服了以往简单类比法主观性大的缺点。