1 中山大学 航空航天学院, 广东 深圳 518107
2 福建师范大学 光电与信息工程学院, 福建 福州 350117
针对天基序列星图配准存在的效率和精度问题, 提出了一种天基序列星图高精度在轨实时配准方法。对基准图和待配准图进行分块, 通过预设搜索框的方式, 采用归一化相关系数匹配法, 获得整像素精度的子图匹配结果; 对该结果的小邻域进行二次曲面拟合, 获得亚像素精度的匹配对点; 使用单应变换模型求解星图的变换关系, 完成单帧星图的配准; 使用基于末帧的窗口滑动方式, 实现序列星图的连续实时配准。实验结果表明, 所提方法可以避免恒星质心提取误差和天基平台长时间运动对配准精度造成的影响, 相比标准的块匹配, 对于16位4096×4096的真实天基星图, 所提方法的子图匹配计算效率提升98.7%, 配准时间缩短了89.0%, 单帧配准的峰值信噪比平均提升了将近0.20; 所提序列星图的连续配准方式, 速度达到了0.040秒/帧, 配准结果的峰值信噪比为6.765, 能满足高精度和高实时性要求, 通过适当移植优化有望应用于后续的天基平台的弱小目标检测。
星图配准 序列星图 图像匹配 相关系数 star image registration star image sequences image matching correlation coefficient
计算机视觉方法越来越多地应用于斑马鱼的群体行为研究；但是，由于斑马鱼游动过程形体变化大，遮挡多，准确与鲁棒地检测出斑马鱼仍然是一件非常具有挑战性的问题。为了解决该问题，提出一种基于斑马鱼图像特征的鱼群检测算法。首先通过分析目标特性，提出使用鱼头和鱼尾替代全鱼的检测方法，解决了传统整鱼检测在鱼群交叉遮挡时失效的难题；然后基于斑马鱼图像特征自动构建训练集，避免了深度学习手动标注的费时费力问题。通过对实际斑马鱼视频进行处理验证，与现有的算法相比，本文提出的方法在标注率、召回率(recall, R)与遮挡检测率(occlusion detection rate, ODR)等性能指标上有更好的实验效果。其中，在标注性能方面，本文提出的自动标注方法在总标注率上达到87.40%；在训练集效果方面，本文自动标注算法结合人工校正在标注时间上相比于人工标注方法减少93.11%，均值平均精度(mean average precision, mAP)达到79.80% ；在目标检测方面，在目标遮挡率为42.72%的情况下，本文检测算法能够获得82.0%的召回率及58.02%的遮挡检测率。
自动标注 YOLOv4检测器 鱼群检测 斑马鱼图像特征 automatic annotation YOLO v4 detector fish stock detection zebrafish image features
1 国防科学技术大学航天科学与工程学院， 湖南 长沙 410073
2 国防科学技术大学图像测量与视觉导航湖南省重点实验室， 湖南 长沙 410073
三维重建是目前发展最迅速、应用最广泛的技术之一。从广义角度出发，任何获取目标三维信息的手段都可被称为三维重建。利用三维重建数据可对目标的三维参数进行测量。目前基于三维重建的测量方法众多，由于接触式测量存在诸多问题，如何依据不同的实际需求和条件选择合适的非接触式测量方法，是获得所需三维测量数据的关键。从原理分析出发，对各种非接触式重建测量方法进行系统分类。在实际测量任务中可依据精度需求、环境约束、参数种类、成本控制等因素选择合适的非接触式三维重建测量方法。
图像处理 广义三维重建 非接触式三维重建测量 激光与光电子学进展
2017, 54(7): 070003
1 国防科学技术大学航天科学与工程学院, 湖南 长沙 410073
2 图像测量与视觉导航湖南省重点实验室, 湖南 长沙 410073
针对传统点结构光测量系统的标定方法难以满足远距离、高精度的测量需求，提出了一种基于单目视觉的两轴转台标定新方法。在激光测距仪绕旋转轴转动过程中利用标定墙和拦截面分别拦截激光射线形成激光光斑，通过单目视觉定位计算激光光斑的空间坐标，进而差分得到激光测距仪虚拟出光点的位置，最终拟合出旋转轴方向矢量和轴上定点坐标。利用虚拟出光点进行标定减少了激光光斑空间坐标误差对旋转轴标定的影响，大幅提高了转台的标定精度。在对转台的两个转轴精确标定的基础上，利用激光指向和测距信息可实时解算出目标三维坐标。实验证明，坐标测量中误差维持在0.5 mm以内，所提出的标定方法简单可靠，并适用于其他转台测量系统。
测量 三维测量 点结构光 单目视觉 旋转轴标定 两轴旋转 光学学报
2014, 34(s1): s112008
1 国防科学与技术大学 航天与材料学院，湖南 长沙 410073
2 中国人民解放军 第二炮兵驻航天科技集团第一研究院型号办公室，北京 100076
对无人机拍摄视频中的地面运动目标提出一种实时检测跟踪算法。该算法利用特征点的对应关系将图像对配准，再对配准图像进行变化检测，根据变化和运动信息检测目标并消除虚警，将检测与跟踪相结合，对目标跟踪失效的情况，能重新正确定位目标，从而获取目标的完整运动轨迹。采用无人机拍摄的地面车辆图像的测试结果表明，算法能有效检测跟踪运动目标，并能达到25 f/s以上的实时处理速度。
计算机视觉 图像配准 无人机 变化检测 目标检测 目标跟踪 computer vision image matching unmanned aerial vehicle variation detection target detection target tracking
1 图像测量与视觉导航湖南省重点实验室, 湖南 长沙 410073
2 国防科学技术大学航天与材料工程学院, 湖南 长沙 410073
3 国防科技大学科研部重点项目处, 湖南 长沙 410073
分析了复杂地面背景下序列图像检测弱小目标的困难, 研究了一种针对场景较复杂的运动弱小目标检测方法。首先将序列图像分割成等间隔的处理单元, 并利用最小二乘匹配进行坐标对齐, 然后使用Top-Hat算子处理图像并进行CFAR分割, 综合考虑处理单元中的每幅图像, 对固定背景干扰进行抑制, 最后根据运动弱小目标轨迹进行检测。进行了三组序列图像实验并绘制了ROC曲线, 证明该方法是一种有效的弱小运动目标检测方法。
复杂地面背景 运动弱小目标检测 最小二乘匹配 固定背景干扰抑制 Radon变换 complicated surface background small target detection LS match Top-Hat Top-Hat constant background noise suppress Radon transform
国防科学技术大学航天与材料学院, 湖南 长沙 410000
直线特征反映了图像内容的几何信息，是图像理解、分析等高层处理及应用中的基本元素。针对人造目标图像，提出了一种基于边缘连接的快速直线段检测算法。此算法利用Canny检测边缘，结合主元方向和梯度方向信息连接方向相似的边缘从而得到候选直线段，最后根据主元一致性和直线误差度消除噪声、曲线等误检，并利用最小二乘拟合得到正确的直线段。实验结果表明所提算法在精确性和速度上均优于霍夫变换、相位编组、主成分分析等经典直线检测算法。
机器视觉 边缘提取 直线检测 主成分分析 方向连接
国防科学技术大学航天与材料工程学院， 湖南 长沙 410073
跑道检测通常由边缘检测和霍夫变换2个步骤组成。由于SAR图像中存在大量斑点噪声，使得边缘检测中存在大量虚假边缘，增加了霍夫变换的时间，降低了跑道检测的准确度，提出一种基于区域分割和距离变换的SAR图像中机场跑道自动检测的新方法。采用基于统计信息的方法增强跑道-背景的对比度，然后用二维直方图阈值分割方法分割图像，再通过距离变换对跑道-背景二值图进行处理，得到跑道中心线的大致分布，最后采用局部空间霍夫变换得到跑道参数。实验结果表明: 该方法能够可靠检测出跑道，运算速度满足实时性要求。
合成孔径雷达 机场跑道 目标检测 图像分割 距离变换 synthetic aperture radar airfield runway target detection image segmentation distance transform
国防科技大学航天与材料工程学院, 湖南 长沙 410073
利用遥感图像进行海上目标检测,关键的问题之一就是陆海分离。如果采用传统的阈值分割方法,在陆地一些灰度较低的区域容易造成误分割。分裂合并算法可以解决误分割的问题,但是这种算法对于海面上的船只、珊瑚礁等干扰因素会产生一些空隙及孤立区域,所以要采用一些数学形态学的方法去干扰。而数学形态学的方法会损失图像的边缘信息量。为此提出了分步区域增长算法进行图像自动分割,通过海面陆地两次区域增长,成功地提取出了主体陆地区域。实验结果表明,该方法可以很好地分离出图像上的主体陆地区域,并有较快的处理速度。
分步区域增长 图像自动分割 陆海分离 海岸线提取 step region growth image automatic segmentation land-sea separation coastline extraction
