采用图像特征的激光干扰跟踪效果评估

对于广泛应用于图像识别和跟踪的激光主动成像系统,激光干扰是影响该类系统性能的一个重要因素。激光干扰使系统中的光电成像元件达到饱和或损伤,在探测视场中出现光斑,从而使跟踪算法无法准确分辨目标和光斑。因此,分析并评估激光对主动成像系统的干扰效果是避免干扰的前提,同样也是重要的环节。提出一种基于图像特征的边缘相似度(ESIM)评价算法,该算法通过模板匹配确定图像的目标区域,并比较原始图像和干扰图像目标区域的亮度、对比度和边缘清晰度差异,得到归一化的评价指标,作为对激光干扰效果的评估标准。实验中分别采集了不同干扰功率和不同光斑位置的激光干扰图像,并利用相关跟踪和形心跟踪方法对目标进行跟踪,运用本文提出的ESIM算法从图像特征角度对干扰跟踪效果进行评估,结果证明ESIM能够合理评估干扰图像的失真程度,并可以较好地反映激光对主动成像系统跟踪性能的影响。     

基于光斑与图像特征的动态激光干扰效果评估

激光主动成像系统通常用于重要区域监视和危险目标识别,其上的光电成像探测器易受敌方激光干扰产生局部饱和甚至损伤,导致目标识别失效。在实际中,激光干扰功率和光斑位置等因素均时刻发生变化,导致激光对每帧图像的干扰效果也不尽相同,因此,动态的衡量激光干扰效果具有重要意义。提出了一种基于光斑特征和图像特征的无参考动态激光干扰图像评估算法,通过加速分隔测试特征(FAST)算法提取特征点,并运用特征点匹配确定图像的目标区域,在该目标区域利用饱和像素数和光斑相对位置变化表示光斑特征对图像质量的影响,利用图像中特征点和边缘点分布特性以及边缘清晰度表示图像特征的变化,将5个评价因子相乘,得到归一化的评估指标。利用激光主动成像识别系统对设定目标进行照明成像识别实验,采集不同干扰功率和干扰方位的激光干扰图像。基于提出的无参考动态特征评估算法对获得的连续多帧激光干扰图像进行评估,结果表明该算法能够准确评价不同功率、方位激光的干扰效果,客观反映光斑遮盖下自动目标识别算法的失效程度。     

基于光斑与图像特征的激光干扰效果评价方法

提出了一种基于光斑与图像特征的激光干扰效果评 估方法。用激光光斑中心相对于目标中心的距离反 映光斑的分布特征变化;用图像稀疏表示特征矩阵的变化情况来反映干扰前后图像的全局特 征变化;用图像边缘清 晰度的变化情况反映干扰前后图像的局部特征变化;综合干扰前后图像中的光斑与图像特 征的变化来评估激光干 扰效果。激光干扰实验结果表明,与传统的评估方法均方误差(MSE)和图像结 构相似度(SSIM)相比,提出的基于光斑与图像特征的评估方法对 不同激光功率、不同照射位置和不同背景强度下的干扰图像都给出了合理的评估结果,能够 克服背景强度不一致和 光斑位置变化对评估结果的影响,实现了对激光干扰效果客观、准确的评价。     

结合激光功率和光斑位置的多帧动态干扰效果评估

激光主动成像系统通常用于重要区域监视和危险目标识别,当该系统受到敌方激光干扰时,其成像质量将会下降。由于目标、成像系统和干扰源的相对位置,以及干扰源的干扰功率处于时刻变化中,导致不同时刻的干扰效果不尽相同,如何衡量一段时间内激光对成像系统的干扰效果成为一个难题。提出了一种基于连续多帧图像动态特征变化的无参考激光干扰评估算法,在图像目标区域内分析单帧干扰图像中特征点的匹配准确率和空间变化率以及多帧图像特征点变化的准确性、空间性、结构性差异、频率和显著性特征,最终得到归一化的评估指标。利用激光主动成像识别系统对设定目标进行照明成像识别实验,采集不同干扰功率和干扰方位的激光干扰图像。基于提出的特征点动态性算法对获得的连续多帧激光干扰图像进行评估,结果表明该算法能够准确评价一段持续干扰过程中不同功率、方位的激光干扰效果,客观反映光斑遮盖下自动目标识别算法的失效程度。     

基于特征点分布特性的激光干扰效果评估算法

激光主动成像系统通常用于区域监视和目标识别,但其上的光电成像探测器容易受到激光干扰,进而导致目标识别误差甚至目标丢失。因此,从目标识别特征的失效程度出发,研究激光干扰效果评估具有重要意义。提出了一种特征点相似度(FPSIM)评估算法,利用加速分割测试特征(FAST)算法提取原始图像和干扰图像的特征点,然后通过特征点匹配得到目标区域,在目标区域位置计算它们的特征点保持度和稳定度,提取原始图像特征点的位置,并在两幅图像中对应相同位置处比较它们的局部亮度和对比度失真度,再将特征点保持度、稳定度和亮度、对比度失真度相乘得到归一化的FPSIM。利用激光主动成像系统对设定目标进行照明成像实验,采集了不同干扰功率、不同背景强度和光斑位置的干扰图像。使用提出的FPSIM算法对获得的激光干扰图像进行评估,结果证明FPSIM能够客观反映图像在目标识别过程中特征点的变化情况,通过与归一化均方误差(NMSE)及结构相似度(SSIM)方法对比,FPSIM算法对不同程度的激光干扰图像都给出了合理的评估结果,其评价结果更符合主观视觉感受,并且能够指导激光主动成像识别系统的防护与应用。     

基于“猫眼效应”的激光主动探测技术应用研究

基于“猫眼效应”的激光主动探测技术,是对无人机光电系统实施强激光干扰较为有效的探测和效果评估方法。基于对光学探测系统参数理论分析,建立了因离焦量而引起的回波发散角及回波功率计算模型。从激光发散角、入射角、反射角等方面研究了激光主动探测技术所受影响因素,为判别干扰是否有效,对激光回波探测功率的影响因素进行细化分析,在仿真条件下计算出激光干扰有效的入射角度范围。     

应用于电能质量的压缩感知稀疏基的研究

为了解决基于傅里叶变换基的压缩感知对电能质量干扰信号压缩采样丢失时变信息的问题,本文进行了基于小波变换基的压缩感知电能质量研究。首次提出采用不同小波基的小波变换基作为稀疏基,来提高压缩感知对电能质量干扰信号的重构效果,为电能质量研究提供了一种新的研究方向;并通过实验仿真对比了基于傅里叶变换基和基于小波变换基的压缩感知重构效果。在压缩感知重构算法分别采用正交匹配追踪算法和压缩采样匹配追踪算法下,仿真结果表明,压缩感知应用于电能质量时,基于小波变换基的压缩感知重构效果优于基于傅里叶变换基的压缩感知重构效果;当压缩采样比是20％,稀疏基采用db3小波变换基时,均方误差均低于0．1％,良好地完成了原始电能质量干扰信号的重构。     

基于DWT的高频系数压缩感知图像融合

传统的基于DWT的压缩感知图像融合方法针对的是整个稀疏系数,由于小波系数的低频部分为非稀疏的,导致其压缩重构质量差。针对该问题,提出了一种基于DWT高频系数压缩测量的融合方法,该压缩模式可以提高重构信号的质量,进而提高融合图像的效果。首先,对图像作小波稀疏变换,得到低频和高频系数,并对高频系数压缩测量得到测量值;然后,在小波域和压缩域分别进行融合,并对融合后的测量值进行重构得到融合后的高频系数;最后,经小波逆变换得到融合后的图像。实验结果表明,本压缩感知模式较传统的压缩感知模式在减少压缩数据量的同时提高了图像的融合效果。     

基于稀疏表示和道路辅助的单幅SAR图像运动目标检测方法

本文提出一种利用单幅SAR(Synthetic Aperture Radar)图像实现运动目标检测的方法.首先提出一种基于压缩感知的SAR图像道路检测算法:根据SAR图像中道路的特点,使用模糊C均值方法将图像进行模糊分类,获得大致的道路区域,然后利用Hough变换域的稀疏性,用压缩感知精确定位图像中的道路信息.其次利用图像稀疏表示的方法对运动目标进行检测:不同速度运动目标的散焦量和距离单元跨越不同,由此生成样本图像,继而构造超完备字典.将待测图像分块,并计算子图像在字典下的稀疏系数,检测并匹配出运动目标的速度参数.最后,结合已检测出的道路辅助信息,消除多普勒模糊影响,剔除虚假的运动目标,并对运动目标速度参数进行校正.实验结果证明了所提方法的有效性.     

激光主动探测中的“猫眼”目标识别定位算法

激光主动探测是利用光学系统的“猫眼效应”对敌方侦察设备进行探测识别的技术,其核心技术是利用回波精准地找到敌方光学探测器的位置,从而实施对探测器的干扰或其他措施。构建了激光主动探测中激光传输的基本模型,讨论了大气衰减、离焦量和入射角度等多种条件对激光主动探测的影响;基于激光主动探测的光电回波图像,以实际探测过程中的激光传输特性为基础,创造性地提出了回波功率、目标大小、目标形状3种判据,与传统目标检测算法相结合,实现了对敌探测设备的精确识别定位;通过实例检验,验证了该算法相较于传统算法具有更好的识别能力,且具有较强的通用性和一定的实战应用价值。     

对集群光电成像传感器的多源协同相干激光干扰机理研究

目前激光干扰基本是一对一干扰模式,随着光电侦察传感器的大量使用,激光干扰急需面向集群目标的多对多干扰手段。立足于解决对集群化光电成像侦察的有效压制干扰问题,文中提出对集群光电成像传感器的多源协同相干激光干扰方法,以视场外散斑相干合成干扰作为多对多干扰实现的基本思路,探讨其相干干扰机理,建模分析双光束相干激光干扰光电传感器作用效果并提出对集群目标的协同干扰模型。仿真结果表明,激光入射角度是激光协同相干干扰的重要影响参数,能够作为干扰站协同部署的依据。同时,基于PSNR与MSE的图像质量评价结果表明,相干叠加干扰与单光束干扰以及非相干叠加干扰相比具有明显优势。     

压缩传感条件下红外和可见光图像融合技术的研究

为了提高夜间对目标的识别能力,红外和可见光图像融合技术被广泛应用到夜视系统中。使用压缩传感技术可以通过获取信号的少量线性投影来保留信号的完整信息,解决红外成像中红外探测器件与图像分辨率之间的矛盾。以压缩传感测量值作为图像内容特征,直接进行图像融合,可以减少重构误差和计算量。因此本文提出一种压缩传感条件下的红外和可见光图像融合算法。首先,本文算法同时考虑融合图像和原始图像的相似度和对原始图像特征的保留程度,提出一个新颖的代价函数。然后,采用L₁范数优化求解该代价函数,得到融合图像对应的稀疏系数。最后,利用字典和该稀疏系数重构为融合图像。通过和几种压缩传感条件下的融合算法比较,可以看出本文算法在主观视觉效果和客观评价方面均具有显著优势。该算法为压缩传感条件下的图像融合提供一种新的有效手段。      

弹载激光探测器加速寿命试验与评估研究

为满足弹载激光探测器贮存寿命评估的实际需求,研究了适用于激光探测器的加速寿命试验与寿命评估方法。首先,研究影响激光探测器的贮存寿命的因素,提出加速试验方案中应力范围、寿命分布类型、应力施加方式、试验时间等因素设计准则,其次基于极大似然法计算加速模型参数,通过寿命分布类型检验判定加速试验方案的合理性,最后利用加速因子折合寿命试验数据,实现贮存寿命评估,本文研究内容为激光探测器贮存寿命评估提供借鉴。     

近红外激光对图像传感探测器的干扰研究

为了研究近红外激光对图像传感器的干扰机理，利用波长为1064nm的连续激光辐照黑白电荷耦合器件相机，观察激光对黑白相机的干扰现象, 将实验中采集到的数字图像进行处理，提取了黑白相机在不同激光功率下的干扰程度曲线，并进行了分析。结果表明, 图像传感器相机干扰包括干扰光斑和串音线，激光功率越高，干扰光斑半径越大，串音线缓慢变宽，相应干扰区域中饱和像元数越多，干扰程度越严重；对于1064nm激光对黑白相机的干扰过程，饱和像元数量正比于激光功率基本呈线性增长；对实验现象中出现的规律性点阵光斑和旁支串音线的新现象解释为与光学镜头的傅里叶频谱性质有关；利用相关公式推导得出一般干扰过程的拟合曲线，并根据图像传感器基本像元结构的电容势阱特点和载流子溢出方式来对干扰过程进行仿真模拟，仿真结果与实验数据基本相符。该结果有助于近红外激光对CCD的干扰研究。     

视场外激光对CCD成像制导武器的干扰研究

CCD成像制导武器在军事上的广泛应用,促使与之相应的光电干扰技术得以迅速发展,采用低能激光进行压制性干扰是一种有效的干扰方式.在实战环境中,难以保证激光束始终直射导引头内CCD探测器表面.为了验证视场外激光能否干扰CCD成像探测系统和干扰程度,首先介绍软破坏的实用性和可行性,进行了视场内、视场外激光干扰VC-210B型CCD探测器的实验,分析了视场外激光干扰的原理,并对激光软破坏某型CCD成像探测器所需能量进行估算,且从点源透过率角度说明激光视场外干扰的可行性.实验结果表明:视场外激光可实现对CCD成像探测系统的有效干扰.     

利用HSSIM和残差比阈值的3维激光扫描图像去噪

为了更好地实现3维激光扫描图像的去噪,提出一种融合直方图结构相似度(HSSIM)和残差比阈值的改进稀疏去噪算法。利用初始化过完备字典进行稀疏分解,以相似因子代替重构误差作为保真项,利用残差比阈值作为正交匹配追踪算法的迭代终止条件对图像进行去噪,获得了去噪后图像的峰值信噪比及HSSIM指标。结果表明,与基于db2小波变换、多尺度曲波变换和离散余弦变换的去噪方法相比,该算法能获得更好的峰值信噪比和HSSIM数据。在有效去除图像噪声的同时还能更有效地保留图像的细节特征。     

基于稀疏优化的图像压缩感知重建算法

在信号的稀疏表示方法中,传统的基于变换基的稀疏逼近不能自适应性地提取图像的纹理特征,而基于过完备字典的稀疏逼近算法复杂度过高.针对该问题,文章提出了一种基于小波变换稀疏字典优化的图像稀疏表示方法.该算法在图像小波变换的基础上构建图像过完备字典,利用同一场景图像的小波变换在纹理上具有内部和外部相似的属性,对过完备字典进行灰色关联度的分类,有效提高了图像表示的稀疏性.将该新算法应用于图像信号进行稀疏表示,以及基于压缩感知理论的图像采样和重建实验,结果表明新算法总体上提升了重建图像的峰值信噪比与结构相似度,并能有效缩短图像重建时间.     

象限探测器放大组件带宽设计方法研究

为了提高激光导引头探测灵敏度,采用数值仿真的方式,拟合出了象限探测器放大组件带宽与激光导引头探测灵敏度的关系曲线,并定量分析了导引照射激光的脉冲宽度对象限探测器放大组件带宽设计的影响。提出象限探测器放大组件带宽设计方法,以某型激光导引头为例,对该方法的有效性进行了实验验证。结果表明,象限探测器放大组件带宽设计方法可有效降低激光导引头最小可探测功率,使用该方法对激光导引头象限探测器放大组件进行优化设计后,激光导引头最小可探测功率较原设计下降约60%,有效地提高了激光导引头探测灵敏度。该研究为激光导引头光电探测系统设计提供了参考。     

Visual privacy-preserving level evaluation for multilayer compressed sensing model using contrast and salient structural features

Recognition and classification tasks in images or videos are ubiquitous, but they can lead to privacy issues. People increasingly hope that camera systems can record and recognize important events and objects, such as real-time recording of traffic conditions and accident scenes, elderly fall detection, and in-home monitoring. However, people also want to ensure these activities do not violate the privacy of users or others. The sparse representation classification and recognition algorithms based on compressed sensing (CS) are robust at recognizing human faces from frontal views with varying expressions and illuminations, as well as occlusions and disguises. This is a potential way to perform recognition tasks while preserving visual privacy. In this paper, an improved Gaussian random measurement matrix is adopted in the proposed multilayer CS (MCS) model to realize multiple image CS and achieve a balance between visual privacy-preserving and recognition tasks. The visual privacy-preserving level evaluation for MCS images has important guiding significance for image processing and recognition. Therefore, we propose an image visual privacy-preserving level evaluation method for the MCS model (MCS-VPLE) based on contrast and salient structural features. The basic concept is to use the contrast measurement model based on the statistical mean of the asymmetric alpha-trimmed filter and the salient generalized center-symmetric local binary pattern operator to extract contrast and salient structural features, respectively. The features are fed into a support vector regression to obtain the image quality score, and the fuzzy c-means algorithm is used for clustering to obtain the final evaluated image visual privacy-preserving score. Experiments on three constructed databases show that the proposed method has better prediction effectiveness and performance than conventional methods.