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。     

基于全景环带立体成像系统的深度信息估计

提出了一种基于全景环形透镜(PAL)的全景环带立体成像系统的立体信息提取方法。该成像系统由两组共轴PAL单元构成,其成像圆为两内外相接的圆环,能够实时提取360°水平视场角物体的立体信息。基于该系统的成像原理,针对非单视点成像系统特点建立相机模型对系统进行标定,并验证了标定结果。将尺度不变特征变换(SIFT)算法应用到对应点匹配上,充分利用本系统的共线约束来提高匹配的速度和准确度。应用三角测量原理从捕获的图像中提取有效深度信息。进行立体信息提取实验,给出了结果和误差分析。该系统能有效获取场景深度信息,3m距离范围误差率在±5.2%内,证明了该系统的可行性。     

基于深度学习的红外目标成像液位检测方法

容器液位检测是工业生产及化工原料储存、运输过程中的重要环节,针对现有液位检测技术中传感器布置容易受空间限制,在高温高压、灰尘、潮湿等特殊环境下传感器寿命短等问题,提出了一种基于深度学习的红外目标成像液位检测方法.通过对容器红外图像标注数据集进行优化训练,得到可以准确识别容器内液体百分比含量的模型.首先,构建储罐液位标准...     

水平场景无畸变折反射全景成像系统透镜畸变的消除

采用短焦距透镜设计水平场景无畸变折反射全景成像系统,会使系统更加小型化,然而短焦距透镜的畸变会对系统成像产生影响。为此建立了具有径向畸变的相机模型;根据这一相机模型,研究了采用短焦距摄像头的水平场景无畸变折反射全景成像系统中,透镜畸变对系统成像的影响,结果表明短焦距透镜的畸变会对系统成像产生严重影响;为了消除透镜畸变的影响,对反射镜的设计进行了改进,在反射镜面形微分方程中包含了透镜畸变消除的参量;按新的方法,设计了一套由短焦距摄像头组成的水平场景无畸变折反射全景成像系统。     

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。     

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％。     

复杂背景下红外图像弱小目标检测

红外弱小目标检测是安防监控、侦察探测、精确制导等领域的关键技术。为了提高复杂背景条件下红外弱小目标检测的准确性和实时性,提出了一种基于深度学习的红外弱小目标检测算法YOLO-FCSP。根据红外图像中弱小目标的特点,在YOLO检测框架的基础上,通过减少下采样次数,结合跨阶段局部模块、Focus结构和空间金字塔池化结构设计了特征提取网络。借鉴多路径聚合的思路优化特征融合网络,同时调整检测输出层数量,通过信息复用提高特征利用效率。实验结果表明,本文提出的算法在检测红外弱小目标时具有较高的准确率和检测速度,精度和召回率分别为91.9%和94.6%,平均准确率(AP)值达到92.6%,检测速度达到170 f/s,满足实际应用中实时检测的需求。     

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。     

应用于地面战场目标的点云检测算法研究

地面战场上目标检测是精准跟踪以及准确打击的前提,在现代无人化陆战中起着至关重要的作用。传统的图像检测方法受到光照,天气等条件制约,利用激光雷达技术进行3D目标检测能够显著改善车体的感知能力。针对应用于陆战无人车的检测任务,提出了一种基于卷积神经网络的3D点云检测算法,通过优化VoxelNet的体素化和特征融合模块设计了一组端对端的高效网络,并改进了一种基于距离的非极大值抑制策略。实验表明原始VoxelNet在自建数据集上车辆目标AP值为78.53%,而改进后的网络性能达84.11%,对未来军事领域的三维目标检测任务具有参考价值。     

低空监控系统的红外小目标检测方法

无人机遥感系统在检测复杂背景下红外小目标时存在虚警过高的问题,结合卷积神经网络提出一种两阶段的无人机遥感系统红外小目标检测模型。第一阶段利用Unet神经网络学习红外图像中目标的深度语义特征与浅层位置特征,同时增强红外小目标信号,并抑制背景信号。第二阶段利用Faster R-CNN对第一阶段输出的图像进行分析,检测图中红外小目标的位置与边框。在公开的无人机遥感系统红外小目标检测数据集上完成了验证实验,结果表明该模型将三个复杂背景数据集下红外小目标的检测精度分别提高了13.2、9.8与13个百分点,每秒处理的帧数分别增加了11、14与13。     

一种针对红外目标检测的Dense-Yolov5算法研究

在计算机视觉领域,深度学习一直有着良好的表现.基于深度学习的目标检测方法在红外图像检测识别方面具有巨大的潜力.针对红外图像场景多变,尺度变化范围大,可用特征不足等问题,提出了一种Dende-Yolov5的网络结构,该网络融合了 DenseNet网络和Yolov5的特点,基于充分利用feature,保护目标边缘的思想,将...     

小型化全景系统的杂散光分析与抑制方法研究

由于全景环带光学系统的头部单元结构形式复杂,内部光路经过多次反射与折射,杂散光情况比较严重,因此全景环带光学系统设计过程中对杂散光的分析尤为重要。文中着重分析全景环带光学系统头部单元中产生杂散光的形式,对未经全景环带光学系统头部单元反射的杂散光建立消杂光数学模型,在此基础上对全景环带光学系统行了优化设计;对全景环带光学系统中头部单元胶合面反射的杂散光采用一种凸向像面的弯月胶合镜的形式进行抑制,并通过ASAP软件建模仿真。仿真结果显示,杂散光能量降低90%,证明采用的结构形式和消杂光数学模型有效地抑制了杂散光的产生。     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

复杂环境下运动目标偏振成像检测方法研究

针对低对比度、低信噪比等复杂环境下运动目标检测失检率较高的问题,提出了基于稳定性主成分寻踪的运动目标偏振成像检测方法。首先将预处理后的连续帧偏振图像组合成一个矩阵,依据帧间图像信息相关性,建立了稳定性主成分寻踪数学模型,将该矩阵分解成低秩、稀疏,噪声三部分,其中稀疏矩阵包含了帧间目标信息;再以低秩矩阵核范数与稀疏矩阵1范数的和为目标函数,利用增广拉格朗日乘子法求得目标函数值最小时的稀疏矩阵;最后采用马尔科夫随机场滤除稀疏矩阵中的噪声。实验结果表明,该方法对复杂环境有很好的适应能力,且检测准确率优于其他算法。     

红外序列图像弱小动目标检测的研究

针对云天背景下的红外运动弱小目标,提出了一种融合检测的方法。根据视觉的固视微动特性进行单帧图像的目标增强,利用帧差分方法检测多帧图像的动目标,最后将这两种处理结果进行基于调制的融合,并经过图像分割,从而达到动目标检测的目的。仿真结果表明该检测方法能够有效地实现复杂背景下的弱小动目标检测。     

基于中心点的遥感图像多方向舰船目标检测

针对目前基于深度学习的舰船目标斜框检测方法存在计算量大、效率低的问题,提出一种基于目标中心点的单阶段检测模型.由于舰船中心点不受舰船分布方向影响,模型主要思想是以目标中心点检测为基础,回归中心点处目标斜框的尺度和方向.首先设计特征提取网络,将卷积神经网络细节信息丰富的底层特征与语义信息丰富的高层特征融合起来形成特征图;然后将特征图输入到三个检测分支,分别预测目标中心点、中心点偏移值以及斜框的尺度与方向;设计组合损失函数对网络进行训练,并改进非极大值抑制算法以适应目标斜框检测的需要.在公开的SAR图像舰船目标检测数据集与光学遥感图像上进行了实验,实验结果表明,测试集平均准确率达0.906,检测精度与速度均优于其它检测模型,充分验证了所提算法的有效性.     

采用不同积分时间存储图像差分检测动目标的超声雷达

把用脉冲反射法得到的动目标信号进行分离、以消除固定反射的技术,在雷达、声纳、超声波诊断、防犯及异常物体检测设备中得到广泛应用。这种技术的基本方法是把过去的周期信号或其平均值存储起来,求出与现时信号的差。用这种方法可以检测正在移动中的目标。但是,如果目标停止移动,信号立即消失,因     

基于特征融合的遥感图像舰船目标检测方法

针对常用的目标检测算法对遥感图像中的舰船目标进行检测时存在检测精度与实时性兼顾不佳的问题,提出了基于特征融合的遥感图像舰船目标检测算法来检测复杂场景下的多尺度舰船目标.该算法以多尺度单发射击检测框架为基础,增加反卷积特征融合模块和池化特征融合模块,增强网络特征提取的能力.同时设计聚焦分类损失函数来解决训练过程中正负样本失衡的问题.在高分遥感舰船目标数据集上的实验结果表明,所提方法能够有效地增强复杂场景下舰船目标的检测精度.此外,该算法对遥感图像中的模糊舰船目标的检测效果也优于多尺度单发射击检测框架.     

基于多步长梯度特征的红外弱小目标检测算法

针对低信噪比红外图像中弱小目标检测难的问题,在分析红外弱小目标各向梯度特征的基础上,提出了一种新的红外弱小目标检测算法.该算法基于红外弱小目标各向梯度均快速下降的特征,首先根据目标大小在待检测点上、下、左、右选取4个参考点,根据多步长下待检测点与参考点之间的最大梯度特征,判定潜在目标;然后通过连续3帧检测信息的融合,确...