无人机的无序“黑飞”带来一系列安全及社会问题, 如何有效地对无人机进行探测、识别甚至打击是当今研究的热点与难点。为此, 本文首先搭建了基于转台与高清可见光相机的无人机目标实时光电探测系统, 并构建了一个由40 000帧无人机图像组成的样本库; 其次, 为了更远、更早地发现目标, 在YOLOv3模型基础上增加更小的特征尺度, 使得模型对小目标检测效果提升; 最后, 为了实现无人值守、全自动式无人机目标的探测与跟踪, 提出一种基于更小特征尺度的YOLOv3与KCF相结合的模型, 并通过外场试验确定了无人机目标跟踪过程中, 目标丢失时所对应的阈值参数的选取。结果表明, 通过在包含大疆御Pro、精灵3等无人机在内的8 000帧无人机图像组成的静态测试集上进行实验, 增加更小特征尺度后的模型对小目标的识别率较之原始YOLOv3模型提高约5%; 对于1 280×720分辨率的动态视频, 每帧检测时间为0.025~0.030 s(33 fps), 且根据选定的阈值, 当无人机目标丢失后可重新进行检测, 每帧跟踪时间为0.010~0012 s(85 fps), 验证了所提方法的有效性, 并可满足工程应用中对实时处理的需求。

为滤除大量冗余背景信息, 提升目标检测速度, 解决目标光谱获取困难等问题, 提出一种融合光谱微分重排与光谱角匹配的高光谱快速目标检测算法。首先, 对已知背景光谱信息微分重排, 筛选出背景特征较少的谱段集; 然后, 计算相应谱段下, 高光谱图像各像素点的光谱微分值与背景光谱微分值的差值, 并对所得各谱段微分差值加权求和阈值化, 粗提取出目标位置; 最后, 计算提取出的目标位置光谱与先验背景光谱角匹配的反余弦值, 实现目标背景差异精细判别。通过自行拍摄的草地上黄、绿伪装网及AVIRIS获取的San Diego机场飞机高光谱图像进行实验, 与RX、CEM、OSP、ACE、SAM等算法比较。实验结果表明, 所提算法在保证检测精度的同时, 具有较低的虚警率和较好的时效性: ROC曲线下面积AUC均高于0.98, 虚警率分别为3%和1.6%, 处理时间仅为0.36 s和0.077 s。

在编码孔径成像光谱仪中,由于数字微镜器件(DMD)工作在倾斜光路中,导致编码元在探测器上产生非对称形变,解码时无法确定所获编码图像各像素对应的编码方式。为解决这一问题,提出“非对称形变的规则条纹校正”方法,通过规则条纹在探测器上产生变化,直观地观察编码元形变,根据已知条纹规则,即可定量分析图像的形变量并进行校正。该方法可以保证在系统全视场清晰成像的前提下实现对编码图像的校正。首先介绍了所设计光谱仪的成像原理以及编码元的形变原因,其次在实验过程中调节探测器以获得全清晰视场,最后利用提出的方法对编码图像进行处理。实验表明,处理后图像与理论值的相似度比未处理时高37.87%,图像恢复DMD加载的图样形状,为后续的解码运算奠定了基础。

搭建了辐射定标系统, 使用高精度的面源黑体作为标准辐射源, 对长波红外相机进行辐射定标实验。利用实测数据分析了面阵探测器的响应值与入射辐射、积分时间的关系, 确定了辐射定标模型, 并在此基础上提出了快速辐射定标方法, 即选择2个温度对应2个积分时间组合下的3幅图像, 通过数据处理可实现对辐射定标模型中的参数求解。最后, 使用420组实测数据中的398组有效数据对该简化辐射定标模型进行了可靠性验证, 结果显示, 各温度下模型计算值与实测值相对误差均小于1%, 拟合度均大于0.999。实验表明, 该辐射定标方法在实现对不同积分时间快速定标的同时保证了辐射定标的精度。

自动形态学端元提取(AMEE)算法中的形态学算子在纯像元集中分布的区域无法得到正确的结果。现有膨胀操作在每个结构元素内只能提取一个候选端元, 会造成重要像元丢失。为了解决这些问题, 采用改进的形态学算子和结构元素对AMEE算法进行了改进。首先引入参考光谱向量的概念构建了改进的形态学算子, 并给出了形态学离心率指数新的计算方法, 然后利用偶数大小、改进的结构元素, 从每个结构元素内选出4个候选端元, 最后对改进的基于自动形态学的端元提取算法进行了分析和实验验证。结果表明, 改进的方法能从纯像元集中分布的区域获得正确的候选端元, 并在一定程度上避免膨胀过程中的信息遗失, 从而能够有效地提升端元提取的精度和像元解混的效果。

针对激光模拟射击系统对激光光斑进行快速、高精度质心定位的要求, 提出了一种基于视频序列图像的光斑检测与高精度质心定位方法。该方法首先利用帧间差分图像和噪声估计参数对射击突发事件进行检测; 然后利用噪声估计方法确定光斑的分割阈值, 结合形态学滤波对目标光斑和背景噪声进行有效分割, 提取光斑区域, 同时降低窗口内外噪声。最后, 用4帧差分图像合成1帧高分辨率的图像来抑制图像噪声和计算误差的影响, 实现光斑质心的高精度定位。实验结果表明, 本文方法的光斑质心定位精度与稳定性均优于传统的方法; 其中光斑质心定位精度达到了亚像素级别, 稳定性度量平均值为0.000 49, 优于传统方法的0.002 97。得到的结果显示, 提出的方法有助于提升激光射击系统的性能。

为了解决在应用传统高光谱地物识别方法时, 由于吸收峰个数不同, 造成的光谱匹配误差较大的问题, 采用了一种基于高光谱吸收峰特征的选择方法, 根据选择后的吸收峰特征进行光谱曲线匹配。该算法首先对高光谱曲线进行包络线消除并提取光谱特征参量矩阵, 然后根据标准特征参量矩阵与待测特征参量矩阵的每个向量的余弦距离-欧氏距离来逐一寻找吸收峰的匹配向量, 之后根据选择的吸收峰特征参量矩阵进行了理论分析和实验验证。结果表明, 该算法可以搜寻到最佳的特征参量向量, 从而实现吸收峰的选择, 用选择后的吸收峰的特征参量矩阵进行高光谱匹配。这一结果对降低匹配的误差是有帮助的。

为了提高像移测量精度; 针对机载航空摆扫相机提出一种坐标变换法和图像相关法相结合的像移测量方法。利用坐标变换法得到初始像移速度; 利用图像联合变换相关法对像移速度残差进行补偿。联合图像通过一个面阵CCD获得; 该面阵CCD放置在相机焦平面上并与成像线阵TDI CCD平行; 其输出的当前图像与参考图像合并构成联合图像进行二维空间联合变换相关运算; 得到像移修正矢量。对该矢量分别在相机摆扫方向和载机飞行方向进行分解; 从而得到摆扫像移和前向像移的修正量。仿真实验结果表明; 在输入图像信噪比为4 dB时; 像移测量误差在01 pixel以内。

针对激光主动探测时光电设备表现出的猫眼效应, 搭建了基于CCD的激光主动探测系统, 提出了一套有效的光电窥视设备检测算法。该算法在激光脉冲的间隔, 同时采集激光主被动图像, 根据窥视目标与普通漫反射物体的回波强度差异, 利用背景差法检测窥视目标。实验结果表明, 在半径为5 m的作用范围内, 该激光主动探测系统可有效、快速地将光电窥视目标从背景中检测出来, 并且不受场景和光照的限制。通过对光学口径为2 mm的光电窥视设备在20个不同场景环境下进行实验, 正确检测率达到95%, 且每帧的检测时间在0015~0021 s内, 满足了实时性需求, 验证了本文系统搭建方案的正确性与软件处理算法的有效性。

提出一种利用区域信息的航拍图像分割模型。针对GAC模型和Chan-Vese模型存在的不足，提出一种符号压力函数，该符号压力函数可以有效地增大模型的作用范围。与Chan-Vese模型相比，新模型不受初始条件的限制，进一步增大了模型的作用范围。新模型利用了图像的区域信息，可以同时将目标的内外边界分割出来。在新模型中，水平集函数不必初始化为符号距离函数，节省了计算开销。与传统的基于水平集方法的模型相比，新模型不含曲率项，实现简单。实验结果表明，与GAC模型和Chan-Vese模型相比，新模型的分割精度高于3%，分割速度快6倍以上。