1 北京跟踪与通信技术研究所,北京 100094
2 中国科学院智能红外感知重点实验室,上海 200083
3 中国科学院上海技术物理研究所,上海 200083
4 中国科学院大学,北京 100049
在天基平台下实现对空中飞机目标的探测,存在距离远、目标信号弱、背景杂波复杂和探测器噪声等不利因素,因此,要获取目标的最强信号,确定在探测过程中的谱段至关重要。为此系统性地建立了飞机羽流的梯形羽流和锥形羽流仿真模型,并提出了利用信噪比(SNR)和信杂比(SCR)联合的SNCR方法对空中目标的探测谱段进行确定。实验结果表明:针对空中目标,不同目标SNCR值不同,但峰值区域不变,由此方法可以确定探测谱段,最终确定探测的谱段分别为:中波波段为
![]()
![]()
,波段间隔在0.3
![]()
![]()
以上;长波波段为
![]()
![]()
,波段间隔在0.35
![]()
![]()
以上。
红外探测 红外谱段 空中目标 双模型 infrared detection infrared bands SNCR SNRC aerial targets dual-models
1 Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei23003,China
2 Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei23003,China
3 Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei23003,China
针对红外强度图和红外偏振度图融合问题,提出了基于烟花算法优化空域加权平均法的智能图像融合方法。在构建优化问题模型的基础上,确定了烟花算法的边界条件。通过引入相对熵权值建立了基于综合相对熵的适应度函数。最后,与6种典型的传统融合方法在“ground”、“truck”、“car”3组红外强度和偏振度图像数据上进行了融合实验,对融合结果进行了客观评价和视觉效果评价。实验结果表明:所提方法可以有效实现红外强度图和红外偏振度图的融合,较好保留了红外强度和红外偏振特征。综合视觉效果和客观评价结果,在相对熵、总结构相似性、总互信息指标上优于比较算法。
烟花算法 群体智能 红外偏振图像 智能融合 加权平均法 fireworks algorithm swarm intelligence infrared polarization image intelligent fusion weighted averaging method
1 Key Laboratory of Intelligent Infrared Perception, Chinese Academy of Sciences, Shanghai Institute of Technical Physics, Chinese Academy of Sciences, Shanghai200083, China
2 Huzhou Center for Applied Technology Research and Industrialization, Chinese Academy of Sciences, Huzhou1000, China
3 Key Laboratory of Intelligent Infrared Perception, Chinese Academy of Sciences, Shanghai Institute of Technical Physics, Chinese Academy of Sciences, Shanghai200083, China
为了有效地检测复杂背景下的红外弱小目标,提出了一种基于横纵多尺度灰度差(HV-MSGD)的方法来增强弱目标,并通过距离和像素差异来实现对背景强边的抑制。目标区域与周围区域之间存在不连续性,为了加强它们的差异,HV-MSGD与双边滤波(BF)相结合,可以在抑制背景的同时提高目标强度。进一步通过自适应局部阈值分割和全局阈值分割来提取候选目标。为了进一步验证对单帧检测的影响,将上述单帧检测算法与改进的无迹卡尔曼粒子滤波器(UPF)相结合,实现轨迹检测。实验结果表明,该方法在弱信噪比(SNR)下优于其他方法,在抑制背景的同时可以增强目标,增强效果是其他方法的6-30倍。在实验中,输入信噪比分别为2.78,1.77,1.79,1.13和1.16。图像处理后,背景抑制因子(BSFs)分别为13.48,21.33,11.73,20.63和121.92,信噪比增益(GSNRs)分别为40.09,71.37,27.53,12.65和131。该方法的检测概率(Pd)也优于其他算法。当误报率(FARs)为
![]()
![]()
,
![]()
![]()
,
![]()
![]()
,
![]()
![]()
和
![]()
![]()
,计算五组真实序列图像的Pd为94.4%,92.2%,91.3%,95.6%和96.7%。
弱目标检测 多尺度灰度差 距离和像素差 局部阈值分割 全局阈值分割 dim target detection multi-scale grayscale difference distance and pixel difference local threshold segmentation global threshold segmentation
1 Shanghai Institute of Technical Physics, Chinese Academy of Science , Shanghai200083, China
2 University of Chinese Academy of Sciences, Beijing100049, China
3 CAS Key Laboratory of Infrared System Detection and Imaging Technology, Shanghai Institute of Technical Physics, Shanghai20008, China
由于红外光学衍射限和红外探测器的局限,得到的红外图像噪声相对偏大,分辨率偏低。对红外图像进行超分辨率重建可以提高图像分辨率,但同时又会增强背景噪声。针对此问题,提出了基于稀疏编码的红外显著区域超分重建算法,将超分重建和显著度检测相结合,可以提高目标分辨率并降低背景噪声。首先采用双层卷积提取图像特征,并自适应选择图像信息熵较大的图像块用于训练联合字典。然后利用稀疏特征计算显著度获取显著区域,再将显著区域用训练好的字典进行超分辨重建,与目标无关的背景区域采用高斯滤波。实验结果显示改进的重建算法在同等条件下重建效果优于重建模型ScSR和SRCNN,图像信噪比提高3~4倍。
红外图像 显著度检测 稀疏编码 稀疏特征 infrared image saliency detection sparse coding sparse features
1 Dept. of Electronic Engineering, Beijing Institute of Technology, Beijing0008, China
2 Dept. of Electrical and Computer Engineering, University of California, Davis, CA95616, United States
近年来,获取高分辨探地雷达图像以实现目标检测受到广泛关注。相位偏移补偿算法(PSM)可以针对不同介电常数的多层介质成像,在各领域应用广泛。受距离维像素循环计算过程影响,PSM成像速度慢。基于PSM相关理论基础,提出改进波数域的多层介质快速成像算法,在每个独立介质层中,通过快速傅里叶运算取代PSM算法中的像素迭代过程,可以有效降低成像时间。针对双层介质模型,提出基于目标顶点区域提取的波速估计方法,用于精确补偿相位成像。通过搭建双层介质实验平台,利用该算法获得了多种被埋目标高分辨图像,验证了算法的有效性。
探地雷达 相位偏移补偿算法 改进波数域算法 速度估计 ground-penetrating radar phase migration extended Omega-k velocity estimation
1 Beijing Key Laboratory of Spatial Information Integration and 3S Application, Peking University, Beijing 0087, China
2 Institute of Remote Sensing and Geographic Information System, School of Earth and Space Science, Peking University, Beijing 100871, China
3 National Engineering Laboratory for Video Technology, Peking University, Beijing 100871, China
对于表面光滑、低纹理的目标,传统基于多视几何重建的算法难以获得理想的结果,利用偏振信息来重建这类物体是便捷有效的方法之一.然而单纯利用偏振信息进行三维重建存在歧义性等问题,难以获得理想的结果.以粗糙深度图作为先验信息可解决歧义性问题.先对偏振相机与深度相机标定并配准图像,由粗糙深度图获得的法向量辅助纠正偏振方位角歧义,再利用纠正的法向量与粗糙深度图积分融合,从而获得较高精度的物体三维表面.
三维重建 低纹理物体 偏振 图像融合 3D reconstruction low-texture object polarization image fusion
1 Shanghai Institute of Technical Physics, Chinese Academy of Sciences, Shanghai 200083, China
2 University of Chinese Academy of Sciences, Beijing 100049, China
3 Key Laboratory of Intelligent Infrared Perception, Chinese Academy of Sciences, Shanghai 20008, China
在红外超分辨率成像应用中,提高主观视觉效果有着很现实的需求.当前基于深度学习的图像超分辨率重建方法大多以客观评价指标为损失函数进行训练和优化,主观评价方法因量化困难而难以应用,为此本文着重研究了主观评价和各种可量化的客观评价指标的相关性,发现相位一致性特征与主观评价结果关联度高.据此设计了基于主客观联合评价的损失函数,应用于红外图像超分辨率重建算法,实验表明,在保持客观质量评价的同时,更好地提高了图像的主观视觉效果.
超分辨率重建 红外图像 主客观联合评价 损失函数 super-resolution reconstruction infrared image subjective and objective joint evaluation loss function