基于深度学习的无人车夜视图像语义分割

为了增强无人车对夜视图像的场景理解,在夜间模式下更快更精确地探测和识别周围环境,将深度学习应用于夜视图像的场景语义分割,提出了一种基于卷积-反卷积神经网络的无人车夜视图像语义分割方法。在传统的卷积神经网络中加入反卷积网络,构建卷积-反卷积神经网络,无需手工选取特征。通过像素到像素的学习和训练,得到图像语义分割模型,可直接用该模型预测夜视图像中每个像素所属的场景语义类别,实现无人车夜间行驶时的环境感知。实验结果表明,该方法具有较好的准确性和实时性,平均IU达到68.47。     

夜间目标特性与微光夜视

对夜间目标亮度分布特性、外形尺寸特性和与背景的对比度特性进行分析，并给出测量数据。分析微光夜视系统对目标特性的改变，探讨提高微光夜视性能的对策。     

新一代飞行头盔夜视用传感器分析

合适的夜视传感器对于飞行头盔的设计至关重要，是确保飞机驾驶员完成任务的关键。飞行头盔的工作特点也决定了集成其上的夜视传感器必须具备高灵敏、紧凑轻便等特性。在分析飞行头盔用夜视传感器的工作环境、目标特性基础上，参照已集成应用于飞行头盔的夜视传感器实例，解析了两种适用夜视传感应用的“电子轰击混合型像增强器”和”InGaAs焦平面型探测器”的技术指标。给出了适合飞行头盔用夜视传感器的主要技术指标要求，并提出对国产现有夜视用传感器加以改进，使之更适合飞行头盔夜视应用的技术方向。