基于多线性Fukunaga-Koontz变换的海天背景中红外小目标检测

红外小目标检测在红外监测和跟踪系统中起着关键作用,海天背景中的红外小目标检测是其中需要解决的技术难题之一.基于传统子空间算法的检测方法必须将图像转换成矢量,而图像矢量化将破坏目标的原始结构和相关性,会导致大量信息的丢失,检测效果较差.多线性子空间算法将图像作为矩阵来处理,保留了图像的原始结构和信息.首先提出了一种多线性Fukunaga-Koontz变换算法,然后基于多线性Fukunaga-Koontz变换实现了海天背景中红外小目标的检测.为了提高检测性能,对图像进行了预处理和后处理操作.实验结果证明,基于多线性Fukunaga-Koontz变换的检测方法是有效的,且更具优势.     

基于SA-VAEGAN的浮选精矿品位检测

针对矿物浮选过程中泡沫图像处理的精矿品位建模存在有效泡沫图像样本缺乏、模型检测精度不足、泛化能力和鲁棒性较差等问题，提出了一种基于自注意力机制的变分自编码生成对抗网络(SA-VAEGAN)模型。其中，生成器使用由编码器和解码器组成的变分自编码器，编码层引入自注意力机制使卷积操作能更好地捕捉长距离依赖，获取全局信息，生成高质量的图像；判别器中嵌入分类器使其不仅有判别真假的功能，还能实现检测的目的。试验结果表明，该模型与其他检测模型相比有较强的泛化能力和鲁棒性，在精矿品位检测中准确率达到了96.67%。