低空光电探测系统的研究现状及发展趋势

以无人机为代表的低慢小目标对当前军事产生了重大变革,特别是在复杂作战环境下对现代战争产生的威胁。本文通过对多种探测手段的分析,阐明了光电探测在低空复杂背景探测下的绝对性优势,分析了光电探测系统的研究现状,介绍了当前光电系统面临的四个主要的挑战难题:大视场远距离探测、大视场与高分辨兼容、复杂背景低虚警探测与高精度识别、多目标跟踪定位,并给出了对应的解决思路,同时也是未来光电探测系统的发展趋势,通过光电探测能力的提升,实现真正与雷达能力的匹配。     

基于自适应对比度增强的红外小目标检测网络

红外探测系统需要尽早发现目标以便及时拦截,但是红外图像上的小目标检测是一个挑战十足的任务。为了提高检测准确率,提出一种基于自适应对比度增强的红外小目标检测方法。为了利用自注意力机制和卷积各自的优势,设计了一个高效的特征提取网络和一个面向小目标的检测头。同时为了解决实际应用中出现的弱目标,在检测子网络前添加了一个图像预处理子网络,该模块可以自适应地调节图像对比度。在红外空中小目标数据集上的实验表明,提出的方法能达到93.76%的检测精度,与经典的检测方法相比,能够更好地平衡检测精度和召回率,证明了方法的巨大应用潜力。     

基于YOLOv5s的航拍小目标检测改进算法研究

针对无人机航拍时拍摄的对象大小不一、种类繁杂且容易被建筑遮挡等问题,提出了一种基于YOLOv5s的无人机目标检测改进算法VA-YOLO。在已有的主干网络中添加CA注意力机制模块,扩大检测区域,获得更准确的位置信息;针对检测小目标时尺度不一导致语义丢失的问题,添加小目标检测层与BiFPN结构,加深浅层语义与深层语义结合,以此丰富对检测目标的语义信息;使用损失函数Varifocal loss与EIoU,改善模型对小目标检测的准确性。实验结果表明,在VisDrone2019-DET数据集上,该算法的平均检测精度(mean Average Precision, mAP)达到了39.01%,相比YOLOv5s提高了6.26%。     

双重JPEG压缩图像篡改区域检测与定位

对JPEG(joint photographic experts group)图像实施篡改往往会产生双重JPEG(double JPEG,DJPE) 压缩痕迹,分析该痕迹有助于揭示图像压缩历史并实现篡改区域定位。现有算法在图像尺寸较小和质量因子(quality factor,QF) 较低的时候性能不佳,对两个QF的组合情况存在限制。本文提出了一种端到端的混合QF双重JPEG压缩图像取证网络,命名为DJPEGNet。首先,使用预处理层从图像头文件中提取表征压缩历史信息的量化表 (quantization table,Qtable) 特征,将图像从空域转换至DCT(discrete cosine transform)域构造统计直方图特征。然后,将两个特征输入到由深度可分离卷积和残差结构堆叠而成的主体结构,输出二分类结果。最后,使用滑动窗口算法自动定位篡改区域并绘制概率分布图。实验结果表明,在使用不同Qtable集生成的小尺寸数据集上,DJPEGNet所有指标均优于现有最先进的算法,其中ACC提高了1.78%,TPR提升了2.00%,TNR提升了1.60%。     

一种频域脉冲最小均方误差杂波对消算法

针对“低慢小”探测雷达杂波多普勒主瓣淹没慢速弱目标问题,该文提出了频域脉冲LMS（FPLMS）算法来对消杂波。该算法利用杂波分量在脉间的平稳性,自适应地估计各距离单元杂波的复幅度来重构杂波,实现杂波对消。仿真结果表明：FPLMS算法能够有效对消杂波,消除杂波主瓣对目标检测的影响;且具有很窄的滤波器凹口,约为MTI滤波器的1/3,对速度大于1个速度分辨单元的目标几乎无信噪比损失,适用于“低慢小”探测雷达的杂波对消。     

声透镜指向性换能器研究

该文利用声学透镜使声波能量聚焦,实现小尺寸换能器窄波束声辐射。利用有限元方法分别建立了单凹面声透镜及双凹面声透镜仿真模型,优化了声透镜结构参数,设计并制作了双凹面声透镜指向性换能器,并在消声水池内对换能器样机和声透镜进行了性能测试。换能器样机辐射面积直径?120 mm,设置声透镜后,提高发送电压响应级4 dB,发射指向性-3 dB波束开角由76°变为约30°(@10 kHz),与仿真计算结果相符。实验结果表明,声透镜有效减小了换能器发射波束宽度,提高了换能器主瓣发送电压响应,验证了双凹面声透镜对优化换能器指向性的效果。     

基于超分辨率与在线检测DSST的红外小目标跟踪

红外小目标的相关研究在军事领域的制导、预警和边防间谍无人机检测中极其重要。针对红外小目标的跟踪研究,本文提出了一种基于超分辨率增强与在线检测DSST(Discriminative Scale Space Tracker)的小目标跟踪算法。首先,基于融入红外图像特征的超分辨率重建算法对原始图像进行更新,增强了弱小目标,然后,增强的图像被用作基于在线检测DSST算法的输入,得到响应映射,估计目标位置。实验结果表明,与几种最新算法相比,该算法在准确性方面表现出色。     

基于动态贝叶斯网络的低慢小目标威胁评估北大核心CSCD

针对复杂地形下低慢小目标难以防御的难题,本文分析并研究对于与低慢小目标威胁评估具有影响作用的因素,提出一种基于动态贝叶斯网络的威胁评估方法。基于低慢小目标的威胁属性,构建动态贝叶斯网络拓扑,利用贝叶斯理论推理出威胁值;并通过仿真试验验证该种基于动态贝叶斯网络的方法在对低慢小目标进行威胁评估是可行的。