综合相似性在红外目标隐身效果评估中的应用

对于单张红外图像进行隐身效果评估,需要考虑像素点间反映的图像相似特征信息,而单一的相似性度量方法不能够全面准确地反映红外图像间相似性。在对单张红外图像均等分块的基础上,综合考虑了基于图像灰度直方图法、方向梯度直方图特征法、结构相似度法和目标分类4种相似性度量方法的优点,利用主成分分析法确定不同相似性度量方法的权重值,提出了基于综合相似性度量的评估方法。通过各相似性度量方法间横向与纵向的对比,分析不同遮挡情况下目标与背景图像间每种相似性度量方法的平均值和标准差。结果表明:综合相似性度量能够更准确地反映图像间相似性信息,更有效地处理单张红外图像隐身效果评估问题。     

基于改进SSD的特种车辆红外伪装检测方法

在目标检测领域,基于深度学习的SSD目标检测网络同时具有实时性好和准确性高两大优点。由于特种车辆红外图像难以获取,以小轿车和公交车红外图像为研究对象,构建了红外图像Pascal VOC数据集,训练了SSD网络,并利用训练好的网络检测了红外目标图像。结果表明,红外目标的特征信息越多,检测精度越高,但红外图像中信息残缺的车辆存在漏检的问题。针对该问题,通过添加残缺窗口模块优化数据集结构,有效解决了车辆漏检问题,同时目标整体的检测准确率也明显提升。将改进数据集后的红外目标检测结果作为评价指标,能够较准确评估复杂背景下特种车辆红外隐身伪装效果。