1 国防科技大学 空天科学学院，湖南 长沙 410000
2 国防科技大学 图像测量与视觉导航湖南省重点实验室，湖南 长沙 410000
旋转目标检测是遥感图像处理领域中的重要任务，其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题，提出了一种改进的RoI Transformer旋转目标检测框架：首先，利用RoI Transformer检测框架获取旋转的感兴趣区域特征(rotated region of interest, RRoI)用于鲁棒的几何特征提取；其次，在检测器中引入高分辨率网络(high-resolution network, HRNet)提取多分辨率特征图，在保持高分辨率特征同时适应目标的多尺度变化；最后，引入KLD(Kullback-Leibler divergence)损失，解决旋转目标表示的角度周期性的问题，提高检测方法对任意方向目标的适应性，并通过旋转目标边界框参数的联合优化提升目标定位精度。本文提出的旋转目标检测方法，即HRD-ROI Transformer (HRNet + KLD ROI Transformer)，在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较。结果显示：相比于传统的RoI Transformer检测框架，本文方法在DOTAv1.0和DIOR-R数据集上检测结果的mAP(mean-average-precision)分别提高了3.7%和4%。
旋转目标检测 RoI Transformer 高分辨率网络 遥感图像目标检测 oriented object detection RoI Transformer high-resolution network object detection of remote sensing image
读出电路开窗是红外焦平面和图像传感器读出电路中，用于提高图像帧频降低带宽的重要技术。该技术通过减小读出阵列的窗口尺寸，降低电路读出的数据量，从而提高帧频。介绍了两类主要的开窗模式：异步读出模式和同步读出模式。针对异步读出模式扩展性差、存在竞争冒险的问题，以及同步读出模式占用像元面积和窗口切换速度慢的问题，基于同步读出提出了一种行列控制字架构，并设计了一种用于该架构的可重复单元电路，提高了对不同面阵规格的扩展性。完成了所提出的开窗电路设计和版图设计，并对该电路进行了仿真验证。对比其他方案，文中设计实现了任意位置、最小1×1尺寸的开窗，同时解决了占用像元面积和竞争冒险问题，并提高了窗口切换速度。
红外焦平面 读出电路 开窗 infrared FPA readout integrated circuit region of interest(ROI) 红外与激光工程
2022, 51(11): 20220100
针对复杂背景条件下较难完成掩埋式地雷目标红外图像分割的问题，利用地雷外形特征和雷场多个地雷目标相似的特点，提出了一种基于形态学和聚类算法的感兴趣区域（Region of Interest, ROI）选取方法。对原始图像消除噪声并通过差分形态滤波抑制背景后，缩小了目标所在区域的范围；再利用多目标在一定区域内的相似特征对可疑区域进行聚类过滤，进一步缩小目标所在范围并将其作为图像ROI分别进行阈值分割；最后根据目标的相关特征完成识别。对实测图像的处理结果表明，该方法对掩埋式多地雷目标具有较好的分割效果和较高的定位精度，同时算法的计算速度较快，能满足实际探雷需求。
红外图像分割 差分形态滤波 ROI选取 地雷检测 infrared image segmentation differential morphological filtering ROI selection landmine detection
大连海事大学船舶电气工程学院，辽宁大连 116026
针对现有以雷达技术和红外热成像技术为代表的 HOV（High occupancy vehiclelane）车道车辆乘员数量检测方法可靠性差、准确率低等问题，提出一种基于多光谱红外图像与改进 Faster R-CNN（Region-Convolutional Neural Networks）的车辆乘员数量检测方法。通过多光谱红外成像系统获得汽车内部空间图像，结合 Faster R-CNN深度学习算法实现乘员数量检测，通过采用全卷积网络结构、多尺度特征预测、使用 ROI-Align代替 ROI-Pooling等方式增强网络的泛化能力。通过对样据进行 K-means聚类得到目标框长宽几何比例先验分布，提高区域生成（ region proposal network，RPN）网络训练速度和位置回归准确性。测试结果表明，获得的汽车内部空间图像较为清晰，算法可以实现对乘员数量的检测。经过改进，网络的泛化能力得到增强，单乘员检测的准确率达到 88.6%，相比于改进前提高了 13.8%，能够满足行业规定大于 80%的要求。
多光谱红外图像 全卷积 K-means聚类 multispectral infrared image, faster-RCNN, full co Faster-RCNN ROI-Align
1 安徽工业大学 电气与信息工程学院, 安徽 马鞍山 243002
2 安徽工业大学 数理科学与工程学院, 安徽 马鞍山 243002
3 安徽易芯半导体有限公司, 安徽 合肥 230000
利用单晶炉中特殊结构在硅熔液上的倒影图像目标, 通过图像处理进行高温硅熔体液面变化的非接触式检测。首先比较不同图像分割方法对倒影图像处理的效果, 选取最优图像分割方法处理不同单晶硅液位的倒影图像, 其次采用不同角度、不同尺寸ROI(感兴趣区域)对图像进行分割, 并提取分割后的目标像素面积, 最后利用像素面积变化与对应液位变化之间的比值系数和像素面积变化的标准差相结合的评价函数对图像处理效果进行对比。结果表明, 采用动态局部阈值分割法和大尺寸且垂直于相机视角的ROI对图像进行处理, 使得评价函数值最大, 兼顾了单晶硅液位检测的灵敏度和精密度。
光学测量 单晶硅 液位检测 图像处理 评价函数 optical measurement single crystal silicon level detection image processing ROI ROI evaluation function
1 中国石油大学（北京）安全与海洋工程学院，北京 102249
2 北京首都国际机场股份有限公司，北京 100621
3 中国石油塔里木油田分公司，新疆库尔勒 841000
基于红外图像的设备故障诊断需要从图像中选择敏感区域，由于红外图像具有干扰背景多、对比度低的特点，敏感区域提取过程中需要进行背景移除和图像分割，但常用的二值化分割算法在分割红外图像时易出现过分割问题。因此，本文提出了基于区域对比和随机森林的敏感区域提取方法。首先使用区域对比方法对红外图像进行显著性检测，以去除干扰背景；然后通过OTSU 算法进行图像分割，实现敏感区域初步提取；最后结合随机森林分类结果对图像分割过程的阈值进行迭代优化，实现敏感区域的优化提取。经过转子实验台6 种不同状态的红外图像数据验证，将本文方法提取出的故障敏感区域用于故障诊断时，分类的准确率提高了3.3 个百分点，比人工选择的区域更加准确。
设备故障 红外图像 敏感区域提取 区域对比 随机森林 equipment failure, infrared image, ROI extraction,
重庆邮电大学 通信与信息工程学院， 重庆 400065
针对红外图像空间分辨率低、视场窄，导致图像配准率低、实时性差的问题，提出一种基于感兴趣区域(ROI)的高精度红外全景拼接算法。该算法首先根据两张相邻图像的近似位置关系，求取图像间的ROI；接着，在ROI窗口中提取尺度不变特征变换(SIFT)特征点并将其作为运动目标，结合KLT(KanadeLucasTomasi)实时跟踪算法确定待配准图像中特征点的位置信息并进行匹配；然后采用随机采样一致性(RANSAC)算法剔除误匹配点对；最后利用像素级融合法消除拼接痕迹，合成一幅分辨率稳定、视场宽的红外全景图像。经实验验证，该算法与传统SIFT算法相比，配准率提高了3.491%，运行时间约提高了50%，能够准确、有效地实现多帧红外图像的无缝拼接。
红外全景图像 图像配准 KLT算法 图像融合 infrared panoramic image image registration ROI ROI KLT algorithm image fusion
江南大学物联网工程学院物联网应用技术教育部工程中心，江苏 无锡 214122
当前车辆辅助驾驶系统的一个主要挑战就是在复杂场景下实时检测出多遮挡的行人，以减少交通事故的发生。为了提高系统的检测精度和速度，提出了一种基于改进区域全卷积网络(R-FCN)的多遮挡行人实时检测算法。在R-FCN网络基础上，引进感兴趣区域(RoI)对齐层，解决特征图与原始图像上的RoI 不对准问题；改进可分离卷积层，降低R-FCN 的位置敏感分数图维度，提高检测速度。针对行人遮挡问题，提出多尺度上下文算法，采用局部竞争机制进行自适应上下文尺度选择；针对遮挡部位可见度低，引进可形变RoI 池化层，扩大对身体部位的池化面积。最后为了减少视频序列中行人的冗余信息，使用序列非极大值抑制算法代替传统的非极大值抑制算法。检测算法在基准数据集Caltech 训练检测和ETH 上产生较低的检测误差，优于当前数据集中检测算法的精度，且适用于检测遮挡的行人。
多遮挡行人 可分离卷积层 多尺度上下文 可形变RoI 池化层 multi-occluded pedestrian separable convolution layer multi-scale context deformable RoI pooling layer
1 湖北汽车工业学院，湖北 十堰 442002
2 电子科技大学，四川 成都 610054
针对红外图像行人检测任务中行人细节信息少，特征提取计算量大以及易受背景影响等问题，提出了一种改进的Fast R-CNN（快速区域卷积神经网络）红外图像行人检测方法。改进主要涉及两个方面：①结合红外图像的特点提出了一种自适应ROI 提取算法，在不影响检测准确率的前提下，降低了ROI 数量，使得网络的计算量减小；②提出了一种加权锚点框的定位机制，基于3 种不同宽高比锚点框的检测置信度进行坐标加权，获得更准确的定位框。实验结果表明，本文提出的改进方法与传统的Haar＋LBP＋HOG＋SVM 算法及Fast R-CNN 算法相比，红外图像行人检测的准确率从80.3%和91.2%提高到92.3%，检测速度从68 ms/f 和25 ms/f 提高到12 ms/f，提高了系统的性能。
快速区域卷积神经网络 红外图像 行人检测 自适应ROI 提取 加权锚点框 fast region convolution neural network infrared image pedestrian detection adaptive ROI extraction weighted anchor box
为了更精确有效地测量某检测系统下激光光斑的中心位置和半径, 提出了一种基于LabVIEW视觉处理模块中Vision Assistant的激光光斑中心定位方法。在Matlab环境下, 对CCD采集到的激光光斑图像预处理后用理论上可行的3种常见光斑中心定位算法分别进行仿真并做了对比实验, 如Houng变换与自身改进方案对比, 圆拟合算法不同算子之间的对比以及空间矩定位法的二次细化对比, 从而对3种定位算法做出利弊分析。最后对光斑中心定位方法做出随机设置不同ROI多次测量取平均值的实用化新方法。仿真结果表明, 该方法能够快速、准确地得到光斑中心位置和半径值, 并且测量精度可达小数点后两位。
图像处理 激光光斑 image processing laser spot Madab Matlab LabVIEW LabVIEW Region of Interest ( ROI) Region of Interest（ROI）
