1 中国科学院上海技术物理研究所,上海 200083
2 中国科学院大学,北京 100049
红外探测系统以其隐蔽性好、穿透能力强等优点广泛应用于航空航天、**侦察等领域。但该系统的观测距离较远,且目标往往呈现弱小状态,所以针对单帧图像的红外弱小目标检测一直是红外探测领域的难点和研究热点。基于滤波、视觉显著性、图像数据结构和深度学习四个方面,对当前单帧红外弱小目标检测算法进行了详细综述,最后对红外弱小目标检测技术进行了总结与展望。
弱小目标检测 滤波算法 人类视觉显著性 图像数据结构 深度学习 dim small target detection filtering algorithm visual saliency image data structure deep learning
西安建筑科技大学 信息与控制工程学院,陕西西安710055
为了利用图像信息辅助点云数据提高3D目标检测精度,需要解决图像特征空间和点云特征空间自适应对齐融合的问题。本文提出了一种多模态特征自适应融合的3D目标检测深度学习网络。首先,对点云数据体素化,基于体素内的点云特征学习体素特征表示,用3D稀疏卷积神经网络获取点云数据的特征,同时用ResNet神经网络提取图像特征。然后通过引入互注意力模块自适应对齐图像特征和点云特征,得到基于图像特征增强后的点云特征。最后在此特征基础上应用区域提案网络和分类回归多任务学习网络实现3D目标检测。在KITTI 3D目标检测数据集上的实验结果表明:在小汽车的简易、中等、困难三个不同检测难度等级上,平均检测精度分别为88.76%,77.63%和76.14%。该方法能够有效融合图像信息和点云信息,提高3D目标检测的准确率。
3D目标检测 深度学习 点云数据 图像数据 注意力机制 3D object detection deep learning point cloud image data attention mechanism
长春工业大学计算机科学与工程学院,吉林 长春 130012
近年来,CPU-GPU异构系统在光学遥感影像数据处理领域的应用得到了广泛关注。首先介绍CPU-GPU异构系统的体系架构及发展历程。其次,介绍光学遥感影像数据处理流程。接下来,对CPU-GPU异构系统在光学遥感影像预处理、后续处理领域应用现状进行介绍。最后对CPU-GPU异构系统在光学遥感影像数据处理系统中的应用进行分析和总结,分析可知,CPU-GPU异构系统在光学遥感影像数据处理领域应用具有可行性且前景广阔,但仍需解决算法并行化设计、优化及CPU和GPU负载平衡等关键问题,这对推动CPU-GPU异构系统在光学遥感影像数据处理中的应用具有重要意义。
遥感影像数据处理 异构系统 并行处理 remote sensing image data processing heterogeneous system parallel processing GPU GPU 红外与激光工程
2020, 49(S1): 20200092
1 北京大学空间信息集成与3S工程应用北京市重点实验室, 北京 100871
2 中国人民武装警察部队警种学院, 北京 102202
3 深圳飞马机器人科技有限公司, 广东 深圳 518000
无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段, 可通过对携带位置信息的影像进行分类提取, 得到植被盖度、 温度指数等一系列因子指标。 利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。 无人机飞行面积约为205 km2, 为了得到更加精确的植被、 温度等因子, 需要对无人机红外影像进行配准, 通过优化SIFT匹配参数和RANSAC粗差剔除后, 获取了可靠的匹配结果, 即经过算法匹配后的影像与原影像进行了误差比对, 能够满足后期的应用需要, 这也是本文的创新点之一。 将影像进行配准后进行二维影像拼接, 将多张红外影像按照航向重叠度不低于60%, 旁向重叠度不低于50%的概率进行拼接, 得到拼接后的红外影像图。 另外比较了SIFT和SUFT两种算法, 利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像, 利用地面同步测量数据对拼接后的红外影像进行算法匹配, 并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演, 得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。 通过对两种算法的对比得到更加优化的算法模型, 并对该模型进行回归分析和精度检验, 得到该模型的相关系数R2为0767, 匹配精度为8151%, 模型精度较高。 本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。
无人机 红外光谱 影像数据 匹配方法 Unmanned aerial vehicle Infrared spectrum Image data Matching method
中国科学院 长春光学精密机械与物理研究所, 吉林 长春 130033
为提高多路高速串行图像数据传输在航天应用中的FPGA IO利用率, 同时克服接收到的多路并行恢复数据相对相位不确定性问题,采用时钟分路器同时为多路TLK2711和FPGA提供低抖动时钟。对于串行数据发送, 采用FPGA内部的数字时钟管理单元(DCM)对发送数据的相位进行调整, 并采用TLK2711的内部环回功能进行发送数据和时钟相位的动态自适应调整。对于串行数据接收, 采用高速异步数据缓存将多路相对相位不确定的数据调理为参考相同时钟, 最终转换为满足Camera Link接口协议的图像数据。实验结果表明, 采用时钟分路器可大大降低时钟抖动, 该传输系统工作稳定可靠, 最大传输速率可达6.8 Gbit/s。此方法可大大提高FPGA内部的资源利用率, 实现多路并行恢复数据的相对确定相位, 满足多通道基于TLK2711的高速串行数据的高稳定传输要求。
高速串行图像数据 IO利用率 低抖动时钟 动态自适应调整 相位不确定 high speed serial image data IO utilization low jitter clock dynamic adaptive adjustment phase uncertainty
日常应用及工程测绘中经常需要扫描采集大幅平面图像, 针对普通的图像扫描仪或者数码相机等图像采集设备很难满足要求或者无法实现的问题, 系统地介绍了一种基于WiFi无线传输的平面图像数据采集技术, 该系统主要由图像采集处理、WiFi传输、接收端图像拼接三部分构成, 利用多种传感器的数据融合实现了上述功能, 可以很好地解决大幅图像采集、拼接显示等问题。该系统构造简单, 应用范围广, 传输可靠, 适合于需要进行无线图像采集的多种场合应用。
图像采集 CMOS传感器 图像拼接 image data acquisition WiFi WiFi CMOS sensor image stitching
空军勤务学院航空弹药系, 江苏 徐州 221000
在红外空空导弹中,红外成像系统在图像处理中所涉及的数据量大, 难以实现实时处理。针对这一问题,介绍了一种基于RapidIO和PCI-Express的高速红外图像数据采集系统,重点讨论了以高速串行总线的XMC底板和XMC接口板为框架结构的关键模块图像采集板卡的设计。该系统不仅具有双通道数据采集功能,还具有双通道数据播发功能。每通道的采集速率达到1.2 Gbps,码速率为0~400 M。该系统可实现高帧频红外图像的实时采集和显示。
红外图像数据 采集系统 RapidIO RapidIO PCI-E PCI-E infrared image data acquisition system
1 西安石油大学 计算机学院,陕西 西安 710065
2 中国科学院 西安光学精密机械研究所,陕西 西安 710119
3 武警工程大学,陕西 西安 710086
在一些大型图像处理系统中,通过构建服务器机群网络,可实现多台服务器并行处理图像数据流。针对高光谱遥感数据及处理算法特点,设计了基于以太网的服务器机群海量高光谱数据处理系统平台,平台由7台服务器和1台千兆网交换机构组成,其中选择CPU核数不低于8核的4台HP刀片服务器作为并行处理服务器,在服务器机群软件设计中,通过任务分解、算法流水化处理及网络负载均衡等方法来实现并行处理。该系统已应用在某遥感数据处理系统中,多台服务器同时写入SAN盘阵,可实现6 000 Mbps的写入能力。
以太网机群 并行计算 任务分解 高光谱数据处理 internet cluster parallel processing task decomposition hyperspectral image data processing
1 中国科学院 长春光学精密机械与物理研究所,长春 130033
2 中国科学院 研究生院,北京 100039
针对遥感相机图像数据传输要求,介绍了一种四通道输出的线阵CCD传感器,通过硬件将四个通道的图像数据整合成完整的图像数据,使用JPEG-LS无损压缩算法对图像数据进行压缩以减小数据的传输量,从而减慢数据传输速度,减小误码率。图像数据整合和压缩都在可编程逻辑器件中完成,通过实验验证了该方法能使传输量减少一半。
线阵电荷耦合器件 图像数据整合 JPEG-LS压缩算法 linear array CCD image-data processing JPEG-LS image compression
针对多通道CCD 图像数据实时记录、预处理问题,本文提出了一种基于DSP 并行处理技术的方案。实验结果表明,系统实现了多通道CCD 图像数据的实时记录。用四片DSP 以及一个通用CPU 实现一个最小系统,用于实时记录六路CCD 图像数据,同时实现图像数据和辅助数据的分离,处理结果可以记录在本地的磁盘,也可以通过网线完成数据的传输。最小系统安装在标准的CPCI 机箱中,当输入通道数大于六路时,可以通过最小系统并行的方式,实现系统的扩展。该方案已经应用于18 路CCD 图像数据的实时记录系统中,最小系统实现了最高63.2 MB/s 的数据记录。
CCD 图像数据 多通道 实时记录 数字信号处理 CCD image data multi-channel real-time record digital signal processing