关键词： 红外辐射偏振特性   高温金属   偏振度   目标检测  

摘要： 偏振特性是光场中除强度与光谱之外的又一维重要特性,在目标识别、军事侦察和红外目标探测等领域展现出广阔的应用前景。航天发动机、高速飞行器等人造物体通常温度可以达到几百摄氏度,因此具有高温自辐射特性。然而,高温情况下目标的红外偏振特性研究却相对较少,尤其是缺乏针对不同金属表面在较高温度下的偏振特性的深入探索。为了研究高温金属表面的辐射偏振特性,采用基于微面元理论的双向反射分布函数模型,结合镜面反射与漫反射特性,系统性地建立了基于金属自发辐射能量的偏振双向反射分布函数与红外辐射偏振度的数学模型。通过推导与计算,分析了不同表面粗糙度和温度条件下,金属对红外辐射线偏振度的影响规律。仿真结果表明,在相同温度下,金属表面的粗糙度越大,偏振度越低;相反,在相同粗糙度下,随着温度的升高,偏振度逐渐增加。同时利用LGC6122型长波红外相机与WP25M-IRC红外线栅偏振片,对金属铁和45号钢进行了在8~14μm波段内的目标自发辐射偏振热成像,获取了150、200、250、300、400和500℃下的长波红外线偏振度数据。针对实验观测而言,受普朗克黑体辐射定律影响,金属表面温度与其光谱积分偏振度呈正相关状态,温度越高,光谱积分偏振度越大。同时随着观测角度的增加,偏振度也逐渐增大,在70°~80°范围内达到峰值。该研究成果旨在提升红外目标检测等应用中热成像和光学传感技术的精度和其可靠性,并为未来进一步探索复杂环境下的红外探测技术提供参考。

关键词： 无人机(UAV)   目标检测   深度学习   YOLOv8算法   注意力机制   Focaler-CIoU损失函数  

摘要： 无人机拍摄影像存在大量分布密集的小目标,针对通用目标检测方法对小目标容易造成漏检和错检的问题,提出了一种改进YOLOv8的无人机航拍图像小目标检测算法。利用高分辨率浅层特征信息具有较小的感受野和更精细的空间信息特性,改进算法增加小目标物体检测头,采用四个特征检测头提升小目标检测率。设计构造ConvSPD卷积模块和BiFormer注意力增强模块的小目标检测模块组改进YOLOv8骨干网络,有效增强小目标浅层细节特征信息的捕获能力。为确保模型的硬件终端部署需求,采用可重参数化的Rep-PAN模型优化Neck网络。Head网络采用Focaler-CIoU损失函数优化回归定位损失,提高定位精度。在VisDrone-2019数据集上,改进算法平均检测精度达到51.2%,比YOLOv8提高10.9个百分点,检测速度为63.7 FPS,具有良好的实时性。

关键词： 被动目标追踪   状态估计   最大相关熵准则   自适应核宽   卡尔曼滤波  

摘要： 针对机动目标状态难以精确估计的问题,提出一种基于连续-离散最大相关熵分布式容积卡尔曼滤波的状态估计方法。首先利用1.5阶伊藤(ITO)泰勒展开将随机微分方程转换为随机差分方程,并根据三次容积规则对状态预测值进行精确计算。然后利用最大相关熵准则处理异常测量值,修正状态预测值得到最优状态估计值。同时,为了确保算法在合适的核宽度下工作,基于测量新息误差提出了一种自适应核宽选择方法。通过经典被动目标跟踪的数值仿真表明,该方法不仅跟踪精度高、鲁棒性强,而且使用便利、可扩展性强。

关键词： 番茄成熟度   计算机视觉   部署硬件   识别与检测  

摘要： 番茄成熟度的识别与分级检测是番茄采收与供应链管理中不可或缺的一环,它直接影响到番茄的品质、储存时间和市场价值。近年来,随着计算机视觉技术的不断发展,番茄成熟度的检测方法也随之创新和完善。文章阐述了近年来自动化技术和智能化技术在番茄成熟度检测方法的应用,分析了4种检测模型部署硬件的优缺点,并对番茄成熟度检测装置的发展趋势和方向进行了分析与展望,为后续研究者提供参考。

关键词： 计算机视觉   数据生成与应用   传统数据生成   三维渲染   深度生成模型   图像增强   个体分析   生物特征识别   群体分析   自动驾驶   视频生成   具身智能  

摘要： 大规模图像和视频数据集是驱动计算机视觉算法发展的核心要素。面向计算机视觉任务,构建大规模图像和视频数据集是一项重要但复杂的任务。基于生成对抗网络和扩散模型等数据生成方法可以可控地生成大规模、多样性的图像和视频数据,有效替代或弥补真实图像和视频数据集,为计算机视觉技术领域的发展提供了新的动力。本文在对面向计算机视觉的图像和视频数据生成与应用背景简介的基础上,首先,从以几何变换等为代表的传统数据增广和生成、以虚拟引擎和神经辐射场等为代表的基于三维渲染的数据生成方法、以生成对抗网络和扩散模型等为代表的基于深度生成模型的生成方法等3方面系统调研典型的图像和视频数据生成技术与模型;其次,梳理了典型的图像和视频数据生成技术与模型在图像增强,目标检测跟踪与姿态动作识别等个体分析,基于图像和视频的生物特征识别、人员计数与人群行为分析等群体行为分析、自动驾驶、视频生成、具身智能等典型计算机视觉相关任务中的应用;最后,分析面向计算机视觉的数据生成与应用中存在的问题,并展望未来发展趋势,以期促进图像和视频数据生成及计算机视觉技术的发展。

关键词： 大数据挖掘   数据分析   图像处理  

摘要： 文章深入探讨了大数据技术在图像处理中的应用,包括优化图像预处理、特征提取、目标识别及图像增强。分析了大数据挖掘技术对提高图像处理精度和效率的作用,探索了智能化图像处理系统的实际应用,并展望了未来技术发展趋势。

关键词： FPGA   医疗图像处理   FPGA处理器  

摘要： FPGA在医疗图像处理领域具有高度并行性、实时性、灵活性以及数据安全等优势,使基于FPGA的医疗图像处理加速器技术的研究热度一直得以保持。文章旨在介绍FPGA在医疗图像处理领域的应用及挑战。综述了FPGA在医疗图像边缘检测与分析、重建与压缩感知、分类与分割、增强与滤波、变换与配准5个方面的研究状况,并分析了FPGA在5个方面的应用情况和前景,继而提出FPGA在医疗图像处理领域面临的一些挑战和发展趋势。

关键词： 图像去雾   目标检测   RTDETR   跨尺度特征重建   轻量化网络  

摘要： 针对雾天图像整体亮度和对比度较低且受噪声干扰严重,导致目标检测算法检测效果不佳的问题,提出一种雾天目标检测方法(EC-RTDETR)。设计了在线去雾网络DDNet,利用跳跃连接和轮廓特征计算,去除噪声干扰的同时增强图像的纹理特征;引入轻量化FasterNet作为特征提取网络,充分提取目标空间特征,提高了模型的计算效率;使用加性注意力代替原网络的AIFI,实现更丰富的浅层和深层特征交互;提出了上下文引导的跨尺度特征重建融合模块,设计多尺度网络来提取上下文特征,并对提取后的特征进行融合重构,突出了雾天目标特征,提高了算法在雾天场景中的检测效果。在RTTS数据集上的实验表明:较于基准RTDETR,mAP提高了2.35个百分点,mmAP提高了3.66个百分点,召回率提升了4.71个百分点,参数量减少了9.82×10^(6),证明了EC-RTDETR在实现轻量化的同时,有效提升了雾天场景下的目标检测性能。

关键词： 目标跟踪   视觉Transformer   干扰抑制   逐层合并的高相似token   多头注意力  

摘要： 针对单流纯Transformer跟踪算法搜索区域中的相似信息或混乱背景等非目标信息的干扰会影响相关性计算的问题,提出一种抑制非目标干扰的单流纯Transformer跟踪算法。首先,构建抑制非目标干扰模块,该模块采用高相似token合并策略,当高相似token包含目标信息时,合并操作将保留目标信息,当高相似token包含混乱背景或相似目标干扰信息时,合并操作将降低这些干扰信息的注意力权重;其次,将该模块添加到单流纯Transformer骨干网络中,以抑制干扰多头注意力的计算结果;最后,将抑制干扰后的特征送进跟踪头,从而完成对目标的跟踪。在5个基准数据集上的测试结果表明:与OSTrack(One Stream Tracking)算法相比,在GOT-10k基准数据集AO指标提升1.1个百分点,在NFS、UAV123、TNL2K基准数据集AUC指标分别提升1.6、1.0、1.1个百分点,同时所提算法的跟踪推理速度即每秒帧数(FPS)可达166,证明所提算法成功抑制了非目标的干扰,提升了单流纯Transformer跟踪算法的鲁棒性并且能够保证跟踪的实时性。

关键词： 交通标志   坐标卷积   目标检测   最优传输分配  

摘要： 针对因尺度小、高速移动和天气等因素导致交通标志检测失败的问题,提出了一种基于坐标卷积和最优传输标签分配的交通标志检测模型。为兼顾嵌入式平台部署和检测速度,以YOLOv5s检测模型为基础。首先,使用具有额外坐标通道的坐标卷积来感知空间信息,增强小尺度交通标志的特征表征能力。其次,通过最优传输分配方法寻找全局最优的目标标签分配方法,减少模糊框的个数,提高训练数据的利用率。最后,使用包含角度损失的SIo U损失函数,提升预测框的收敛速度并增强检测能力。在CCTSDB和TSRD 2个交通标志数据集上测试本文模型的表现,实验结果表明,本文模型的表现较原YOLOv5s模型有较大的提升。与YOLOv7模型相比,本文模型的m AP_0.5和m AP_0.5:0.95在TSRD数据集上分别提升了2.35%和1.45%,在CCTSDB数据集上与YOLOv7的持平,同时本文模型在2个数据集上的检测速度是YOLOv7的2.5倍多,因此本文模型具有更出色的检测精度和速度。