1 华中光电技术研究所—武汉光电国家研究中心,湖北武汉430223
2 武汉设计工程学院信息工程学院,湖北武汉430225
红外小目标检测通常受制于较远的成像距离,使得提取目标特征成为了一种困难,如何增强目标的特征表达是近些年的主要方向之一。而过于复杂的特征表达会损失推理速度,这对于有实时性要求的红外小目标检测任务是不利的。通过使用重参数化技术结合领域中常用的残差网络作为特征提取网络,再使用额外注意力与通道注意力作为特征增强模块与特征融合模块,在数据集上取得了较好的结果。提出的模型在 SIRST 与 IRSTD-1K 数据集上分别取得了 0.734 与 0.638 的 mIoU 值,同时参数量和计算复杂度只有 0.306 M 与1.114 G FLOPs。该模型能够在推理阶段保持较少参数的同时拥有和其他领先的方法相近甚至领先的性能,在串行运行的环境上有着明显的优势。
红外小目标检测 深度学习 卷积神经网络 模型压缩 注意力机制 infrared small targets detection deep learning convolutional neural networks model compression attention mechanism
1 南通大学机械工程学院,江苏 南通 226019
2 南通国尚精密机械有限公司,江苏 南通 226017
针对铝型材表面缺陷种类多、尺度差异大、小目标容易漏检等问题,提出了KCC-YOLOv5——一种基于YOLOv5s改进的铝型材表面小缺陷检测模型。首先利用IoU(intersection over union)-K-means++算法代替K-means算法聚类锚框,获得最贴合铝型材表面缺陷的锚框,提高小目标锚框的质量;其次,提出全局注意力模块C3C2F,并引入主干层,在减少参数量的同时增强小目标的语义信息和全局感知能力;最后将颈部最近邻插值上采样方式换为轻量级上采样算子CARAFE(content-aware reassembly of features),充分保留上采样特征图的小目标信息。实验结果表明,改进模型KCC-YOLOv5的均值平均精度为94.6%,相比于YOLOv5s提高了2.8个百分点,小目标漆泡和脏点的平均精度分别提高了5.2和12.4个百分点。KCC-YOLOv5模型在保持大目标检测精度小幅度提升的同时显著提升了小目标的检测精度。
机器视觉 铝型材 表面缺陷 KCC-YOLOv5 小目标检测 激光与光电子学进展
2024, 61(4): 0412002
海装驻武汉地区第七军事代表室, 湖北 武汉 430223
随着技术的不断发展, 传统多目标跟踪算法在红外警戒设备应用上面临新的挑战与要求。讨论了基于多模标签多伯努利-支持向量机的扇扫红外警戒设备图像多目标跟踪问题。首先分析了传统多目标跟踪算法运用于扇扫红外警戒设备存在的不足之处, 提出了基于多模标签多伯努利-支持向量机滤波算法的优势; 分析了基于多模标签多伯努利滤波-支持向量机算法运用于扇扫红外警戒设备面临的问题, 并提供了对应的解决方案。仿真结果表明, 在典型复杂背景下, 该算法的弱小目标航迹抗干扰成功率平均提升20%左右, 对仅50%检测率的弱小目标的建航成功率提升45%以上, 显著提高了弱小多目标跟踪能力。
多模标签多伯努利 多目标跟踪 红外警戒 弱小目标 MM-LMB-SVM multi-target tracking infrared warning weak and small targets
1 贵州省智能医学影像分析与精准诊断重点实验室,贵州大学计算机科学与技术学院,贵州 贵阳 550025
2 北京大学深圳研究生院信息工程学院,广东 深圳 518055
3 贵州师范学院大数据科学与智能工程研究院,贵州 贵阳 550018
现有的通用检测方法在小目标检测上仍存在漏检率较高的问题。为了提高头部的检测率,在YOLOv3基础上提出了ResNet DenseNet MDC (Mixed Dilated Convolution)YOLOv3 (RDM-YOLOv3)目标检测网络。首先改进了YOLOv3的特征提取网络DarkNet-53,提出了一种基于ResNet和DenseNet的特征提取网络RD-Net,以提取更多的语义信息。然后,使用不同膨胀率的空洞卷积对特征层进行采样,构建混合空洞卷积结构,提高对小目标的敏感度。使用RDM-YOLOv3与其他方法在Brainwash数据集和HollywoodHeads数据集上进行对比实验,AP(Average Precision)值分别达到了93.1%和86.8%。所提方法的实验结果优于其他方法,对小目标的检测性能显著提升。
机器视觉 头部检测 小目标 卷积神经网络 特征提取网络 RDM-YOLOv3 激光与光电子学进展
2022, 59(8): 0815011
1 哈尔滨工业大学 空间光学工程研究中心, 黑龙江 哈尔滨 150001
2 北京跟踪与通信技术研究所, 北京 100094
3 南京航空航天大学 航天学院, 江苏 南京 210016
针对天基观测复杂环境下空中弱小目标远程广域探测的需求, 立足于天基光学探测链路, 分析太阳光照、云层及地表等复杂背景环境与目标辐射的相互作用机理, 在此基础上提出影响天基目标光学特性的探测场景环境要素; 然后结合目标的可探测性表征, 分析在不同探测谱段情况下, 不同光照、地表背景类型及云层等复杂环境要素对目标可探测性的影响规律; 最后以某典型目标为例, 结合现有的目标特性认知与理论建模, 分析得出复杂环境要素的影响排序, 并根据目标信杂比随谱段的变化特性, 提出探测谱段的优选建议, 为我国隐身/反隐飞行器设计、探测系统设计及信息处理算法优化提供理论依据与科学指导.
天基观测 复杂环境 空中弱小目标 可探测性分析 探测谱段优选 space-based observation complex environment aerial weak and small targets detectability analysis detection spectral optimal selection
针对空中红外运动小目标检测虚警率较高的问题,提出了利用多种模型联合判决来实现红外运动小目标的检测方法。首先依据红外小目标的成像模型特点,采用背景预测算法逐像素判断是否为疑似目标点;然后依据目标知识模型,用支持向量机( Support Vector Machine,SVM)分类器对疑似目标点进行二次判决,进一步滤除虚假目标点;最后依据运动模型来判断目标点在相邻帧之间的相对运动,筛除掉相对静止的虚假目标点,最终检测结果即为红外运动小目标。实验表明,该方法能有效降低对空红外运动小目标检测的虚警率,可用于强杂波环境下的红外运动小目标检测。
多模型 红外小目标 目标检测 multiplemodels infrared small targets target detection
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
目标的温度较高且距成像系统较远时,目标像在探测器靶面上占据多个像元且输出灰度易饱和,传统的点源目标和面源目标处理方法无法适用。针对上述问题,提出一种高温小目标辐射特性测量方法,并通过外场实验验证了该方法的有效性。首先,建立测量系统的高温定标模型,并修正平行光管透过率对定标模型的影响。然后,根据目标能量虽弥散到多个像元但到达探测器靶面的总能量不变的现象,提出一种针对高温小目标的辐射特性测量方法。最后,采用Φ600 mm红外辐射特性测量系统进行外场高温小目标辐射测量实验。结果表明,考虑大气透过率和大气程辐射后,可以实现对远距离高温小目标较高精度的测量,验证了方法的有效性。
测量 辐射特性 辐射定标 小目标 红外成像系统 光学学报
2017, 37(10): 1012004
空军工程大学防空反导学院,陕西 西安,710051
现有天基红外导弹预警系统对目标的探测侧重于对红外图像的处理。从光谱维数据分析角度出发结合支持向量数据描述基本理论,提出了一种基于导弹尾焰特征谱的SVDD 检测方法。应用小样本训练数据建立了单分类器,以11 型导弹目标的红外辐射尾焰特征谱数据作为训练样本,比较了RBF 与SSM 作为核函数的检测效果,应用交叉检验的方法确定宽度因子和相似临界因子的值,结果表明,在低信噪比红外图像中,基于SSM-Kernel 的SVDD 检测性能优于基于RBF-Kernel 的检测性能。应用训练样本数据的辐射双峰所对应中心波长作为匹配模板进行识别,实验表明方法具有可行性。
支持向量数据描述 红外弱小目标 目标检测 导弹尾焰 核函数 SVDD infrared dim and small targets target detection missile plume kernel function