基于蒙特卡罗数据集均衡与鲁棒性增量极限学习机的图像自动标注

针对传统图像标注模型存在着训练时间长、对低频词汇敏感等问题,该文提出了基于蒙特卡罗数据集均衡和鲁棒性增量极限学习机的图像自动标注模型.该模型首先对公共图像库的训练集数据进行图像自动分割,选择分割后相应的种子标注词,并通过提出的基于综合距离的图像特征匹配算法进行自动匹配以形成不同类别的训练集.针对公共数据库中不同标注词的数据规模相差较大,提出了蒙特卡罗数据集均衡算法使得各个标注词间的数据规模大体一致.然后针对单一特征描述存在的不足,提出了多尺度特征融合算法对不同标注词图像进行有效的特征提取.最后针对传统极限学习机存在的隐层节点随机性和输入向量权重一致性的问题,提出了鲁棒性增量极限学习,提高了判别模型的准确性.通过在公共数据集上的实验结果表明：该模型可以在很短时间内实现图像的自动标注,对低频词汇具有较强的鲁棒性,并且在平均召回率、平均准确率、综合值等多项指标上均高于现流行的大多数图像自动标注模型.     

基于光斑与图像特征的动态激光干扰效果评估

激光主动成像系统通常用于重要区域监视和危险目标识别,其上的光电成像探测器易受敌方激光干扰产生局部饱和甚至损伤,导致目标识别失效。在实际中,激光干扰功率和光斑位置等因素均时刻发生变化,导致激光对每帧图像的干扰效果也不尽相同,因此,动态的衡量激光干扰效果具有重要意义。提出了一种基于光斑特征和图像特征的无参考动态激光干扰图像评估算法,通过加速分隔测试特征(FAST)算法提取特征点,并运用特征点匹配确定图像的目标区域,在该目标区域利用饱和像素数和光斑相对位置变化表示光斑特征对图像质量的影响,利用图像中特征点和边缘点分布特性以及边缘清晰度表示图像特征的变化,将5个评价因子相乘,得到归一化的评估指标。利用激光主动成像识别系统对设定目标进行照明成像识别实验,采集不同干扰功率和干扰方位的激光干扰图像。基于提出的无参考动态特征评估算法对获得的连续多帧激光干扰图像进行评估,结果表明该算法能够准确评价不同功率、方位激光的干扰效果,客观反映光斑遮盖下自动目标识别算法的失效程度。     

结合激光功率和光斑位置的多帧动态干扰效果评估

激光主动成像系统通常用于重要区域监视和危险目标识别,当该系统受到敌方激光干扰时,其成像质量将会下降。由于目标、成像系统和干扰源的相对位置,以及干扰源的干扰功率处于时刻变化中,导致不同时刻的干扰效果不尽相同,如何衡量一段时间内激光对成像系统的干扰效果成为一个难题。提出了一种基于连续多帧图像动态特征变化的无参考激光干扰评估算法,在图像目标区域内分析单帧干扰图像中特征点的匹配准确率和空间变化率以及多帧图像特征点变化的准确性、空间性、结构性差异、频率和显著性特征,最终得到归一化的评估指标。利用激光主动成像识别系统对设定目标进行照明成像识别实验,采集不同干扰功率和干扰方位的激光干扰图像。基于提出的特征点动态性算法对获得的连续多帧激光干扰图像进行评估,结果表明该算法能够准确评价一段持续干扰过程中不同功率、方位的激光干扰效果,客观反映光斑遮盖下自动目标识别算法的失效程度。     

基于深度学习的激光干扰成像评估方法

可见光主动成像系统被广泛应用于成像侦察领域,激光压制干扰是一种可以利用的反制手段。合理地对激光干扰效果进行评估,对于干扰一方具有重要意义。为了更客观地评价激光干扰对成像侦察的影响,从可见光成像侦察的特点出发,对激光干扰可见光成像效果进行划分,确定了干扰效果评估需求。建立了可见光图像的激光干扰效果评估模型,结合基于YOLOv4的目标检测置信度及WFSIM算法的三个图像特征表征指标,形成了对应的评估体系。构建了一套参数可调的激光干扰图像采集及评估分析实验系统,对人体目标进行图像采集,验证了提出的评估体系及方法。     

采用图像特征的激光干扰跟踪效果评估

对于广泛应用于图像识别和跟踪的激光主动成像系统,激光干扰是影响该类系统性能的一个重要因素。激光干扰使系统中的光电成像元件达到饱和或损伤,在探测视场中出现光斑,从而使跟踪算法无法准确分辨目标和光斑。因此,分析并评估激光对主动成像系统的干扰效果是避免干扰的前提,同样也是重要的环节。提出一种基于图像特征的边缘相似度(ESIM)评价算法,该算法通过模板匹配确定图像的目标区域,并比较原始图像和干扰图像目标区域的亮度、对比度和边缘清晰度差异,得到归一化的评价指标,作为对激光干扰效果的评估标准。实验中分别采集了不同干扰功率和不同光斑位置的激光干扰图像,并利用相关跟踪和形心跟踪方法对目标进行跟踪,运用本文提出的ESIM算法从图像特征角度对干扰跟踪效果进行评估,结果证明ESIM能够合理评估干扰图像的失真程度,并可以较好地反映激光对主动成像系统跟踪性能的影响。     

基于光斑与图像特征的激光干扰效果评价方法

提出了一种基于光斑与图像特征的激光干扰效果评 估方法。用激光光斑中心相对于目标中心的距离反 映光斑的分布特征变化;用图像稀疏表示特征矩阵的变化情况来反映干扰前后图像的全局特 征变化;用图像边缘清 晰度的变化情况反映干扰前后图像的局部特征变化;综合干扰前后图像中的光斑与图像特 征的变化来评估激光干 扰效果。激光干扰实验结果表明,与传统的评估方法均方误差(MSE)和图像结 构相似度(SSIM)相比,提出的基于光斑与图像特征的评估方法对 不同激光功率、不同照射位置和不同背景强度下的干扰图像都给出了合理的评估结果,能够 克服背景强度不一致和 光斑位置变化对评估结果的影响,实现了对激光干扰效果客观、准确的评价。     

高重频脉冲激光对CMOS相机饱和干扰效果研究

激光干扰是对抗成像观瞄设备和精确制导武器,保护己力目标的重要方式。为了评估激光对CMOS像传感器的干扰效果,利用1.06μm高重频激光开展了对CMOS相机的饱和干扰实验研究,实验中计算了CMOS图像饱和激光功率密度阈值,并分析了CMOS相机干扰有效面积、饱和干扰面积、干扰前后图像相关度与激光入射功率之间的关系。实验结果表明．随着激光功率的增加。CMOS相机饱和像元数、干扰有效面积增加,图像质量下降,干扰效果明显提高     

基于压缩感知的激光干扰效果评价方法

采用激光技术干扰电视制导系统可以使其光电探测设备降低或失去目标探测、识别与跟踪的能力,客观、准确地评估激光对CCD成像系统的干扰程度有利于指导光电对抗设备的研制和探测设备的激光防护。从激光干扰后图像目标特征的失效程度出发,结合压缩感知理论中可利用测量矩阵直接获取稀疏信号的特征信息的特性,提出了一种基于压缩感知的激光干扰效果评估方法。采用非下采样Contourlet变换对图像进行稀疏变换,根据干扰前后图像压缩感知特征的变化情况来评估激光的干扰效果。实验结果表明,与传统的评估方法MSE、SSIM相比,提出的基于压缩感知的评估方法对不同激光功率和不同探测角度下的图像都给出了合理的评估结果,能够克服不同探测角度对评估结果的影响,且对不同干扰功率的敏感度更高。     

基于图像特征相关度的激光干扰卫星效果评估

针对激光干扰光学成像卫星效果难以评估的问题,借鉴图像处理相关理论,将干扰前后卫星图像特征相关度作为评估指标,并采用HVS(人眼视觉系统)对指标进行修正,利用基于一致相邻度熵权的综合赋权方法,建立激光干扰效果综合评估模型。运用模型对受激光干扰条件下的卫星图像进行评估,得到的结论既能客观地反映激光干扰的实际效果,又能与人的主观感受保持较好的一致性,验证了模型在激光干扰光学成像卫星效果评估方面的适用性和科学性。     

632 nm激光对CCD干扰效果仿真与实验研究

为解释激光对CCD探测器的干扰机理,建立了激光辐照CCD探测器的有限元仿真模型。利用波长为632 nm的激光对CCD探测器进行干扰实验,通过图像处理的方法得到了光功率与饱和干扰面积的关系曲线。建立“水桶”模型以及利用半导体PN结电子、空穴扩散理论建立有限元仿真模型,将这两个模型分别进行激光对CCD探测器干扰效果的仿真计算,得到不同光功率下的饱和干扰面积,并与实验结果对比,结果表明:“水桶”模型并未能较好地解释实验现象,而有限元模型的仿真结果与实验结果更加接近。故可利用有限元仿真模型来预测实际激光对CCD探测器的干扰效果。