针对目标跟踪中常见的目标遮挡问题，提出一种自适应特征匹配网络。该网络通过计算查询帧与记忆帧像素级相似度，将目标和背景相似度关系进行编码，获得像素级相似度矩阵，并通过将查询帧与记忆帧分头的方式，实现多维度相似性计算，以关注查询帧中更多区域，并通过计算的相似度矩阵，对记忆帧进行自适应特征加权，以此来提高目标跟踪的精度和鲁棒性。此外，特征记忆网络可以对记忆帧进行挑选和保存，为特征匹配提供额外表观信息，使网络隐性学习目标运动趋势，进而实现更好的跟踪结果。实验结果表明，该方法在GOT-10k，LaSOT等数据集上表现良好，在GOT-10k数据集上，本文所提出的算法与STMTrack算法相比，
![]()
![]()
值提升1.8%。根据可视化结果显示，本文算法在目标遮挡、消失等挑战中，具有更强的鲁棒性。
光学 精密工程
2023, 31(22): 3345
辽宁工程技术大学电子与信息工程学院, 辽宁 葫芦岛 125000
针对传统去雾算法处理图像后存在颜色不均衡、能见度较低等问题, 提出一种基于雾线先验的双边滤波优化透射率算法。首先, 将像素在RGB空间中聚类成雾线并引入自适应模块对大气光值进行预估。将大气散射模型和上下文正则化原理相结合, 对图像透射率进行初步优化, 同时基于最小通道对透射率进行更正, 使得传输率图更加平滑, 防止相邻景深区域透射率差距过大; 再经过双边滤波对透射率进行二次优化, 使其变得更加精准。然后, 将大气光值和透射率输入到大气散射模型进行去雾处理得到无雾图像。最后, 将去雾后的图像进行色彩增强, 以提升图像的色彩真实性和亮度。实验结果表明, 所提方法在主观上提升了人眼的视觉效果, 在客观评价指标结构相似性(SSIM)、峰值信噪比(PSNR)、角点检测数、通用质量指数(UQI)、自然图像质量评估(NIQE)和处理时长上均有着显著的优越性。
图像去雾 雾线先验 透射率优化 自适应 image defogging fog line priori transmittance optimization self-adaption
长沙理工大学电气与信息工程学院，湖南 长沙 410114
针对雾天图像数据集匮乏问题，提出一种基于深度估计的雾天模拟方法。自适应调整亮度与饱和度对清晰原图像进行预处理，采用自监督单目深度挖掘网络生成图像的深度图，利用引导滤波优化深度图，设定模拟图像能见度获得透射率图，通过暗通道图区分天空区域并估计大气光值，最终由大气散射模型得到设定能见度下的雾天模拟图像。实验数据显示，该方法有效改善了模拟图像目标不清晰、雾气边缘锐化问题，在模拟能见度为2000 m以下的雾天图像时效果稳定，其雾天模拟图像与真实雾天图像的特征评价指标平均误差率为6.28%，表明该方法具有可行性，可对自然环境下清晰图像进行雾天模拟以解决雾天图像数据集匮乏与能见度数据缺失的问题。
图像处理 雾天模拟 深度估计 自适应 大气光值 激光与光电子学进展
2023, 60(10): 1010005
江苏科技大学电子信息学院, 江苏 镇江 212000
针对复杂水文环境下无人自治水下机器人(AUV)轨迹跟踪实时性较慢、精度较低的问题, 设计了一种基于拉盖尔函数的自适应预测轨迹跟踪控制方法。首先, 基于预测控制将轨迹跟踪问题转化为二次规划设计; 其次, 为解决AUV 轨迹变化以及外部干扰所造成的控制量突变, 融合递推最小二乘法设计了自适应预测控制器; 接着, 采用拉盖尔函数重构控制器, 以解决运算量过大导致的系统响应速度变慢的问题; 最后, 仿真证明了该方法能够提升系统的响应速度、抗干扰性和鲁棒性。
水下机器人 轨迹跟踪 模型预测控制 参数自适应 拉盖尔函数 Autonomous Underwater Vehicle(AUV) trajectory tracking model predictive control parameter self-adaption Laguerre function
1 中国科学院上海技术物理研究所中国科学院智能红外感知重点实验室，上海 200083
2 国科大杭州高等研究院，浙江 杭州 310024
3 中国科学院大学，北京 100049
对空天暗弱目标的高灵敏度连续探测是目前天基红外探测领域的重点研究方向。高速飞行器等目标由于机动性强、飞行速度快、飞行高度起伏大，其在系统入瞳处的辐射强度变化范围大；同时，飞行过程中地球背景复杂多变，系统对其连续探测的鲁棒性大幅降低。针对以上问题，综合分析了目标运动特性、背景辐射特征及其变化特点，提出了一种基于实时图像信息的积分时间、积分电容自适应寻优的探测跟踪方法。首先，根据目标典型运动速度和背景辐亮度特征，优化设计系统的积分电容和初始积分时间，对目标进行监视搜索。探测到目标后，收集目标的实际运动特征及邻域的背景辐射强度特征，根据目标运动轨迹的连续性和背景辐射变化的缓变性，自适应调整目标跟踪过程的最佳积分时间和积分电容，使目标信噪比持续保持最优，实现对目标的高灵敏度跟踪。
遥感 自适应 优化设计 连续探测跟踪 红外探测仿真 中国激光
2022, 49(21): 2110001
在对光纤位移传感器进行温度标定的过程中，随着工作环境的变化，位移传感器的测量值会产生误差，从而使位移传感器在使用时随着环境温度的变化发生精度下降的情况。为减少这种漂移偏差，该文使用径向基(RBF)神经网络对位移传感器进行温度补偿，并采用自适应的设计思想寻找RBF函数中心。将位移量和环境温度作为输入，其输出为传感器输出电压，使用自适应的设计思想来确定基函数的中心，建立一个基于RBF神经网络的模型。结果表明，该模型的训练结果可以使光纤位移传感器进行测量的相对误差降低9.23%，在测量精度上有很大的改进，证明了该方法的可行性。
光纤位移传感器 温度补偿 径向基(RBF)神经网络 测量精度 自适应 optical fiber displacement sensor temperature compensation RBF neural network measurement accuracy self-adaption
1 西安邮电大学通信与信息工程学院, 陕西 西安 710121
2 西安邮电大学电子工程学院, 陕西 西安 710121
3 西安电子科技大学综合业务网理论及关键技术国家重点实验室, 陕西 西安 710071
量子定位系统(QPS)是一种高精度且安全的定位系统,光子数的变化会对定位误差和安全性造成很大影响。为了降低降雨天气下系统的定位误差并提高系统的安全性能,基于诱骗态量子密钥分配协议和最优平均光子数自适应(PNA)算法,提出了抵抗降雨干扰的QPS诱骗态自适应调整策略。建立了降雨强度、传输距离与最优平均光子数间的自适应关系,对自适应调整前后的定位误差和安全密钥生成率进行了对比。仿真结果表明,当降雨强度为10 mm/h ,传输距离为10 km时,采用PNA算法后,系统定位误差由13.81 cm减小到1.13 cm;当降雨强度为1.47 mm/h,传输距离为25 km时,采用PNA算法后,系统的安全密钥生成率由5.5×10 -4提高到6.3×10 -4。由此可见,通过自适应调整系统每脉冲所含平均光子数,可以提高QPS在降雨天气下的可靠性。
山东理工大学机械工程学院，山东 淄博 255000
为进一步适应复杂环境及战斗机自身状态的变化，提高目标跟踪算法的跟踪性能，在TLD算法框架下对其进行改进。首先，将改进了的SIFT特征匹配算法与TLD算法中的光流法相结合，根据战斗机的不同状态及周围环境自适应地选择相应算法，提高算法的鲁棒性和对复杂环境的自适应能力; 其次，引入粒子滤波进行优化，实时预测战斗机状态并缩小检测范围，在降低计算难度的同时提高跟踪速度和持续性; 最后，设置置信度检测以有效解决误判问题，提高跟踪精度。实验结果表明，当战斗机处于复杂场景或自身状态变化较大时，改进算法取得了优于参考算法的跟踪性能，可以满足长时间鲁棒跟踪的要求。
目标跟踪 TLD算法 SIFT特征匹配算法 自适应 粒子滤波器 target tracking TLD algorithm SIFT feature matching algorithm self-adaption particle filter
拉曼光谱技术由于其快速、简单且无损等优势, 广泛地应用于组分的定量分析。目前常用的定量回归方法包括偏最小二乘、人工神经网络、支持向量机等, 为寻求新方法, 本文对41组葡萄糖样本的拉曼光谱数据研究, 以极限学习机为定量回归基础, 结合遗传算法、粒子群算法、人工蜂群算法等优化算法, 比较分析后提出一种新型自适应差分进化的人工蜂群算法应用于极限学习机, 该模型对差分进化的变异率和交叉率做了调整, 能够降低极限学习机容易陷入局部最优和差分进化对参数依赖性大的问题, 优化后模型的评价指标较传统极限学习机和基于其它优化算法都有显著提升。实验表明, 基于自适应差分进化人工蜂群算法的极限学习机提高了预测精确度和模型稳健性。
人工蜂群算法 自适应差分进化 拉曼光谱 葡萄糖样本 极限学习机 Artificial Bee Colony Algorithm Self Adaption Differential Evolution Raman spectroscopy glucose sample Extreme Learning Machine
