基于改进SSD的车辆小目标检测方法

地面车辆目标检测问题中由于目标尺寸较小,目标外观信息较少,且易受背景干扰等的原因,较难精确检测到目标。围绕地面小尺寸目标精准检测的问题,从目标特征提取的角度提出了一种特征融合的子网络。该子网络引入了重要的局部细节信息,有效地提升了小目标检测效果。针对尺度、角度等的变换问题,设计了基于融合层的扩展层预测子网络,在扩展层的多个尺度空间内匹配目标,生成目标预测框对目标定位。在车辆小目标VEDAI(vehicle detection in aerial imagery)数据集上的实验表明,算法保留传统SSD(single-shot multibox detector)检测速度优势的同时,在精度方面有了明显提升,大幅提升了算法的实用性。     

基于多特征的复杂场景运动目标检测

为提高复杂场景下运动目标检测的完整性和准确性,提出了一种多特征结合的运动目标检测方法。提出了一种自适应的高斯混合建模算法对颜色特征进行建模;通过滞后多阈值建模的方法,同时利用颜色和改进的局域二值模式纹理特征对环境背景进行了建模,并采用邻域补偿策略将基于两种特征提取得到的目标区域进行了结合;采用结合Canny思想改进的Kirsch方法进行了边缘提取,消除了鬼影误识别像素,改善了前景目标边缘。实验结果表明,所提方法在运动目标检测的完整性、准确性等指标上优于传统算法的,实时性也较好。     

改进的SSD算法及其对遥感影像小目标检测性能的分析

针对以Faster R-CNN为代表的基于候选框方式的遥感影像目标检测方法检测速度慢,而现有SSD算法在小目标检测中性能低的问题,提出一种改进的SSD算法,综合利用现有基于候选框方式和一体化检测方式的优势,提升检测性能。该算法利用密集连接网络替换原有的VGGNet作为骨干网络,并且在密集连接模块之间构建特征金字塔,代替原有多尺度特征图。为验证所提算法的精度及性能,设计样本数据在线采集系统,并采集飞机及运动场目标样本集作为实验样本,通过对改进SSD算法的训练,验证了其网络结构的稳定性,在无迁移学习支持下依然能够达到良好效果,且训练过程不易发散。通过对比以101层的残差网络(ResNet101)作为基础网络的Faster R-CNN算法和R-FCN算法可知,改进SSD算法较Faster R-CNN算法和R-FCN算法的MAP在测试集上分别提升了9.13%和8.48%,小目标检测的MAP分别提升了14.46%和13.92%,检测单张影像耗时71.8 ms,较Faster R-CNN和R-FCN算法分别减少45.7 ms和7.5 ms。     

基于光学相关的多目标检测

运用傅里叶变换相关识别技术实现了无畸变、有平移多目标的检测。在此基础上讨论了图像边缘信息和非边缘信息对相关性能的影响。运用分数傅里叶变换相关识别技术实现了目标图像存在尺度、旋转畸变而无平移变化时的目标检测。结果表明,分数傅里叶变换的级次选择对目标图像的旋转和尺度畸变有一定的补偿作用。在分数傅里叶变换相关中,通过简单的级次调节可实现一定范围内的旋转、尺度畸变不变识别。     

对大场景全息照相方法的改进

大场景全息照相是全息照相的重要内容之一,它对拍摄较大的静态物体和贮存文物信息起重要作用。实现大场景全息照相的方法一般采用光程补偿法和根据激光器性质而采用光程差为激光器腔长偶数倍的方法。这两种方法都需较好的防震装置和强激光光源,且光路复杂,调整麻繁,给大场景全息图的拍摄及普及带来一些困难。大场景全息照相与普通的小场景全息照相的差异在于它需要有一个较大的,能够把景物的全部信息(振幅和位相)加以记录的相干区域,要获得好的干涉效果,要求其光程差必须小于所用光源的相干长度。     

基于改进Faster R-CNN的空中目标检测

相比传统图像目标检测算法,基于大数据和深度学习的检测算法无须人工设计特征,且检测性能更稳健。在防空应用背景下,自建了空中目标静态和视频图像数据集用于训练和测试,改进了基于深度学习的目标检测框架Faster R-CNN,将其专用于空中目标检测。结合空中目标检测任务的特点和需求,提出膨胀积累、区域放大、局部标注、自适应阈值、时空上下文等改进策略,弥补了Faster R-CNN对弱小目标和被遮挡目标不敏感的缺陷,提高了检测速度和精度。实验表明,改进后的Faster R-CNN在应对弱小目标、多目标、杂乱背景、光照变化、模糊、大面积遮挡等检测难度较大的情况时,均能获得很好的效果。数据集上测试结果的平局准确率均值较改进之前提高了16.7%,检测速度提高了3倍。     

基于深度迁移学习的复杂机场场景飞机目标检测方法

提出了一种改进的深度学习模型,旨在解决检测问题。首先基于迁移学习,微调预训练模型,提高了模型在有限的飞机数据集中的特征提取能力。其次,融入调整模块以增加深层特征图的感受野,提升模型的鲁棒性。引入特征金字塔网络,融合不同尺度的特征信息,进一步增强多尺度特征提取能力。最后,优化了检测头,融合轻量化的分类和回归并行分支,平衡了目标检测的准确性和实时性。构建了易于拓展的Aeroplane数据集,并对所提方法进行了实验验证。结果表明,所提模型在单架飞机、相互遮挡的飞机和小飞机的检测中平均精度分别提高了4.9%、4.0%和4.4%。所提方法在不同环境下表现优于其他经典方法,包括各类遮挡和夜间、雾天等复杂场景,具有良好的场景鲁棒性。     

基于改进Faster R-CNN的红外目标检测算法

为提升红外目标的检测精度,提出了一种引入频域注意力机制的Faster R-CNN红外目标检测算法。首先,针对红外图像边缘模糊和噪声问题,设计了一种并行的图像增强预处理结构;其次,在Faster R-CNN中引入频域注意力机制,设计了一种新型红外目标检测主干网络;最后,引入路径增强金字塔结构,融合多尺度特征进行预测,利用底层网络丰富的位置信息,提升检测精度。在红外飞机的数据集上进行实验,结果表明,改进后的Faster R-CNN目标检测框架比以ResNet50为主干的算法的AP提升了7.6%。此外,与目前主流算法对比,本文算法提高了红外目标的检测精度,验证了算法改进的有效性。     

特征增强SSD算法及其在遥感目标检测中的应用

为了提高对复杂场景下多尺度遥感目标的检测精度,提出了基于多尺度单发射击检测(SSD)的特征增强目标检测算法.首先对SSD的金字塔特征层中的浅层网络设计浅层特征增强模块,以提高浅层网络对小目标物体的特征提取能力;然后设计深层特征融合模块,替换SSD金字塔特征层中的深层网络,提高深层网络的特征提取能力;最后将提取的图像特征与不同纵横比的候选框进行匹配以执行不同尺度遥感图像目标检测与定位.在光学遥感图像数据集上的实验结果表明,该算法能够适应不同背景下的遥感目标检测,有效地提高了复杂场景下的遥感目标的检测精度.此外,在拓展实验中,文中算法对图像中的模糊目标的检测效果也优于SSD.     

基于分块速度域改进迭代运动目标检测算法的红外弱小目标检测

提出一种基于分块速度域的迭代红外运动目标检测算法来解决传统算法计算量巨大这一难题.首先,采用二维最小均方差滤波器对红外序列图像进行滤波,获得包含弱小目标以及残差的红外序列图像.然后,通过在序列图像块的速度域上应用改进的迭代运动目标检测算法进行能量累积,从而将弱小目标的运动速度在速度域进行累积增强,达到检测弱小运动目标的目的.最后在解算出的速度值附近进行搜索,得到弱小目标运动的精确速度.利用此速度进行空域能量累积,得到叠加图像,在此图上进行目标检测.与传统方法相比较,几组实验结果显示,本文提出的方法大大缩短了检测的时间,而且本文方法的检测效果也较好.     

一种基于数字图像的多目标检测方法

为使武器系统具备同时对多个目标进行精确打击的能力,在光电系统中可采用多目标视频跟踪器辅助激光照射器、伺服稳定平台实现多个潜在目标同时捕获跟踪并打击。研究了一种运行于多目标视频跟踪器的目标检测方法,针对数字图像分辨率高、数据量大及难以在嵌入式系统中实时运行的难点,基于TMS320C6455 DSP处理器,提出基于小波金字塔的全局运动光流估计算法图像配准实现运动图像的背景补偿以获取差分图像,相比传统的块匹配、灰度投影配准及基于特征点的配准算法,具有配准精度高与可嵌入式系统实时处理等优点,在差分图像中采用区域生长结合管道滤波算法提取图像中多个运动目标。经实验验证,该方法在复杂地面场景对汽车、自行车及行人目标检出率可达95%,计算时间仅为25 ms,具有良好的实时性和检测效果。     

基于典型目标反射率的近红外场景仿真

利用积分球对近红外增强相机进行了可见、近红外波段的辐射定标,并采用该相机采集了典型目标的可见、近红外图像.利用便携式地物光谱仪采集了相同目标可见、近红外波段的光谱反射率曲线,并分析了目标在可见、近红外波段的光谱反射特性.通过寻找同一天气条件、同一时间段所拍摄的典型目标近红外图像灰度值与可见光图像灰度值及典型目标可见、近红外波段反射率之间的关系,提出一种基于可见光图像及目标反射率反演近红外图像的算法.在近红外图像反演过程中考虑了大气透过率的影响,反演结果表明,本文算法可以较好地体现典型目标近红外图像的全局特征,为后续不同天气条件下近红外场景仿真的实现提供参考.     

基于改进视觉背景提取的运动目标检测算法

针对视觉背景提取算法(ViBe)中出现的鬼影问题、不能很好适应背景高频扰动和摄像机抖动问题以及由于采用空间邻域扩散机制引起背景更新错误问题,提出一种改进的视觉背景提取算法。该算法结合视觉显著性判断背景模型中存在的鬼影目标,通过判断背景模型中每个像素点的鬼影程度,结合模糊准则自适应改变时间子采样因子,加快消除鬼影的速度;通过建立一个闪烁程度矩阵,判断背景高频扰动程度来设置自适应匹配阈值,加入小目标丢弃和空洞填充策略;统计前景像素24邻域区域的像素点个数,判断前景像素点是否为摄像机抖动或者背景更新错误引起的噪点,提高算法的稳健性。结果表明,改进后的算法可以很好地弥补经典ViBe算法的不足,准确率与识别率等指标均大大提升。     

基于空间距离改进的视觉显著性弱小目标检测

在人类视觉系统(HVS)中,占据重要部分的是对比度值而不是亮度。现有的基于HVS的红外弱小目标检测算法可以有效提高目标信噪比和检测率,但也存在虚警率较高、易受噪声影响等问题。针对这些问题,提出一种基于空间距离改进的视觉显著性红外弱小目标检测算法。用目标所在像素块均值与其周围像素块加权和的比值来加权目标点灰度,得到一幅显著图。在计算周围像素的灰度加权和时,将视觉注意机制中关键因素之一的空间关系考虑进去,根据空间距离加权计算,较远的地方分配较小的权值。实验表明,本文算法不仅可以降低虚警率,而且抗噪能力也比较强。     

基于改进Hough变换的井盖目标检测与定位

市政井盖的实时告失对城市管理具有重大意义。针对图像的复杂背景,提出了改进的Hough变换算法。在经边缘提取的二值图上,利用轮廓跟踪找到所有的轮廓,接下来设计轮廓过滤器排除虚假目标,进而在轮廓链表上进行Hough变换从而确定目标可能出现的区域,最终获得准确的井盖区域定位。该方案有效地提高了传统Hough变换的处理速度,减少了无效采样和累积。实验结果表明,该算法在多种复杂背景、不同视角、不同拍摄时间和条件、目标被部分遮挡等情况下都有很好的定位效果。     

基于环境光检测的场景融合系统

基于深度相机和人眼检测模型实时返回观察者眼睛的位置坐标,利用坐标转换模型计算合理的显示区域,通过颜色传感器的颜色分量数据估计环境色温和亮度;根据提前标定的显示参数映射表调整显示状态,使其最接近环境光的色彩表现。搭建了场景融合实验系统,系统分为位置监测相机、图像采集相机、颜色传感器、显示设备、处理器五部分.分别在色温为6354 K,照度为160 lx的室内场景和色温为6197 K,照度为848 lx的室外场景下进行融合实验.实验结果表明,场景融合方案能够为不同位置的观察者调整显示画面,并根据环境光信息改变显示参数,融合效果优良,单次执行仅需283 ms.     

基于多特征的快速红外弱小目标检测算法

为了从全向红外搜索和跟踪系统采集的海量大视场高分辨率红外图像中快速准确地检测出红外弱小目标,本文提出了一种基于由粗到细的分阶段检测策略和时空域特征融合的红外弱小目标检测算法.首先,通过引入基于频域的快速显著性检测算法预先检测出目标可能存在的候选区域;其次,对候选区域进行角点检测以判定是否存在候选目标;最后,通过结合帧间时空域特征对候选目标进行进一步判定,以提取真实目标、删除虚假目标.多种实际场景的实验结果表明,该目标检测算法不仅运算量小而且探测概率高、虚警率低,是一种工程实用性能很好的红外弱小目标检测算法.     

基于多滤波算法融合的红外小目标检测

针对海天背景下红外视频图像序列中小目标检测的精度问题,提出一种基于多滤波融合的算法。通过分析红外小目标及背景噪声的成像特征与时空特性,将Tophat算法与改进的Robinson guard滤波器相结合,有效抑制背景、突显目标;采用自适应阈值分割提取候选目标,并使用Unger平滑滤波以及多目标关联滤波剔除噪声和伪目标。多组红外小目标图像序列的检测实验结果表明,提出的算法平均检测率高达99%,在不同场景下均有较高的检测精度。