基于回归模型与注意力的轻量化SAR舰船检测模型

合成孔径雷达（SAR）具有不受云层干扰、可全天时、全天候对地观测的特点,基于SAR图像的舰船检测已广泛用于海洋搜救、港口侦察、领海防御等民用或军用领域。然而,与大型舰船相比,像素点少、对比度低的小型舰船存在漏检率高的问题,并且速度和精度之间的平衡成为舰船检测算法天基应用的难点。针对以上问题,本文提出了一种基于YOLOv5s模型改进的舰船检测轻量化模型（ImShips）。首先,针对船体大小差异导致的漏检问题,采取在网络底部使用感受野较小的标准卷积,提升了模型对小规模舰船空间信息的获取能力。同时,在网络顶部设计了放大感受野的扩张卷积,保留了更多的语义特征,有利于大目标的特征提取。接着,提出将轻量级的通道注意力机制应用于YOLOv5的骨干网络和特征融合网络,通过对提取到的特征按重要性分配权重,实现纹理信息的筛选。最后,在下采样时采取深度可分离卷积代替标准卷积,减少了模型参数的数量,进一步提高了模型的推理速度。实验结果表明,在SAR舰船检测SSDD和ISSID数据集中,改进后的ImShips模型在保证精度的同时,所需的浮点计算数比YOLOv5s模型减少了45.61%,检测速度提高了8.31%。ImShips模型网络规模小、检测速度快,在实时天基舰船检测中具有较大的应用潜力。     

基于动态开窗的快速运动目标信息获取方法

红外运动目标的轨迹预测在车辆、行人监控和天基遥感探测等军民用领域有着广泛的应用。当目标的相对运动速度较高时,受读出速率及积分时间固定的影响,传统全视场成像信息获取方法所得的目标轨迹点稀疏,难以满足目标轨迹预测的精度要求。针对以上问题,提出了一种基于动态开窗的快速运动目标信息获取方法。首先对观测区域进行全视场成像,捕获到运动目标后,对目标及其邻域开窗以提高成像帧频。通过分析探测场景辐射特性对系统工作参数的影响获取判别矩阵,实现开窗参数的动态调节,从而提升目标轨迹点密度。最后利用目标轨迹预测结果更新开窗位置以实现对单目标的全视场覆盖监测。实验结果表明,对于中波红外演示系统,与全视场成像信息获取方法相比,该方法将系统获取的目标轨迹点密度提高了16倍,系统轨迹预测精度提升了2.6倍,且所需的数据传输带宽降低了25%。该研究可为智能化红外感知系统的设计提供有益参考。     

相机标定方法及进展研究综述

相机标定是摄影测量学和计算机视觉的重要基础之一。首先介绍了相机标定的应用及分类；然后，概述了标定理论基础，包括空间坐标系转换、几何成像模型、内外参数解算方法，并从传统和智能化两大方面对相机标定方法进行阐述，传统标定方面介绍了基于参照物、主动视觉及自标定方法，并对3种方法优缺点进行了详细对比分析，智能化标定方面介绍了误差反向传播、多层感知器及卷积神经网络在标定过程的应用；接着，总结了相机标定方法的常用评价指标；最后，进行了归纳总结，并给出了相机标定技术的发展方向，可为相机标定相关领域研究者提供参考。