基于深度学习的无监督红外图像与可见光图像融合算法

卷积神经网络(CNN)由于出色的性能,被逐渐应用于图像融合领域.对于红外图像和可见光图像的融合任务而言,由于没有标签数据,对其进行无监督的学习建模具有重要意义.针对这个问题,提出了一种无监督的端到端的深度融合算法,该算法可以由输入的红外源图像和可见光源图像,直接预测出包含源图像显著信息的融合图像.所提算法构建了一个自编...     

基于自监督学习的热红外图像景深估计方法

从热红外图像对比度低、细节信息不足等特点出发,提出了一种面向热红外图像的景深估计方法。首先,设计了一种红外特征聚合模块,提高了对目标物边缘和小目标的全方位深度信息获取能力;其次,在特征融合模块中引入了通道注意力机制,进一步融合通道间的交互信息;在此基础上,建立了一种深度估计网络,实现热红外图像的像素级景深估计。消融实验与对比实验的结果表明,该方法在热红外图像像素级景深估计中性能优于其他代表性方法。     

基于无监督学习的单人多姿态图像生成方法

针对目前视觉监控领域中采集到的人物数据样本量少和特征单一的问题,提出了一种具有高视觉感知约束的双向生成对抗网络生成期望人物姿态图像的方法。采用给定人物的单个图像和期望姿态的二维骨架作为双向生成对抗网络的输入,生成具有该目标人物期望姿态的图像。将生成的期望姿态图像反映射回原始姿态图像,利用少量的图像以无监督学习方式进行学习,生成该人物期望姿态的高质量图像。提出的方法在DeepFashion公开数据集上进行了实验,结果表明,采用文中提出的方法生成的图像结构相似度(SSIM)比以往的方法提高了0.28,有效的提升了基于无监督学习的单人多姿态人物图像生成的质量。     

基于CIG的动态红外图像实时生成系统

动态红外图像实时生成是红外成像半实物仿真系统的关键技术.介绍了国内外在该领域的研究现状和发展趋势,研究了空中目标的红外辐射模型和基于计算机图像生成技术进行红外图像生成的过程,分析了Vega生成红外图像的原理,并提出了采用商用图形工作站组建图像生成系统的方案.采用HP图形工作站组建硬件平台,在VC环境下采用Vega红外模块编写图像生成软件,在三种不同工作方式下对实时性进行了定量的测试.结果表明:PC架构商用图形工作站的计算能力能够满足红外成像半实物仿真对成像实时性的要求,配以像素数据协处理板卡,该方案还可以满足未来更大图像规模的应用需求.     

基于可见光光谱图像的红外多光谱图像仿真生成

阐述了红外多光谱图像仿真技术的意义和原理,研究了一种红外多光谱图像的仿真生成方法.提出了一种基于可见光/近红外波段多光谱、超光谱图像数据的地面场景建模方法,以及无监督分类方法和有监督分类方法相结合的地物像元分类、匹配、标记的策略,可以高效地解决像元地物自动匹配标记的问题.利用RGB彩色图像验证了这一方法,在将图像分割后为每类像元赋予相应的红外发射率数值,生成了4个红外波段的多光谱仿真图像,验证了该方法的可行性,指出了多光谱、超光谱图像数据在仿真应用中的各自特点.从仿真结果可以看出:不同波段图像中目标和背景之间呈现不同的特征.该方法可以生成空间形貌和辐射特征接近真实环境的红外多光谱仿真图像,对长波红外波段的多光谱成像探测仪器的研制和目标、背景光谱特征分析与探测算法的研究具有一定意义.     

基于改进DCGAN的汽车冷凝器图像生成方法

深度学习方法在工业产品图像缺陷检测领域取得进展,但是大量的缺陷数据难以收集.针对在生成汽车冷凝器缺陷图像过程中存在生成质量低、无法按缺陷类别生成,模型收敛缓慢等问题,将生成对抗网络应用于缺陷图像的生成,提出了一种基于半监督和自注意力机制的深度卷积生成对抗网络(DCGAN)模型用于生成汽车冷凝器外观缺陷图像.在DCGAN...     

基于元学习的少样本红外空中目标分类方法

针对空中红外目标样本数目不足、细粒度分类精度低等问题,提出一种基于元学习的少样本红外空中目标分类的方法.该方法以元学习为基础,结合多尺度特征融合,在减少计算量的同时有效提取不同分类任务之间的共性,再利用微调策略实现对不同任务的分类.实验证明,此方法在提升mini-ImageNet数据集分类精度的同时可减少约70％的计算...     

基于图像合成的红外辐射场景生成缮

根据当前目标特性建模的特点,利用数字图像处理技术和红外成像原理,采用简单的图像合成算法实现了目标与环境特性场景的快速生成,对于实现武器红外探测识别跟踪的动态仿真有一定的参考价值.     

动态红外图像生成技术综述

利用半实物仿真系统能在实验室内对红外戍像仪,导弹寻的器及各种红外探测系统的动态性能进行测试和评估,其核心技术是动态红外图像生成.介绍了动态红外图像生成的各种方法,包括电阻阵列、二极管阵列、基于激光束扫描的图像生成技术、薄膜转换器、基于光纤阵列的红外图像转换技术、红外CRT、可变形反射镜阵列、液晶光阀、基于MEMS技术的空间光调制器和基于LCOS的红外空间光调制器等.对这些技术进行了详细的描述,包括基本原理、关键技术及发展概况,并讨论了其相对的优缺点.最后,对各种方法的性能参数进行比较和对照.     

基于深层-浅层双流学习图模型的无监督少样本红外空中目标识别网络

在军事空中目标识别领域,由于样本数量缺失,现有人工智能算法无法完成准确识别。文章利用已有足量辅助域图像辅助少样本应用域进行跨域目标识别,解决因标签缺失与样本稀疏导致的识别模型泛化能力不强及性能不佳问题。文章提出一种基于深层-浅层双流学习图模型（D-SLGM）的跨域目标识别算法。首先,提出一种深层-浅层双流特征提取算法,解决无监督少样本条件下特征表示困难的问题;同时,提出一种基于图模型的特征融合算法,实现特征间高精度融合;基于融合后的特征训练识别模型,提升算法的泛化能力。使用自建空中目标数据集,设计三种应用场景。实验结果表明,D-SLGM平均识别准确率均值达到78.2%,优于对比方法,在实际空中目标识别应用中具有较大潜力。     

红外多目标图像生成技术研究

红外多目标图像的仿真,是在对多目标运动关系、红外景物辐射、大气传输、目标红外特性、目标三维特性及噪声仿真深入研究的基础上,抽象出简化的图像生成模型;包括运动模型化、目标模型化、几何变换、红外仿真、扫描填充和噪声仿真几部分。最后将整个研究工作放在微机图像处理环境中,应用实际目标的红外特性,建立了多个运动目标的能够满足实时性要求的红外图像生成系统。     

一种基于改进RANSAC的红外图像拼接方法

在一般的红外图像拼接过程中,采用传统随机抽样一致(RANSAC)方法,耗时往往会稍长。为了缩短图像拼接所耗费的时间,提出了基于尺度不变特征转换(SIFT)和改进RANSAC的图像拼接方法。先通过SIFT得到特征点和特征描述,然后用改进的RANSAC对不匹配的特征点进行剔除,通过得到的变换矩阵完成图像的融合。在改进RANSAC中,设置0.95和0.85两个阈值,少量迭代后,选择跳出循环、重新选择或者计算出新的迭代次数,新的迭代次数必定比传统迭代次数小,因而达到减少时间的效果。红外图像拼接后,把实验结果与采用传统RANSAC算法的结果进行多方位比较,可以发现本文方法能够达到减少时间的目的。     

基于迁移学习的红外图像多目标检测技术

针对用传统方法难以解决城市背景下红外图像多目标检测的问题,采用迁移学习技术把深度学习中可见光域的目标检测框架迁移到红外域中。利用该方法建立的模型的小目标检测性能非常好,在制作的测试集上平均精度mAP（IoU=0.50）为0.858。还对训练数据与模型检测性能之间的关系进行了初步研究。制作了大数据量和小数据量2个训练集,对模型进行训练,然后在相同的测试集上进行测试。通过小数据量训练的模型在制作的测试集上的平均精度mAP(IoU=0.50)为0.615。实验结果表明,数据的多样性、数量、质量等都会影响模型的好坏。     

基于Tsallis熵的自适应红外图像边缘检测方法

针对红外图像边缘检测这一难题,结合红外图像的特点,提出了基于Tsallis熵的自适应红外图像边缘检测方法.该方法分别计算图像子空间的边缘与非边缘的Tsallis熵,根据子空间最优Tsallis熵,构造出子空间最佳阈值的评价函数,根据评价函数,选择不同方向的边缘检测模板,增强了图像的边缘信息,从而避免了单一模板造成的边缘丢失现象.实验结果表明,与传统的边缘检测方法相比,该方法对于红外图像可以最大程度上抑制噪声,有效地提高图像的边缘检测效果.     

一种基于特征分类的红外图像自适应匹配增强的新方法

提出了一种基于特征分类的红外图像自适应匹配增强的新方法。先对大量红外图像的特点做深入分析,对图像进行归纳分类,共分为4类,并用状态空间特征参量表征。针对这些不同特点的红外图像,研究与之相匹配的增强算法。最终完成针对不同的红外图像,自动判断图像类型,并选择相应的参数和算法做增强处理,达到增强算法自适应匹配目的。这样有针对性地对不同特征的红外图像进行增强,提高了增强算法的适用范围。经过MATLAB验证得算法可行,并且增强效果很好。     

红外图像实时生成系统的实时性实现

针对红外图像实时生成系统的实时性需求,从高帧频图像实时生成、图像数据实时传输、实时控制三个方面对系统中与实时性相关的关键环节进行了探讨。通过选用高品质的图形工作站、搭建高速通信网络、图像实时生成软件的实时性设计和实时操作系统VxWorks与硬件的无缝连接等措施,使系统实现了高实时性。论证表明,采用这些措施可以在Windows XP操作平台上生成128×128像元、200 Hz以上帧频的逼真红外图像。     

基于深度学习的图像实例分割技术研究进展

随着深度学习算法在图像分割领域的成功应用,在图像实例分割方向上涌现出一大批优秀的算法架构.这些架构在分割效果、运行速度等方面都超越了传统方法.本文围绕图像实例分割技术的最新研究进展,对现阶段经典网络架构和前沿网络架构进行梳理总结,结合常用数据集和权威评价指标对各个架构的分割效果进行比较和分析.最后,对目前图像实例分割技术面临的挑战以及可能的发展趋势进行了展望.     

红外热像模拟中准均匀网格生成的算法实现

在原有海面物体几何构型的描述方法基础上给出了通用的三维几何构型的描述方法, 并在此基础上特别针对薄壳和体元混合结构实现了改进的均匀分割生成网格的方法,既为后续的物理场求解奠定了坚实的基础,也为其它的数值分析工作提供了一定的借鉴意义。     

基于自适应过完备稀疏表示的红外图像滤波方法

针对传统滤波算法在滤除红外图像噪声时会损失部分有用信息的问题,提出一种基于自适应过完备稀疏表示的红外图像滤波方法。该方法采用K-SVD算法以待滤波的红外图像为样本训练出自适应过完备原子库;采用正交匹配跟踪算法将红外图像信号在该过完备原子库上稀疏分解为稀疏成分和其他成分,稀疏成分对应红外图像中的有用信息,其他成分对应红外图像中的噪声,由稀疏成分重建图像,从而达到消除噪声的目的。实验结果表明:该方法相比传统方法具有更好的滤波效果,重建图像质量较高。