复杂背景下红外小目标自适应检测跟踪

本文针对复杂背景下红外小目标检测跟踪问题,提出了一种背景自适应的目标检测跟踪方案。针对地面背景下的红外目标检测,采用帧差法,分别提出了跳帧多帧差法和双阈值多帧差法以应对目标长时间静止和灰度对比度下降的问题。针对天空背景下的红外目标检测,采用基于目标区域稳定性和显著性(Regional Stability and Saliency, RSS)的检测算法。在检测得到目标备选点后,使用带标签的高斯混合概率假设密度(Gaussian Mixture Probability Hypothesis Density, GMPHD)滤波器对备选点滤波以输出目标初始轨迹。同时引入轨迹整理将间断的初始轨迹重新连接并进一步去除虚警。经过验证,本文提出的目标检测方法可在复杂多类背景下准确检测并跟踪红外图像中的小目标。     

基于深度学习的单幅图像超分辨率重建综述

单幅图像超分辨率SISR重建指从单幅低分辨率图像恢复出高分辨率图像.深度学习方法越来越多地用于图像超分辨重建领域,由于深度网络模型可以自主学习低分辨率图像到高分辨率图像之间的映射关系,与传统方法相比在该领域展现出了更好的重建效果,因而基于深度学习的方法已经成为目前图像超分辨率重建领域的主流方向.围绕现有的超分辨深度网络...     

基于改进ByteTrack算法的红外地面多目标跟踪方法

红外目标智能检测跟踪技术研究一直是同领域中的热点问题,尤其是在精确制导、海面监视和天空预警等方面。针对红外地面多目标跟踪场景中,由地面杂波干扰、多目标遮挡干扰、平台晃动等复杂场景造成的跟踪精度降低等问题,提出了一种基于改进ByteTrack算法的红外地面多目标跟踪方法。首先引用一种自适应调制噪声尺度的卡尔曼滤波器,缓解低质量检测对vanilla卡尔曼滤波器的影响;其次引入增强相关系数最大化算法对帧间图像进行配准,来补偿平台晃动产生的影响;然后增加了基于长短期记忆网络的运动模型,减小了卡尔曼滤波在非线性运动状态中产生的预测误差;最后引入连接模型和高斯平滑算法这两种轻量级离线算法来完善跟踪结果。在红外地面多目标数据集上进行了实验,结果表明,与Sort和Deepsort算法相比,改进算法的MOTA值分别提升了8.3%和10.2%,IDF1值分别提升了6.5%和5.6%。与同类算法相比,改进算法表现出了更好的有效性,在红外目标智能检测跟踪场景中会有较大应用。     

小型航空器光学复眼仿真测试系统设计

为支持光学复眼早期构型设计验证与前端(光学图像采集部分)、后端(图像处理部分)平行开发,本文设计了一种航空器光学复眼仿真测试系统。该系统由视景仿真子系统、复眼仿真子系统、仿真管理子系统、航空器飞行仿真子系统四部分组成,以光学复眼的信息处理机为被测实物对象,具备复眼图像仿真、飞行仿真、算法软件测试等功能。通过测试实验,该仿真测试系统的图像仿真几何精准度、图像注入信息处理机的实时性、仿真闭合回路的完整性得到验证,能为研究者评估复眼构型设计、优化图像处理算法、测试算法软件提供工具支撑。     

一种去冗余的SIFT特征提取方法

基于SIFT特征点的配准是图像配准领域里常采用的一种方法。但是,在复杂背景下,图像SIFT特征点通常量大且冗余,这会带来浪费存储空间、容易误配、配准耗时多等问题。针对这些缺点,提出了一种去冗余的SIFT特征提取算法。首先提取出SIFT特征点,然后根据特征点周边梯度情况,判断特征点是否落于目标区域,进而保留目标区域特征点,删除背景区域特征点,减少特征点数量的同时也实现了去冗余。提取所得的特征点质量好坏由落入目标区域的点数和落入背景区域的点数比例判断。实验结果表明,本算法减少了复杂背景下大量的干扰特征点。这将为后续的配准工作提高精度和效率。