基于摆停模式的航空大视场面阵热成像技术

针对目前基于单元探测器和线列探测器的红外成像仪不能较好兼顾大视场、高空间分辨率、高温度灵敏度的问题,研制了一套基于非制冷型面阵红外探测器的大视场热红外成像仪,实现了75°大视场、0.4 mrad空间分辨率和50 m K(NEΔT)温度灵敏度指标.建立了面阵摆扫图像畸变校正模型,较好地解决了面阵摆扫图像定位精度低和图像拼接裂缝问题.研究成果对大视场面阵摆扫红外成像技术的发展具有重要的参考价值.     

基于GPS的红外成像测向交叉定位方法

开展基于GPS的红外成像测向交叉定位研究,引入GPS技术进行测站定位、确定目标测向基准,以地理投影坐标系为定位坐标系,建立双站交叉定位、测站定位、目标测向数学模型;分析定位误差与布站情况、GPS定位精度、测角精度的关系;提出基于SolidWorks的仿真试验方法,验证了本文双站交叉定位数学模型的正确性;设计两组外场验证试验,全面验证了本文定位方法的有效性。试验表明,本文方法对近1km远处目标的定位误差<0.5m,不要求测站相互可见,且便于描述目标偏离测站、其他任意GPS已知点的地理方位角,具有重要应用价值。     

利用基于红外光谱成像的光谱特征匹配法显现被掩盖字迹

提出了一种用于显现被碳素墨水掩盖的字迹的光学方法,为查明案情提供了技术支撑。利用红外成像光谱仪采集了被碳素墨水掩盖字迹的光谱影像集,并运用光谱特征匹配法对光谱影像集进行了分析和处理,较清晰地显现了被碳素墨水掩盖的字迹。实验结果表明,基于红外光谱成像的光谱特征匹配法是显现被碳素墨水掩盖字迹的有效光学方法。     

面阵摆扫型无人机载大视场高光谱成像技术研究

提出了一种面阵摆扫型无人机载大视场高光谱成像技术,控制基于马赛克型滤光片分光的画幅式高光谱相机在翼展方向进行扫描实现大视场、高光谱分辨率成像。进行外场飞行试验,获取了像质清晰的大视场、高光谱分辨率对地观测图像,飞行作业效率为8.64 km2/h,较单相机成像,作业效率提高约3.4倍。系统光机结构简单,体积、重量优势明显,在无人机高光谱遥感方面应用前景广阔。研究成果对推动无人机载光谱成像技术向大视场、高光谱分辨率方向发展具有一定的参考价值。     

热红外高光谱成像仪光谱匹配盲元检测算法

受红外焦平面阵列生产工艺及材料本身特性影响,红外焦平面阵列不可避免地存在盲元,严重困扰红外数据的处理与应用。光栅分光推扫式热红外高光谱成像仪一般以红外焦平面阵列的其中的一维作为光谱维进行推扫式成像,空间维只剩一维,与一般的热像仪具有二维空间维的成像机制有很大区别。常规的实验室定标法和开窗处理的场景检测方法不能满足该成像方式的盲元检测需求。以热红外高光谱成像仪中的盲元检测为目标,有针对性地提出了基于光谱匹配的盲元检测算法。该方法从光谱维角度出发,以不同温度实验室黑体定标数据生成温升光谱数据,在数据规则化处理的基础上,自动提取有效像元目标的伪光谱曲线,采用光谱角匹配的方式实现盲元的自动检测。以典型的热红外高光谱成像仪获取数据并开展盲元检测实验,结果表明该方法充分利用了热红外高光谱成像仪的光谱维信息,检测精度较高,盲元补偿后的数据可满足热红外高光谱数据的行业应用。     

基于场景有序运动的热红外视频去噪方法

在信号动态范围较小的场景下热红外图像的信噪比偏低,同时在诸多应用中其场景会在某一方向发生单调运动。基于这种考虑,提出了一种基于场景有序运动的热红外视频去噪方法。通过低秩矩阵近似的相关理论,引入场景有序运动这一先验知识并构建严格的观测矩阵,利用加权核范数最小化算法求解去噪的低秩矩阵形式并重构视频信号。经仿真分析,本方法在强噪声环境下具有较高的峰值信噪比与降噪鲁棒性,通过海洋遥感数据验证了方法的实际效果,从而在遥感与搜救等领域具有一定应用价值。     

融合全局与局部特征的鞋印特征提取网络设计

为进一步解决残缺、模糊鞋印的检索困难问题，设计一种使用全局与局部特征联合表达的特征提取网络。一方面，在全局特征分支上对多尺度的鞋印全局特征进行快速归一化加权融合，并对其所有输出分别计算损失；另一方面，在局部特征分支上利用分部特征提取（PCB）模块将鞋印特征图分为3个部分，分别提取3个部分的局部特征并计算其损失。在训练阶段，将全局特征分支与局部特征分支的所有损失相加进行联合表达；在测试阶段，将两分支拼接后的输出直接展平作为待检索鞋印的描述符，并将其与样本库鞋印描述符的余弦距离作为相似性评分。实验结果表明，所提方法大幅降低模型的参数量及计算成本，并在CSS-200、CS-Database和FID-300这3个鞋印数据集上取得较高的准确率，且在CSS-200和CS-Database(Dust)数据集上的top1%取得较好的准确率，分别为94.5%和95.45%。     

基于卷积神经网络的现场勘查照片分类方法

随着人工智能技术的迅速发展与广泛应用，智能化勘查方法正成为刑事科学技术领域新的研究热点，而实现现场勘查照片自动识别与分类是智能化勘查的重要研究内容。面向公安机关实战应用需求，提出了一种基于卷积神经网络的现场勘查照片自动分类算法。基于真实案件照片，建立了现场勘查照片数据集，包含现场勘查照片13164张，负类照片4008张。根据现场勘查照片数据特性，设计了现场勘查照片分类网络（CriSNet），通过对卷积层增加归一化处理以及改进bottleneck模块，实现对现场勘查照片的精确分类。实验结果表明：CriSNet模型的分类精度优于基准网络1个百分点，具有较好的鲁棒性，同时在分辨率低、品质较差的情况下，仍能保持较好的分类性能。