基于结构低秩编码的复杂环境红外弱小目标检测算法

针对复杂环境红外弱小目标检测难的问题,依据背景慢变特性,提出了一种将背景优化和低秩表达相结合的结构低秩编码小目标检测算法。首先,利用梯度0l范数约束提取背景中梯度较大的成分,保留灰度快变结构,同时平滑慢变结构,对背景进行优化;其次,使用核函数刻画背景图像块之间的低秩特性,用秩描述背景的主要结构并进行建模;最后,分解得到的误差矩阵具有稀疏性,主要包含快变的小目标结构,通过稀疏矩阵1,2l范数定位红外弱小目标。实验结果表明,结构低秩编码检测算法能够有效发掘复杂背景图像块之间的关系,抑制杂波干扰,在虚警为2时,最低检测率为92%。提高了复杂环境下红外弱小目标的检测性能,基本能满足实际应用要求。     

基于监督字典学习的核稀疏表示的目标识别算法（英文）

针对图像数据高度非线性可分情况下的目标分类问题,在稀疏表示分类框架的基础上,提出了一种基于监督字典学习的核稀疏表示的目标识别算法。采用融合了多特征信息的协方差描述子作为图像的描述符;通过引入核技巧,使非线性的图像数据在高维空间变得线性可分;并把分类误差与重构误差同时引入目标函数,在监督字典学习框架下,使学习得到的字典判别性更强。利用加州大学默塞德分校提供的UCMerced遥感数据集以及自测的红外车辆数据集做了实验验证,在这两个数据集上算法的平均识别率分别达到了89.46%和93.98%,实现了对非线性可分目标的高精度分类。     

基于极端学习机背景预测的红外小目标检测算法

为自适应检测复杂环境中的红外小目标,提出了基于极端学习机背景预测的红外小目标检测算法。首先,依据灰度值分布设计局部边缘敏感平滑滤波器,在相近的灰度范围内,使中心像素的灰度值等于邻域内多数灰度值的融合,对红外图像进行滤波,能够去除大量噪声并突出图像主要结构;其次,利用极端学习机对滤波后的图像建立回归模型,以邻域像素值为输入,以中心像素值为输出训练模型,并对背景进行预测,得到的图像与滤波后的图像做差,得到小目标显著图;最后,利用图像块对比特性对显著区域处理,使小目标区域均匀突出,抑制背景区域,并经过简单阈值操作,实现对红外小目标的检测。实验结果表明:与其他检测算法相比,在复杂背景下,本文算法检测结果的局部信噪比增益最高,单帧检测时间为0.18 s。本文算法对背景进行学习,发掘背景与目标的差异,提高了算法的适应能力,并且能够有效检测小目标。     

基于可见光与红外图像特征融合的目标跟踪

针对单一图像源下目标跟踪精度不高的问题,利用跟踪状态下的目标存在于可见光与红外图像中的特征对连续自适应均值移动跟踪算法做出改进。首先选取可见光图像的“颜色梯度背投影”作为改进的目标模型,选取红外图像的“灰度梯度背投影”作为改进的目标模型;然后根据可见光序列图像和红外序列图像各自进行连续自适应均值移动跟踪算法得到的对应的qi系数判定两种图像跟踪的效果,对两种图像的权重进行自适应调整,得到这两种图像的特征级融合图像和跟踪结果。实验结果表明,对于320像素×240像素的可见光和红外图像,基于可见光与红外图像特征融合的目标跟踪算法在复杂背景下能够较准确的跟踪目标,目标跟踪精度为0.5像素,跟踪速度为30~32 ms/帧。     

基于深度卷积神经网络的SAR图像舰船小目标检测

针对合成孔径雷达(SAR)图像舰船目标背景复杂的特点,提出一种基于改进YOLOv3的SAR图像舰船小目标检测算法。首先,通过分析残差网络的设计原理,针对不同场景下舰船目标的特点,重新设计底层残差单元;其次,改进特征金字塔的网络结构,解决感受野与定位之间的矛盾问题,提高了小尺度舰船的检测效果;最后,通过引入平衡因子,优化损失函数中的小目标权重。实验结果显示,相比原始YOLOv3方法,所提方法在舰船目标公开数据集上F1值提高6.3%,同时,较快的检测速度使得所提算法可用于实时目标检测。     

一种新的红外脉冲热成像后处理方法

脉冲热成像技术作为一种新兴的无损检测技术已被广泛应用于红外领域,然而由于试样表面加热不均匀及表面发射率低导致的红外图像对比度低、噪声大等问题给缺陷的检测带来困难。本文基于长脉冲热成像技术对碳纤维增强塑料(carbon fiber reinforced polymer,CFRP)板和304不锈钢进行了无损检测研究,提出了比温度的图像后处理方法。该方法对温度序列图像的每一帧图像与前一帧图像进行作商的后处理操作,得到比温度的图像序列。从比温度序列中获取信噪比最大的图像,以进行缺陷识别和缺陷定量。结果表明,与此前的方法相比,该方法显著提高了图像的信噪比,更有利于检测更深、更小的缺陷,相比原始图像,信噪比提高了近98.46%。将该方法与半高全宽法相结合,对试样的尺寸进行定量检测。通过仿真和实验验证,该方法具有良好的鲁棒性,显著降低了缺陷尺寸定量的误差,该方法可作为一种有效的红外图像后处理及缺陷尺寸定量方法。     

多自由度参数振动受迫响应的三角级数逼近

针对多自由度的参数振动系统,研究了参数周期与激励力周期不相同情况下受迫振动稳态响应的三角级数解。首先根据调制反馈原理将受迫振动响应表示为各谐波成分线性组合的三角级数形式;然后运用谐波平衡及分块带状矩阵求逆算法,求解得到各个谐波项的系数向量;最后将本文提出的级数逼近法与标准的Runge-Kutta法进行了对比。结果表明:两种方法得到的相图结果高度一致,而本文方法在分析和计算上更具有优势:1)用三角级数来表达振动受迫响应,可以直接得到各频率成分的谐波系数,利于参数振动的时域、频域分析;2)所有的谐波系数向量都可以通过计算机进行数值计算,采用该方法得到的逼近误差与级数项数有关,随着级数项数的增加精度会进一步提高;当级数项数取15项时,逼近误差为8.12×10-3;3)对于同样的10万数据点的计算量,Runge-Kutta法耗时69.51s,而本文采用了大型稀疏矩阵快速算法的级数逼近法计算耗时仅0.1317s,计算效率显著提高。     

基于点线视觉/惯性SLAM和目标检测的测距方法

针对无人平台在未知环境中自身定位和对远距离目标测距精度不高的问题，利用单目相机和惯性器件组成视觉/惯性导航定位系统，结合目标检测提出“动态基线+三角测距”方法实现自身定位和对目标测距。首先，建立基于点线融合的视觉/惯性系统模型，提高系统自身定位精度，给出运动前后相对位姿变化；其次，利用目标检测算法对目标进行检测和识别，得到运动前后物体对于图像平面的视差；最后，通过三角测距实现对目标的高精度测距。公共数据集实验测试结果表明，引入线特征的视觉/惯性系统的平均定位均方根误差（RMSE）为0.15 m。无人平台搭载系统对目标进行测距实验表明，系统在100 m以内对目标测距的误差小于测距距离的2%。     

复杂环境下基于Huber-RKF的移动机器人信息融合算法

为解决移动机器人组合导航系统中由于存在时变、非高斯噪声而导致的估计精度下降问题,提出一种将秩卡尔曼滤波器(Rank Kalman Filter, RKF)与Huber统计线性回归近似方法相结合的Huber秩卡尔曼滤波算法(Huber-RKF)。RKF与高斯确定点采样型滤波算法结构相似,但它不需要满足高斯分布假设条件,完全利用秩统计量相关原理计算采样点及其权值,适用于非线性、非高斯系统;Huber方法将l1/l2混合范数作为代价函数,通过迭代求得最优估计值,具有较好的鲁棒性;把二者相结合,将Huber最优估计作为RKF算法结构中的量测更新,得到的Huber-RKF算法具有良好的鲁棒性和滤波估计精度。仿真实验中将Huber-RKF与EKF、RKF以及交互式多模型秩卡尔曼滤波器(IMM-RKF)进行比较,其纬度、经度估计误差分别减小了69.5%、75.6%,44%、44.1%,27%、14%;算法实时性方面,Huber-RKF算法中程序循环体单次执行的时间为20.8 ms,比IMM-RKF执行速度快33%。     

基于柔度矩阵曲率范数差的结构损伤识别方法

基于模态柔度矩阵曲率范数差构造了一种损伤识别新指标。首先对损伤前后柔度矩阵按列、行分别求两次曲率,再对曲率矩阵的列向量求2-范数差,得到2-范数下各节点的损伤定位指标值。根据梁式结构刚度和位移曲率的负相关关系,推导出准确定量损伤程度的理论表达式,对单损伤和相邻多损伤进行了损伤定量分析。基于串联弹簧原理,提出了等效损伤程度分析模型,建立了测点间梁单元局部损伤与全损伤之间的损伤程度对应关系。采用某三跨连续梁用作仿真算例,结合已有的均匀荷载面曲率差指标,并考虑多种损伤工况,对指标进行对比分析,结果表明该方法仅需低阶模态参数即可进行损伤检测,且具有较好的抗噪声能力。采用对比测点间梁单元局部损伤与全损伤工况基频的方法,验证了所提等效损伤程度计算方法的合理性。