全景系统中大视场摄像机径向畸变校正算法研究

针对全景系统中的大视场红外摄像机和可见光摄像机带来的图像畸变问题,在分析了畸变原理和数学模型的基础上,首先采用模板法标定摄像机的畸变参数,然后对畸变图像中像素点位置进行几何变换,再对像素点上的灰度值进行双线性插值法灰度校正,最后通过优化算法提高了图像运算速度。试验结果表明,设计的畸变校正算法能实时的校正全景系统中的畸变图像,有效提高了全景图像的观察效果。     

基于深度卷积神经网络的红外船只目标检测方法

针对红外船只图像较模糊导致的识别率低、识别速度慢等问题,提出了一种基于深度卷积神经网络(CNN)的检测算法。首先采用标记分水岭分割算法提取红外船只图像中的连通区域,并对原图相应的目标位置进行标记和归一化处理,提取候选区域。采用改进的AlexNet(一种深度CNN模型)进行船只目标识别,将提取的候选区域送入改进的AlexNet进行特征提取和预测,得到最终检测结果。分水岭方法可大大减少候选区域检测时间,以及减少深度CNN识别时间。利用实验室自制的红外成像系统获取近千张红外船只图像数据,并对其平移缩放形成的数据集进行仿真实验。结果表明,标记分水岭与深度CNN的结合,可有效识别船只目标,所提方法具有良好的性能,能够更加快速准确地识别红外船只目标。     

畸变校正与帧差法相结合的运动目标检测

提出了一种图像畸变校正与帧差法相结合的运动目标检测方法。首先利用实验测量和曲线拟合的方法对光学成像系统的畸变进行测量校正,以满足运动目标检测的精度要求;然后将畸变校正方法应用在实时获取的视频图像帧中,利用帧差法实现光学成像系统旋转运动时的运动目标检测。实验表明,该算法可行、抗噪性好,能够满足实时性需求。     

反向追迹法获取水下对空全景图像

在水下透过波浪对海面及空中目标成像,所获取的目标图像会发生畸变。为定量分析波浪对图像畸变的影响,建立一种理想的水下对空成像模型,得到透过波浪的全景图像。首先,在给定的成像模型下,运用主光线反向追迹法,由斯涅耳定律计算出与水下入射光线对应的水上折射光线的方向矢量,从而得到天球上目标点与成像靶面上单像素点的物像对应关系。然后,对整个成像靶面上的像素点进行遍历,形成水下对空全景图像。最后,在4种特殊的海面波浪波形下,利用MATLAB环境计算出天空圆形目标及背景的水下对空全景图像。计算结果表明:运用反向追迹法能够有效地计算出水下对空全景图像,通过调整波浪参数,可以定量分析图像的畸变程度。主光线反向追迹法适用于分析透过具有一阶可导波浪的水下对空全景图像的畸变特征,为研究更复杂波浪下的水下对空图像畸变特征奠定了基础。     

复眼式光学成像系统畸变测量与校正技术研究

复眼式光学成像系统在大视场侦查、图像识别、目标探测等领域较传统单孔径光学系统优势突出,但随着视场的增加,子孔径本身的成像畸变及多个子孔径的安装位置误差引起的畸变会直接影响拼接图像的质量。针对该问题,采用光电测量技术对复眼系统进行畸变测量与校正,生成多模动态电子畸变测量靶标,构建畸变测量校正模型,建立多项式拟合算法,采用最小二乘法获得畸变系数,通过双线性插值法模型对图像进行重建。实验结果表明,校正后的平均相对畸变优于0.1%,满足大视场复眼式光学成像系统的畸变校正和图像拼接的精度要求。     

基于动态感受野的航拍图像目标检测算法

针对现有基于平视图像目标检测算法在航拍图像上检测精度不高的问题,提出一种具有动态感受野的单阶段目标检测算法。该算法采用SE-ResNeXt作为特征提取网络,在RetinaNet结构中添加bottom-up短连接通路和全局上下文上采样模块,增强了检测层特征的结构性和语义性。构造具有动态感受野的检测子网络,动态选取适当尺度的感受野特征进行目标检测。在实景航拍数据集上进行实验评测,并与相关算法作对比,结果表明改进算法在数据集上表现良好,性能指标具有明显提升,即使在光线昏暗、下视视角、斜下视视角和密集目标等场景图像中,也具有较好的检测效果。     

广角镜头图像畸变校正系统的研究

介绍了一种广角镜头图像畸变的实时校正系统。通过对光学系统畸变原理的分析,采用一定的算法对像素空间的位置进行几何变换,减少了由镜头大视场带来的几何畸变。整个系统以FPGA为核心控制器件,结合数字图像编码解码芯片和SDRAM存储器,可实现视频图像的实时校正。时钟倍频器在系统中可以为SDRAM及其控制模块提供与其它时钟同相位的高频时钟。     

全景图像海天线提取及舰船目标自动检测

为实现海洋环境下全景摄像机自动目标检测,提出了一种全景图像海天线提取算法及海天线上舰船目标检测方法;首先,分析了全景图像中海天线的成像特点,使用基于分区的自适应阈值Canny边缘检测算法进行边缘检测,并对海天线边缘进行双阈值梯度方向过滤;然后,对图像边缘进行细化,提出了基于最长曲线法的海天线边缘提取算法并进行椭圆拟合得到海天线边缘成像椭圆方程;最后,介绍了根据海天线椭圆方程对海天线上舰船目标进行检测的方法;使用3种不同海洋环境下拍摄的图像进行了实际测试,实验结果表明:该方法可有效地检测出复杂海天背景下的海天线及海天线上舰船目标,海天线提取成功率可达95％以上,对径向成像高度超过10个像素的目标识别成功率可达90％。     

基于变形目镜和OLED的全景周视成像与显示技术

在车载、舰载等运动载体或单兵警戒值守等狭窄空间,传统显示方法难以兼顾显示视场与显示分辨率。针对该问题,本文研究了一种基于变形目镜的全景/周视成像技术与系统。系统采用3路低照度摄像机+4 mm焦距镜头,构成150°左右的全景成像视场,基于FPGA处理平台完成全景图像解析、拼接、校正和显示等算法,实现视频图像大视场拼接与1/3缩放实时显示;由OLED微显示器、变形目镜组和大目镜组成的显示系统使视频图像横向扩大3倍,实时显示全景高分辨动态场景图像。实验系统对全景成像显示技术进行了验证,在军用和民用领域具有广泛的应用前景。     

拖曳线列阵机动时的一种目标检测算法研究

根据水动力学流体运动特性,对Burgess建立的水中运动拖缆模型进行了修正,并基于有限差分法和牛顿迭代法提出修正模型的实时求解方法。同时,在阵形求解理论和自适应宽带聚焦波束形成理论的基础上,提出一种畸变阵的目标检测算法。将实时计算所获得的阵元位置信息作为变量引入自适应宽带聚焦波束形成算法中进行目标检测。并进行了海试。试验中在常规算法失效的情况下该算法准确的检测到目标。数据处理结果表明,该算法在阵形大幅度畸变时的输出信噪比比常规算法高15 dB。解决了拖线阵在机动(转向)过程因阵形畸变而无法检测目标的问题,充分验证了该算法的有效性。      

全景结构光视觉测量通用畸变校正模型

现有的结构光视觉测量系统中,相机和结构光投射器安装在玻璃管内部以实现全景测量,但玻璃管会导致光发生折射而带来畸变。针对上述畸变,分析了光线在两个圆柱形表面折射的过程,研究了两个异面的折射平面所带来的畸变,建立了一种全景结构光视觉测量通用畸变校正模型。采用全景结构光视觉测量系统对内径为288.50 mm的铝管进行测量,基于全景结构光视觉测量通用畸变校正模型计算铝管的内径。实验结果表明,系统的重复性精度为0.047 mm,测量精度为0.23 mm,系统具有较好的稳定性和可靠性,所提出的全景结构光视觉测量通用畸变校正模型具有较高的准确性。     

新型高光谱图像快速实时目标检测与分类方法

针对逐像元处理的高光谱图像实时线性约束最小方差(LCMV)检测与分类算法计算量大、运行速度慢的问题,在LCMV检测与分类算法的基础上,提出了两种逐行的实时LCMV目标检测与分类算法。首先对LCMV算法进行了因果化,提出了逐行处理的实时因果LCMV(CR-LCMV)检测与分类算法,再利用Woodbury引理,推导出了逐行处理的实时递归因果LCMV(RCR-LCMV)检测与分类算法。实验结果表明:与LCMV检测与分类算法相比,两种新型实时算法均能在不影响检测精度的情况下实时地检测目标与对目标进行分类,且所需的数据存储空间大大降低;与逐像元处理的实时LCMV算法相比,两种新型实时算法可获得几乎与之相同的检测精度,计算复杂度大大降低,实时处理能力更强,算法在运行时间上具有明显的优越性。     

全景图像几何畸变校正的算法研究及其软件实现

对于360°视场的全景图像,本文提出了分别对其进行切向和径向畸变校正的处理算法,并用插值处理提高处理精度。达到了将全景图像恢复为常规视场平面像的目的。它是进一步图像分析的前期工作。     

分布式网络信息数据防篡改方法研究

为在足球视频中有效的检测与跟踪运动目标,需要对足球比赛视频中目标检测与跟踪算法进行研究。当前采用的算法,在动态场景中,存在运动目标检测与跟踪效果不佳的问题。为此,提出一种基于OpenCV的足球比赛视频中目标检测与跟踪算法。该算法结合平均背景算法将足球比赛视频中目标图像分割为前景区与背景区,计算足球比赛视频每一帧目标图像和背景图像之间差值的绝对差值,同时计算每一个目标图像中像素点的平均值与标准值来建立目标图像背景统计模型,利用TMHI算法对足球比赛视频中目标初始图像进行阈值分割,得到初始分割图像,对分割图像进行中值滤波和闭运算,再使用卡尔曼滤波对分割后的目标图像进行处理,得到镜头中目标的质心位置和目标外界矩形框,然后对足球比赛视频中目标进行跟踪。实验证明,该算法有效的检测与跟踪足球视频中运动目标。     

面向嵌入式平台的轻量级光学遥感图像舰船检测

针对现有基于深度学习的轻量级目标检测算法对复杂遥感场景图像中舰船目标检测精度低、检测速度慢的问题,提出了一种面向嵌入式平台的轻量级光学遥感图像舰船实时检测算法（STYOLO）。首先,针对主干网络内存访问成本较高的问题,利用高效网络架构ShuffleNet v2作为主干网络对图像进行特征提取,降低内存访问成本,提高网络并行度;其次,利用Slim-neck特征融合结构作为特征增强网络,以融合较低层级特征图中的细节信息,增强对小目标的特征响应,在多尺度信息融合区域施加坐标注意力机制,强化目标关注以提高较难样本检测以及抗背景干扰能力;最后,提出一种跨域迁移和域内迁移相结合的学习策略,减少源域与目标域的差异性,提升迁移学习效果。实验结果表明：基于光学遥感图像舰船检测公开数据集HRSC2016,与同类型快速检测算法YOLOv5s相比,所提算法的检测精度提高了2.7个百分点,参数量减少了61.77%,在嵌入式平台Jetson Nano上检测速度达到102.8 frame/s,能够有效实现对光学遥感图像中舰船目标的实时、准确检测。     

基于目标识别的红外与微光图像融合方法

 为了在融合图像中突出运动目标,提出了一种基于动态目标检测和识别的图像融合算法。先对红外图像序列中的运动目标进行检测和提取,同时对红外和微光图像进行融合,最后将提取到的红外目标与融合图像进行二次融合。试验结果表明,该算法获得的融合图像不仅具有普通融合算法信息丰富的特点,还具有鲜明的红外目标指示特性。     

基于轻量级残差网络的红外遥感船只检测

针对红外遥感船只检测领域存在的硬件存储资源和功耗的限制,以及目标检测输出边界矩形框形式结果不够精细的问题,提出了一种轻量化且具有像素级输出的分割网络TRS-Net。将图像分割的编码-解码结构用于船只检测,以获得像素级的输出;将32 bit的浮点型参数二值化(目的是压缩网络模型的大小),提出了BS-Net;针对BS-Net带来的检测精度低的问题,引入残差连接,提出了BRS-Net;根据神经网络稀疏性特点引入参数三元化,提出了TS-Net;为进一步提升检测效果,将TS-Net改进成TRS-Net。采用实验室自主研制的长波红外相机进行成像实验,获取红外船只图片并制作数据集,对4种网络的结果进行对比分析。结果表明:TRS-Net检测的精确率为88.73%,召回率为83.34%,F_(1-score)为85.95%,交并比为75.36%,模型大小压缩为原先的1/16。TRS-Net对红外船只的实时检测具有一定的工程应用价值。     

基于轨迹预判的空间小目标在轨检测方法研究

空间目标监视和检测是维护空间环境安全的重要保障，天基观测是其中的一个重要观测手段。在天基观测图像中，恒星和空间小目标形状、大小相似，影响空间小目标的检测。且空间环境复杂，图像的噪声也会对空间小目标检测造成干扰。针对以上问题，提出了一种基于轨迹预判的空间小目标在轨检测方法。首先对图像进行预处理，包含使用图像滤波剔除坏像元和背景影响以及阈值分割。对相机进行畸变误差校正，再进行坐标系转换以及匹配星表剔除大部分恒星。然后采集多帧图像，对候选目标进行轨迹关联、预判，确定搜索范围。最后实现对空间小目标的检测。本检测方法具有以下几方面的优势：在低信噪比下，实现高检测精度和低虚警率；减少搜索范围，提高在轨实时检测能力；具备对连续帧图像上目标不连续出现的检测能力，适应更复杂的空间环境下目标检测需求。本检测方法的检测能力在硬件系统上得到了验证，实验结果表明，该算法在检测信噪比为2的目标时也具有99.9%的检测率和0.002%的虚警率，为在轨空间小目标检测提供参考。     

针对动态目标的高动态范围图像融合算法研究

高动态范围成像技术能够全面有效地反映拍摄场景信息,有利于在复杂环境下获得更高的成像质量。目前基于多曝光图像序列的高动态范围图像融合算法需要高精度配准的输入图像序列,无法克服动态问题带来的影响,无法针对存在动态目标的多曝光图像序列进行高动态范围图像融合。基于此,提出了一种高动态范围图像融合算法。该算法利用基于色彩梯度的微分光流法获得由相机抖动以及场景目标运动导致的多曝光图像之间的动态目标偏移量;结合标定的逆相机响应函数构建高动态范围图像融合权重函数,对存在动态问题影响的多曝光图像进行高动态范围图像融合。实验结果表明,提出的算法无需提前对输入图像序列进行精确配准,能够有效克服动态问题影响,实现动态目标的高动态范围图像融合。     

动态复杂背景下的智能视频监控系统设计与实现

本文采用二重对称帧间差分目标检测算法和基于压缩感知的目标跟踪算法,设计并实现了一种可适应动态复杂背景下的智能视频监控系统。基于目标检测该系统能提取本地视频文件中局部运动目标并进行视频压缩,减少回放、查看视频时间,可实时播放并处理本地或网络摄像头数据,也可根据光照变化动态调整二值化阀值,实现实时区域入侵检测与报警。基于目标跟踪本系统能在动态背景下对选定目标进行跟踪,可通过客户端手动控制监控云台跟踪,也可对入侵目标实现云台自主大角度追踪。实验表明,本系统能在日常复杂环境下对运动目标准确检测和大角度跟踪,在智能家居和移动安防领域有很好的实用性。