系留无人机视觉定位技术

针对系留无人机在导航卫星拒止条件下无法定位的问题,设计一种基于合作目标的视觉定位系统。通过 构建视觉定位系统,设计靶标检测算法、靶标偏移量计算算法及数据平滑算法,实现系留无人机的无源定位。试验 结果表明：无人机在飞行及起降过程中,精确检测地面靶标并解算相对位置,可有效解决无卫星信号的定位问题。     

SAR 图像目标检测方法综述

目标检测是合成孔径雷达(synthetic aperture radar,SAR)图像方面的研究热点,综述SAR图像目标检测的几种方法.通过对传统方法SAR图像目标检测和基于深度学习的SAR图像目标检测进行梳理总结,从实验方面验证深度学习在复杂背景下SAR图像舰船检测存在的问题,分析目前SAR图像目标检测算法的优势和存在的不足,明确SAR图像目标检测急需解决的问题.     

基于深度学习的小样本目标检测综述

针对在小样本情况下目标检测的问题,对当前小样本条件下的目标检测方法进行归纳总结。列举4 类小 样本学习方法并介绍其优缺点,介绍目前这几类方法的典型算法;进行小样本目标检测实验设计,通过分析各方法 的特点得出其可应用方向;对目前的小样本图像目标检测存在的问题进行讨论。结果表明,该分析能为相关领域的 研究者提供更多的思路。     

基于改进Focus的小目标检测技术

为解决深度神经网络模型小目标检测效果不佳的问题,对Focus结构进行改进,提出一种即插即用的轻量级结构Focus+。搜集相关图像并建立包含5类目标的军事小目标数据集,将Focus+插入常用的目标检测模型,使用不同尺度的输入进行了多组对比实验。实验结果表明：引入Focus+模块后,模型检测的平均精度均值平均提高了0.8 %,说明其能够在占用较少算力的同时提取到浅层网络的高分辨率特征,有效提高小目标的检测精度。     

基于单目视觉的运动目标跟踪定位

介绍了单目视觉跟踪定位系统的原理、组成,采用Hough变换提取运动目标的特征圆进行检测,基于邻域线性搜索与卡尔曼滤波器相结合的跟踪算法,准确实现运动目标的跟踪定位和运动轨迹的三维重建,并进行了相应的实验验证分析,给出了最终的实验结果。     

无人机对移动目标实时动态定位研究与实现

针对传统的无人机对地目标只能"冻结"图像后静态定位,而无法实时跟踪目标位置并得知运动趋势的问题,提出了一种针对运动目标实时动态定位的方法;采用"圆筛"原理优化实现运动目标轨迹展示与预测,并提高其定位精度;给出了工程实现的示例,并对其精度和误差计算方法进行了分析总结。试验结果表明:此方法的目标定位精度逼近静态定位,能够满足火炮等武器初始对准要求。     

图像自寻的弹药目标检测方法综述

弹载图像目标检测方法是实现图像自寻的弹药“发射后不管”、对目标进行自主打击的关键技术。弹药图像自寻的面临着成像环境恶劣,目标特性变化快,对算法体积、速度要求苛刻等问题。围绕弹载目标检测难点问题进行综述,将基于深度学习的目标检测方法区分为基于候选框、无候选框和基于transformer的方法,回顾了各类方法主要研究进展;对特征提取网络轻量化、预测特征图增强、非极大值抑制后处理算法、训练中样本均衡、模型压缩等弹载图像目标检测模型部署中的关键技术进行了梳理;对比了典型目标检测方法在ImageNet、COCO及弹载图像目标数据集上的性能,并对未来发展进行展望。     

基于SSD 的小目标特征强化检测算法

为解决原始单次多框目标检测(single shot multibox detector,SSD)目标检测算法中对小目标物体检测能力不足的问题,提出一种改进的SSD目标检测算法.采用VGG19作为特征提取网络,在低层特征图部分引入Conv3_3卷积特征图,对Conv4_4进行转置卷积操作,将转置卷积后得到的Conv4_3同Conv3_3的特征图进行特征拼接,实验部分使用VOC数据集对模型进行训练与测试.结果表明:该算法可提高检测能力,目标检测精度能比原始SSD算法提高3.6％,小目标检测效果比改进前也有明显提升.     

基于YOLOv5 改进的小目标检测算法

针对传统目标检测算法存在对小目标检测的识别精度低和不稳定的问题,提出基于YOLOv5 改进的小目 标检测算法。基于卷积神经网络加入额外的检测头,采用数据增强策略并更改网络卷积步长,解决了小目标像素低、 占比小、易重叠和难以分辨等问题;同时依托真实检测场景制作一个全新的针对飞机检测的卫星影像数据集,该数 据集的待检测小目标占比达61%,飞机姿态及场景丰富,有助于客观全面地验证网络精度。将改进后的算法与原始 的YOLOv5 模型进行对比,结果表明,其平均精确率AP 值较原始YOLOv5 模型提升约3%。     

基于卷积神经网络的人脸检测综述

为更好地了解和研究基于卷积神经网络(ccnvolutional neural networks,CNN)的人脸检测,从低图像质量人脸检测和人脸检测系统的性能优化2方面,分析人脸检测所面临的困难并给出其解决方案,总结2015年以来基于卷积神经网络的人脸检测技术的发展进程和方向,对人脸检测任务中的遮挡、尺度、小面部集群、速度、精度以及多任务RPN(multi-task region proposal network)人脸检测等方面进行总结陈述,对未来基于卷积神经网络人脸检测的发展趋势进行预测.     

机器视觉检测方法在火炸药药柱外观检测系统中的应用

为解决火炸药药柱外观检测中药柱质量、检测标准不易量化、统一的问题,提出一种机器视觉检测方法 对火炸药药柱外观检测进行优化设计。根据人工视觉模式检测原理,利用图像识别技术建立系统模型,采用图像检 测的方式对长度进行检测,利用高速相机扫描的方式对外观缺陷进行检测,并通过搭建药柱图像检测模型进行实物 验证。实验结果表明：该方法对火炸药药柱外观检测是可行与有效的,有较高的实用价值。     

瞬变电磁法在地下金属物体探测中的应用

将瞬变电磁法应用于地下金属物体探测．采用进口小装置电磁线圈与自主研发的智能探测软件进行了探测．并通过实验证明该法的可行性。     

基于时空相关性检测的视频序列动目标检测方法

在充分分析了现有算法在复杂背景下所存在的不足的基础上，提出了一种基于视频序列像素时空相关性检测的动目标检测方法。该方法首先用每一帧中像素的空间相关性检测出目标；再用序列图象中目标的时间相关性检验目标的真实性。实验表明，该方法能很好地检测出运动目标，并具有较强的抗干扰能力。     

地下铁磁物体的分步磁定位方法

针对地下铁磁物体埋藏深度大、测量范围受限、各种干扰因素多、与周围介质间磁性差异小难以定位的情况,提出-种分步磁定位方法.首先根据不同深度面上所有测量点的磁场突变值确定铁磁物体顶端所处深度,再利用磁梯度异常和磁场随距离衰减规律实现对磁性体顶端位置的准确定位.实际工程应用表明:该方法对于地下铁磁物体具有定位准确和成本低廉的优势.     

动态背景下基于运动矢量补偿的目标检测

在动态场景下,为了降低背景运动对目标检测产生误差的影响,针对视频序列图像,提出基于运动矢量 补偿的目标检测算法。采用背景运动补偿方法来完成目标检测,利用 SURF 特征点来获取精确的匹配点对,从而获 取准确的运动矢量;根据运动目标和背景运动矢量位移的不同来区分出前景和背景区域,将背景运动矢量代入模型 进行参数估计,提高背景补偿的精度;用帧差法检测出运动目标。实验结果表明：该算法具有鲁棒性,能够准确检 测出动态背景下的运动目标。     

视频序列中运动目标检测技术

提出一种基于前景目标分类的视频序列中运动目标检测方法。该方法在RGB空间内建立了一种新颖的背景模型;为了解决背景更新“死锁”问题,提出了像素点的跳跃度函数和稳定性函数,将前景分类为静止目标、运动目标及虚假目标;最后提出了一种基于HSV颜色信息和ー阶梯度信息的混奋阴影剪除算法。实验结果表明,该方法能有效分割视频场景中的运动目标并鲁棒地分离目标及其阴影区域。