深空背景点目标红外序列图像生成

针对空间目标天基探测仿真系统需求,提出了一种基于卫星工具套件(STK)+MATLAB的深空背景点目标红外序列图像生成方法.点目标表面温度计算采用了比节点网络法更高效的等温简化模型以提高仿真效率;由比低分辨率光谱仪(LRS)模型更完备的中段空间实验卫星(MSX)红外星表提供深空背景模型,扩展了探测系统仿真应用领域;同时,建立了以电子数表征的目标背景照度和图像灰度转换模型.图像仿真过程中加入卫星扰动误差、相机测量误差和焦面电子学噪声,仿真生成的图像序列更接近真实物理过程.该仿真方法可以模拟任意时刻、任意指向和任意光学视场4～26 μm的点目标红外图像序列,图像生成实时性好.文章最后给出了某空间目标的红外序列图像仿真实例.     

天基红外图像的点目标检测

为了研究地球同步轨道卫星红外扫描相机图像星上处理技术,分析了美国国防支援计划(DSP)卫星Phase-Ⅱ阶段和改进后的星上信息处理机的基本处理流程,提出了一种适用于星上工作环境的红外扫描图像点目标检测双通道滤波方法。首先,采用均值滤波抑制背景,对背景去除后的残差图像进行自适应门限探测;在门限滤波的同时,采用峰值判别算法对峰值数据进行检波以降低自适应门限滤波产生的虚警;最后,采用融合算法对超过门限的图像及峰值检波图像的双通道数据进行目标确认。该算法在保证高目标检测率的同时降低了虚警率,简单可行且利于硬件实时实现。实验结果表明,当目标信噪比6时,检测概率可达99.3%(虚警率为1.3×10-3);算法实时性分析表明,处理器主频为200MHz时,算法处理能力为56.45Mb/s,满足天基信息处理要求。     

红外图像序列中微弱点状动目标的非参数检测

研究了红外图像序列的观测及目标模型,提出了一种基于多帧的微弱点状动目标非参数检测技术.采用滑动邻域加权预测抑制杂波干扰,白化噪声特性,将时空三维搜索简化为沿时间轴投影与二维空域搜索,沿可能的轨迹上将目标能量高维集成.相应算法的检测性能对噪声分布不敏感,实时性好,实现简单,具有很高的实用价值.给出了该算法性能的理论分析和实验仿真结果.     

掠海红外动态点目标图像仿真系统

建立了一套掠海红外动态点目标图像仿真系统。根据红外搜索与跟踪(IRST)系统的图像数据量大、目标数量多的情况,采用软件和硬件相结合的方法解决实时仿真的问题。针对远距离动态红外点目标的特点,以仿真红外点目标、小目标为主,建立了既简洁又符合实际情况的基于高斯分布的背景灰度模型和动态红外点目标灰度生成与运动轨迹生成模型。通过人为调整均值和方差使所产生的仿真背景灰度信号可接近于实际观测到的真实红外图像信号,能用于检测IRST系统对极限背景噪声条件下的信号处理和目标提取能力。该系统的研制确保了测试IRST系统性能指标的有效性,降低了测试成本,缩短了IRST系统的研制周期。     

序列图像中弱小运动目标检测方法

通过研究利用远距离拍摄获得的飞行目标运动轨迹的图像序列,分析图像的特点,研究目标自动识别的方法.采用基于块匹配技术的配准图像,对原始图像进行配准;采用基于能量累加的背景去除技术,获得包含目标及噪声的图像序列;采用自适应阈值分割技术,得到包含目标及噪声点的二值图像;利用目标帧间相关而噪声帧间不相关的特点,根据目标的速度梯度和方向梯度,对二值图像中所有的点进行帧间相关性判断,获取目标点.实验结果表明,该方法能够有效地在飞行目标运动轨迹的图像序列中准确识别出弱小运动目标.     

海洋背景下运动目标的天基红外探测场景生成系统

围绕海洋背景下飞机和海面舰船等运动目标的探测需求,本文研究了目标和载荷在多个坐标系下的空间位置与运动特性,建立了天基探测场景的几何模型;通过Pierson-Moskowitz海洋谱模型计算海面起伏,实现大气层外海面辐射亮度的建模仿真;利用多种目标的三维几何模型,实现目标辐射特性的建模仿真。在上述研究的基础上,利用MATLAB平台,开发了一套海洋背景下多种运动目标的天基红外探测场景生成系统。结果表明:该系统生成的海洋辐射亮度均值在中波红外谱段优于Modtran的生成结果,在长波红外谱段与Modtran的生成结果之差小于3%。该系统可生成连续的海面背景下运动目标的辐射亮度图像,为开发天基红外探测系统提供技术支撑。     

非成对训练样本条件下的红外图像生成

针对实测红外图像数据集构建难度大、测试制作成本高的问题,本文提出了一种非成对训练样本条件下的生成对抗网络VTIGAN,实现不同场景下可见光到红外（Visible-to-Infrared,VTI）的高质量图像转换。VTIGAN在transformer模块基础引入了一个新的生成器学习图像内容映射关系,通过重组目标风格特性实现图像风格转换,同时使用PathGAN作为判别器强化模型的图像细节信息生成能力,最后联合对抗损失、多层对比损失、风格相似性损失、同一性损失四种损失函数对模型训练过程进行约束。将VTIGAN与其他主流算法在可见光-红外数据集上进行了广泛的对比实验,同时使用峰值信噪比、结构相似度和Frechét inception distance 3个评价指标进行定量评估和主观定性评价。实验结果表明,VTIGAN相比于次优的UGATIT算法在PSNR,SSIM和FID三个指标上分别提升了3.1%,2.8%和11.3%,有效实现了非成对训练样本条件下可见光到红外的图像转换,且对于复杂场景的抗干扰能力更强,生成的红外图像清晰度高、细节特征完整、真实感强。     

基于WEMD和生成对抗网络重建的红外与可见光图像融合

针对红外与可见光图像融合中边缘模糊、对比度较低的问题,提出一种二维窗口经验模式分解(WEMD)和生成对抗网络重建的红外与可见光图像融合算法.将红外和可见光图像进行WEMD分解得到内蕴模式函数分量和残余分量,将内蕴模式函数分量通过主成分分析进行融合,残余分量用加权平均进行融合,重构得到初步融合图像,再将初步融合图像输入生...     

基于区域生长的红外图像火源检测方法

针对红外图像对比度低、分辨率差、背景干扰严重等问题,提出了一种基于区域生长的红外图像火源检测方法.利用阈值分割原理进行逐行扫描,所有灰度值大于阈值的像素被暂定为目标,所有灰度值小于阈值的像素被排除在外,然后,采用区域生长及类空间合并方法进一步确定火源区域.试验结果表明,该方法与归一化互相关匹配法(NCC)相比,误检率较...     

采用多尺度隐式马尔可夫模型的红外图像背景抑制

提出了一种基于多尺度隐式马尔可夫模型的红外图像背景抑制方法来解决红外弱小目标检测技术中复杂背景干扰的问题.根据红外目标和背景杂波所具有的不同统计分布特性,利用剪切波变换分解后各尺度、各方向子带内和子带间的系数之间的关系,建立了基于剪切波变换的多尺度隐式马尔可夫模型.通过期望最大化算法计算最优背景参数,分离红外图像中弱小...     

面向深空探测Bayer图像的高效编码

本文提出一种基于JPEG2000标准的Bayer图像高性能RBCR（Remove Bayer Component Relation, RBCR）压缩算法。在RBCR压缩算法中,根据Bayer图像相关性较高的特点,对Bayer图像进行颜色分量分离,得到处理单元子图,对各子图进行1*4整型离散余弦变换,降低Bayer图像中各颜色分量空间域内的相关性;对变换后的各分量DCT系数使用标准JPEG2000算法独立完成小波变换、Tier1编码、MQ编码和率失真斜率计算等,再基于率失真斜率联合截取方法完成各个分量的码流截取,即使用相同的率失真斜率门限值,按照率失真斜率值由高到低的顺序依次完成所有分量编码码块的码流截取,最后各个分量的截取结果再进行独立的码流组织输出。在RBCR算法中通过加入DCT变换降低Bayer图像相关性和对各个分量码流的率失真斜率联合截取,提高恢复图像质量且精确控制了码率。实验结果表明,RBCR算法与各个分量独立压缩方法相比,恢复图像质量得到提升,尤其在4倍的压缩倍数下效果最佳,峰值信噪比平均提高1.814dB,复杂峰值信噪比平均提高2.414dB,可以满足深空探测低复杂度和高质量图像的要求。     

一种序列图像的拼接方法

从立体图像匹配的观点,找出定视点不同观察方向所获取的序列图像的重叠区,在对这些图像进行几何校正后用图像融合的方法进行图像拼接.此方法可用于全维场景的获得及大型物体的观察、测量.     

时空域结合的红外弱小运动目标检测新方法

为解决远距离和复杂背景下红外弱小运动目标的检测问题,提出了一种将时域背景抑制和空域相关性检测相结合的新方法.首先在时域窗口内根据像素的时域信号进行时域背景抑制和二值化,得到既有像素点的灰度值又有时域信号值的组合帧图像;再充分利用运动目标在空域上的连续性和时域信号上与噪声的差异性,在组合帧上对每个候选目标点与其8邻域像素进行时域信号相关性检测,以剔除虚警点和确定目标轨迹.实验结果表明该法具有较低虚警率和较强的鲁棒性.     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

带弹序的弹幕武器立靶密集度测试

提出一种基于4个线阵TDI-CCD相机组成的三空间靶面结构对多弹丸着靶参数进行测试,以解决弹幕武器等高射速武器多弹丸同时着靶时的立靶密集度测试难题。测试时,2个CCD相机在空中交汇形成与预定弹道方向垂直的立靶靶面I;靶面II和靶面III分别由1个CCD相机的探测面形成,并分别与靶面I在竖直方向和水平方向上成一定夹角。根据三靶面的空间几何结构、飞行弹丸在4个线阵CCD相机上的成像时间和成像角度,分析了单发弹丸的着靶坐标、飞行速度和穿靶角度。根据多弹丸在三靶面间的成像位置关系以及弹丸飞行速度约束,推导出多发弹丸着靶时的时空散布参数,如弹序、弹丸存速和着靶坐标。仿真和实际试验验证显示测试的多靶面间目标匹配率达到100%。提出的测试方法有效地解决了多发弹丸同时着靶时出现的假目标问题并克服了单CCD立靶测试参数单一等缺点。     

基于相位相关的深空光通信扩展信标跟踪技术研究

提出了一种深空光通信扩展信标的跟踪方法。该方法的原理是在航天器上存储一幅信标图像作为参考,把实际信标图像看成参考信标图像和附加高斯白噪声和的形式,基于离散傅里叶变换和相位相关技术对信标的旋转因子和平移因子进行计算。理论分析与仿真结果都表明,该方法可以把跟踪误差控制在0.5个像素以内。针对不同的信噪比对该方法进行仿真,计算误差并没有显著的变化,表明该方法具有良好的抗干扰性,能满足光通信链路实时运行的要求,是一种可行的方案。     

基于HSI颜色空间的深度学习单幅图像去雾方法

针对传统的单幅图像去雾算法容易受到雾图先验知识制约导致颜色失真等问题,本文提出了一种基于HSI颜色空间的深度学习多尺度卷积神经网络单幅图像去雾方法,即通过设计深度学习网络结构来直接学习雾天图像与其无雾清晰图像色调、饱和度和亮度之间的映射关系,从而实现图像去雾.该方法首先将有雾图像从RGB颜色空间转换到HSI颜色空间,然后设计了一个端到端的多尺度全卷积神经网络模型,通过色调H、饱和度I、强度S三个不同的去雾子网分别进行多尺度提取,深度学习得到有雾图像与清晰图像之间的映射关系,从而恢复出无雾图像.实验结果表明,本文方法对于雾天图像具有良好的去雾效果,在主观评价和客观评价上均优于其它对比算法.     

基于深度卷积神经网络的目标检测研究综述

作为计算机视觉中的基本视觉识别问题,目标检测在过去的几十年中得到了广泛地研究。目标检测旨在给定图像中找到具有准确定位的特定对象,并为每个对象分配一个对应的标签。近年来,深度卷积神经网络DCNN(Deep Convolutional Neural Networks)凭借其特征学习和迁移学习的强大能力在图像分类方面取得了一系列突破,在目标检测方面,它越来越受到人们的重视。因此,如何将CNN应用于目标检测并获得更好的性能是一项重要的研究。首先回顾和介绍了几类经典的目标检测算法;然后将深度学习算法的产生过程作为切入点,以系统的方式全面概述了各种目标检测方法;最后针对目标检测和深度学习算法面临的重大挑战,讨论了一些未来的方向,以促进深度学习对目标检测的研究。     

基于深度学习的光场加密图像恢复技术

光场技术可以将图像加密从二维提升到三维,加强加密的安全性。采用重聚焦算法实现图像解密时会引入图像间的干扰。以深度学习技术为框架,分析图像干扰的规律性,构造模拟光场数据集,创建了一个7层的全卷积神经网络,以模拟光场数据集作为输入,原图作为标签,训练一个全卷积神经网络,将真实光场解密图像输入得到结果。实验结果表明,利用全卷积神经网络可以有效改善光场解密图像的干扰问题,改善解密后的图像质量。