基于偏振图像的低照度场景多目标检测算法

偏振光反射信息可直接反演目标本征特性,且在传输过程中具备较强的抗干扰特性,因此偏振成像技术可适用于多种复杂环境中的智能监控、交通监察领域。近年来使用深度学习判读图像检测目标的方法迅速发展,已经广泛应用于图像处理的各个领域。本文提出了一种基于偏振图像与深度神经网络算法的行人、车辆多目标检测算法YOLOv5s-DOLP。首先,通过实时获取到偏振图像进行偏振信息解析,获取目标偏振度图像。其次,为增强偏振度图像中检测目标与背景存在高对比度的特性,在主干网络中引入通道注意力与空间注意力,提升网络特征进行自适应学习的能力。此外,使用K-means算法对目标位置信息进行聚类分析,加快网络在偏振度图像的学习速度,提升目标检测精度。实验结果显示,该算法结合了偏振成像和深度学习目标检测的优势,对于低照度复杂场景中的车辆、行人目标检测效果好、检测速度快,对于道路车辆的目标检测、识别与跟踪具有一定的应用价值。     

基于红外偏振成像的目标检测技术

红外偏振成像技术是利用物体偏振度上的差异来对复杂背景下的目标进行探测的。在战场上,由于人造物体和自然景物在偏振度上存在差异,红外偏振成像技术能够提高人们对自然景物及伪装的辨别能力。首先介绍了偏振成像理论及其系统的结构组成,然后对基于偏振图像处理的目标特征提取过程进行了分析,并对偏振图像像质评价方法以及图像融合、分割和特征提取方法进行了研究。最后给出了国外基于偏振成像目标检测技术的应用研究情况,并指出了该技术在军事领域中的应用价值。     

基于偏振特征的目标检测

通常的光电检测系统是根据光的强度差别来区分目标的，但当强度差别不明显时或目标所处的背景很杂乱时，用强度来区分目标是非常困难的．在文中，提出利用光的另一个基本特征一偏振特性来区分场景中的目标，可以克服由于强度差过小带来的目标检测上的困难．经过实验表明，利用光学偏振特征的成像传感器所获得的图像使得目标检测大大简化．     

可见光偏振成像系统的微小目标检测

可见光偏振成像系统得到的微小目标图像特征较少,导致准确检测较为困难,基于此,本文设计一种可见光偏振成像系统的微小目标检测方法。根据可见光偏振成像系统获取图像原理,从多角度获取微小目标图像;通过图像空间位置,配准不同角度的目标图像,去除目标图像噪声,提取偏振特征;融合不同角度的目标图像,计算图像信息熵,增强检测目标;采用图像阈值分割的方式,划分目标图像范围,通过小面拟合的方式,完成微小目标检测。实验结果:应用该方法后检测到的微小目标图像品质因素高达0.99,图像信息熵、目标与背景对比度值较对比方法分别高0.2、0.25、0.19,0.03、0.05、0.03,检测到的微小目标具有较优的质量。     

林地背景下伪装目标偏振成像检测算法

综合利用了偏振特征和偏振融合图像的分形特征,提出了一种林地背景下伪装目标偏振成像检测算法.首先通过模糊聚类的方法分割出偏振图像中目标的潜在区域,通过形态学方法去除微小干扰;然后在潜在区域提取分形特征,利用伪装目标与背景分形维数的差异排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的位置和形状特征,从而...     

基于YOLOv5网络模型的火焰检测

煤炭资源在开采的过程中会伴随着产生一种名为煤层气的产物,煤层气又称为瓦斯,若将瓦斯直接排放至大气中,则会造成严重的温室效应,研究发现瓦斯可以通过燃烧用来发电,但瓦斯在发电过程中遇到明火,则会发生爆炸,给工作人员及企业会造成不可估量的损失,因此检测瓦斯发电站内的火焰情况,成为了解决瓦斯发电站爆炸事故的重要目标.基于火焰识...     

基于YOLOv5和膨胀卷积的鱼类目标检测算法

鱼类目标所在的场景常存在较强的水下噪声,同时鱼类目标有着与周围环境相近的伪装色,使得鱼类目标检测的效果达不到很高的水平。为了精准且快速的检测鱼类目标,提出了一种基于YOLOv5和膨胀卷积的目标检测网络,首先利用YOLOv5网络提取图片特征,然后利用基于膨胀卷积的三支路特征融合结构整合大范围的全局信息,最后通过检测头对图片中鱼类目标的位置进行预测并用矩形框进行标记。研究表明,本文的算法在自建数据集上m AP达到81.5%,相较于原始的YOLOv5s算法提升了1.5%,而且能实时准确的获取到鱼类目标的位置,极大提升了鱼类目标检测的效率。     

基于改进YOLOv5的煤矿井下目标检测研究

针对煤矿井下环境多利用红外相机感知周边环境温度成像,但形成的图像存在纹理信息少、噪声多、图像模糊等问题,该文提出一种可用于煤矿井下实时检测的多尺度卷积神经网络(Ucm-YOLOv5)。该网络是在YOLOv5的基础上进行改进,首先使用PP-LCNet作为主干网络,用于加强CPU端的推理速度;其次取消Focus模块,使用shuffle_block模块替代C3模块,在去除冗余操作的同时减少了计算量;最后优化Anchor同时引入H-swish作为激活函数。实验结果表明,Ucm-YOLOv5比YOLOv5的模型参数量减少了41%,模型缩小了86%,该算法在煤矿井下具有更高的检测精度,同时在CPU端的检测速度达到实时检测标准,满足煤矿井下目标检测的工作要求。     

基于改进YOLOv5的坦克目标检测算法

坦克目标的准确识别定位是信息化战争中一项重要研究,针对传统检测算法抗干扰性差、难应用于大视野复杂环境下的问题,提出了一种基于改进YOLOv5坦克自动识别的检测算法。利用YOLOv5模型对大视野复杂战场环境下坦克目标进行识别：在YOLOv5基础模型中引入Attention-based information fusion模块,提高模型检测精度和识别能力;使用Pre-segment multi-scale fusion模块解决骨干网络中池化操作所造成的信息丢失问题;使用Swin Transformer机制降低小目标坦克漏检误检的问题。在坦克数据集上进行实验,结果表明：与YOLOv5原始模型相比,改进模型的召回率、平均精度分别提高了9.1%、5.1%。改进后的YOLOv5模型可以很好地对大视野复杂环境下坦克目标进行精确识别,改善了坦克目标检测中小目标漏检的问题。     

基于数据挖掘的偏振光成像目标检测研究

为提升偏正光图像目标识别技术水平,研究基于数据挖掘的偏振光成像目标检测方法。使用阈值分割法对偏振光图像实施分割预处理;使用斯托克斯参量、方差等方法获取偏振光图像的偏振态特征、目标边缘特征和直线特征;利用深度学习神经网络模型输出偏振光成像目标检测结果。实验结果表明：该方法可有效分割偏振光图像内的目标和背景,提取偏振信息能力较好;提取偏振光图像特征像素点的最低精度为0.98左右,提取其特征能力较强;特征信息提取效率较高,对于偏振光图像的特征信息提取最低耗时为0.257 s,应用性能较好。     

基于改进CenterNet的红外舰船目标检测算法

为有效解决红外舰船目标的检测问题,提出一种改进CenterNet的红外舰船目标检测算法。首先使用Mosaic算法进行数据增强,其次使用主干网络ResNet50对红外舰船图像进行特征提取,然后在原有特征图像处理的网络上添加Encoder模块,引入3×3的空洞卷积模块增大感受野,以提高网络性能增强网络的鲁棒性。实验表明,相比于改进之前算法,优化后算法精度提高了6%,准确率达98%,算法适应性强、准确率高,能够完成检测任务。     

采用中波红外偏振成像的目标探测实验

目前国内红外偏振成像技术的研究尚处于初步的实验阶段,需要开展具有针对性的红外偏振成像实验.以支撑红外偏振成像理论和技术的研究.基于高灵敏度的中波制冷焦平面探测器,搭建了中波红外偏振成像系统,并针对特定场景中的典型目标,开展了红外偏振成像实验,获得了有效的实验数据和成像规律,并基于HSV颜色空间对偏振信息图像进行了融合再...     

车联网下基于网络编码的高吞吐量多径路由算法

在车联网中,由于车辆节点间无线链路的频繁中断易导致数据重传,使整个车辆组网性能急剧下降。为此,面向车联网提出了一种增强吞吐量的多径路由算法,其核心是使车辆节点分簇算法支持网络编码,从而达到对乱序和丢失报文恢复的目的。该算法首先采用协同编码通信模型来实现分簇后同簇车辆节点互相协同的多路径传输,然后采用网络编码对源端车辆和中间车辆节点发送的数据进行线性编码操作,最后在目的端节点予以解码。在基于QualNet仿真平台上的实验结果表明,该算法能够有效地提升车联网中多径路由的吞吐量。     

红外偏振图像的目标检测方法

红外偏振成像探测通过对目标辐射和反射偏振态的探测,针对传统光学无法解决的问题,在目标检测方面取得高精度的结果,特别是在军事探测中,能够快速地将混杂在自然背景下的人造目标检测出来,以增强对目标的识别。偏振探测中所依据的强度、偏振度及偏振角信息反映出的不同物理特性,具有很强的冗余性和互补性。针对该特性,提出一种红外偏振图像的目标检测方法:首先使用Mean-Shift算法对红外图像和偏振度图像进行聚类处理;然后利用DS证据理论将聚类后的红外图像和偏振度图像中的物体信息充分结合,以区分目标与背景,达到目标检测的目的;最后通过仿真实验图像与小波融合图像结果的对比表明该算法的优势。     

一种改进的高分辨极化目标检测算法

针对宽带高分辨雷达体制,研究了杂波环境中的目标检测问题,引用了极化域线性积累滤波的思路以提高雷达接收信号的信杂比,在此基础上利用波形固有的径向高分辨力对目标进行一维距离成像,结合目标所占据的分辨单元区间内的幅值及其极化状态相对于杂波所对应的分辨单元内的幅值及其极化状态有着较大的差异这一客观事实,提出了基于 Stokes矢量 Frobenius范数非参数检测方法,实验仿真结果表明该方法能够有效改善雷达的检测性能。     

红外偏振成像探测技术进展

不同物体不同状态存在明显的红外偏振差异,可以构成目标探测信息。简述了利用红外偏振成像技术进行目标探测的物理本质,重点阐述了偏振双向反射分布函数原理,列举了红外偏振成像探测模型,介绍了红外偏振成像技术的应用优势,归纳总结了偏振成像系统结构分类及其特点,叙述了红外偏振成像技术在目标探测与识别领域的进展,详细叙述了红外偏振成像技术的理论、实验基础研究和在目标探测中的应用。最后,总结分析了中/长波红外偏振成像技术特点,并对发展国内红外偏振成像技术提出了建议。     

采用长波红外高光谱偏振技术的目标探测实验

偏振探测有利于改善对目标的探测和识别能力,是当前国内外研究的重要内容之一。介绍了长波红外高光谱偏振测量的原理,并通过搭建长波红外高光谱偏振测量系统,开展了对涂漆目标和镀铝目标在不同温度、不同观测角度下的高光谱偏振成像实验,获取了有效的实验数据并进行处理分析。结果表明:温度和观测角度对目标的光谱偏振特性有较大影响,目标表面的红外光谱偏振特性随辐射温度差值及探测角度差值的增大而增大,并具有波段选择性。利用目标温度和观测角度的差异对目标光谱偏振特性的影响,可以进行有效的探测与识别,并为探测器的波段选择提供参考依据。     

基于偏振成像技术的油桃机械损伤检测

为了解决由于油桃表面颜色特征复杂所带来的早期机械损伤难以检测问题, 提出了一种基于偏振成像技术的早期损伤检测分类模型。采用分焦平面偏振成像方法一次性获取油桃在4个偏振方向下的偏振图像, 利用双线性插值和低照度增强(LIME)对偏振图像进行预处理, 以提高运行实时性并降低水果曲率变化的影响; 提取偏振图像中像素的颜色特征和灰度共生矩阵(GLCM)特征, 分别用于训练两个最小二乘支持向量机(LSSVM)分类模型; 通过理论分析和实验仿真, 最后利用两个分类模型的串联(color-LSSVM→GLCM-LSSVM model)实现了油桃机械损伤的早期检测。结果表明, 该分类器模型对油桃正常和损伤区域的检测精确率达到95.68%, 召回率达到93.29%。分焦平面偏振成像技术在深色系水果的早期损伤无损检测领域具有良好的应用前景。     

基于红外辐射偏振成像的目标三维重建方法

三维重建技术已在工业自动化领域得到了广泛的应用,但对于工业生产线中玻璃、锻造件等表面结构单一、高反光、无纹理的高温产品,利用传统的三维重建方法得到的三维重建结果往往不准确.这些高温物体会产生红外偏振自发辐射,提出了基于红外辐射偏振成像的目标三维重建方法.首先建立红外偏振辐射模型,分析目标表面红外辐射偏振态与目标表面法向...