关键词： 图像复原   选择性状态空间模型   非因果建模   多尺度建模   图像处理  

摘要： 目的 图像复原是计算机视觉领域的经典研究问题。选择性状态空间模型（selective state space model,selective SSM）因其高效的序列建模能力，广泛应用于各类图像复原任务。另外，非局部图像块之间存在依赖关系，能够辅助提升复原性能。而传统SSM采用确定性的令牌（token）扫描方式，仅能提取令牌序列的单向依赖关系。此时，令牌间的关系建模因在序列中的先后顺序受到因果性制约，这与图像块之间的非因果相互关系形成冲突，限制了复原性能的进一步提升。针对此问题，提出一种面向图像复原的非因果选择性状态空间模型，旨在赋予SSM建模令牌之间非因果依赖关系的能力。方法 为解决SSM在因果性建模与图像内容非因果关系之间的矛盾，提出随机扫描策略，突破了传统扫描方式在因果性和空间限制上的局限，实现了令牌序列之间的非因果建模。具体而言，构建了随机重排和逆重排函数，实现了非固定次序下的令牌扫描，有效建模了不同令牌之间的非因果依赖关系。此外，针对图像退化干扰存在空间尺度变化和形态结构复杂的特点，融合多尺度先验构建了具有局部与全局信息互补性的非因果Mamba模型（non-causal Mamba, NCMamba），实现了对于各类图像复原任务的有效适配。结果 实验分别在图像去噪、去模糊和去阴影任务上进行，验证了所提非因果建模和局部—全局互补策略的有效性。与现有方法相比，所提模型在图像去阴影数据集SRD(shadow removal dataset)上的峰值信噪比提升0.86 dB。结论 面向图像复原任务，构建了非因果选择性状态空间模型，建模了令牌之间的非因果依赖关系，实现了局部与全局信息的有效互补，显著提升了复原性能。所提方法在主客观评价指标上均取得优异性能，为图像复原领域提供了新的解决方案。

关键词： 计算机视觉   铁路轨道故障   自动检测系统   卷积神经网络   Lucas-Kanade光流检测算法  

摘要： 文章设计并实现了一种基于计算机视觉的铁路轨道故障自动检测系统，旨在提高轨道维护的效率和准确性。系统主要由硬件设备、图像处理模块、故障检测算法模块和数据分析模块等组成，首先通过高分辨率工业摄像头、激光扫描仪和红外传感器采集轨道表面图像，图像处理模块对采集的图像进行去噪、灰度调整和边缘检测，以提高图像质量；然后，利用卷积神经网络（CNN）进行深度特征提取，并结合Lucas-Kanade光流检测算法分析轨道形变。实验结果表明，该系统在裂纹、变形和磨损等故障检测中的平均准确率为99.2%，具有较高的实用性。

关键词： 计算机视觉   超分辨   大核注意力   轻量化   自适应特征融合  

摘要： 针对高性能图像超分辨网络通常参数量庞大的问题，提出了一种轻量级模型。首先，集成了3种大核注意力，即双路大核注意力、大核像素注意力和大核通道注意力，旨在扩大模型感受野，建立像素的长程依赖性。其次，引入了自适应注意力融合机制，增强了特征的表征能力，提升了模型性能。实验证明：本文模型在视觉感知和量化测试上表现优异。在Urban100数据集上，与目前流行的ARRFN算法相比，4倍重建结果的峰值信噪比均值提高了0.25 dB。重建图像视觉效果更逼真、纹理更为清晰和自然，充分证明了该算法的有效性。

关键词： 天地波混合体制雷达   电离层相位污染校正   目标检测   信号处理加速  

摘要： 天地波混合体制超视距(Over-the-Horizon,OTH)雷达因其信号的多样化传输和灵活接收,结合了传统天波OTH雷达和地波OTH雷达的特点,具备了远距离探测以及接收站灵活部署等优势。然而因其复杂的传输信道和独特的工作模式,混合体制雷达仍面临着电离层相位污染、慢速目标检测性能弱以及实时信号处理能力不足等问题和挑战。本文基于天地波混合体制OTH雷达系统,依托于国家自然科学基金重点项目——动态重构的天地波混合传播高频雷达海空目标信息获取研究,围绕电离层相位污染校正、目标检测及信号处理加速展开研究。 针对混合体制雷达天发天收和天发地收路径下的电离层相位污染问题,提出了基于调频斜率的自适应短时傅里叶变换的电离层相位污染校正方法,通过仿真实验和多方法对比,分析了方法的电离层相位污染校正效果,验证了方法在复杂电离层环境下的鲁棒性。 针对混合体制雷达天发地收路径下的多站和多目标检测问题,构建了基于联合子空间的目标检测模型,在干扰子空间存在和训练数据不足条件耦合时,推导了单站与多站场景下基于广义似然比检验(Generalized Likelihood Ratio Test,GLRT)、Rao和Wald三个准则的检测器(P-Uos-GLRT-I、P-Uos-Rao-I、P-Uos-Wald-I)。通过与传统联合子空间检测器的仿真实验对比,验证了该检测器的检测性能和分类性能。 针对混合体制雷达的海量数据处理需求,研究基于天发地收路径的信号处理流程,设计了GPU并行加速方案,对信号处理过程中匹配滤波、动目标检测、恒虚警率检测等核心模块,分别设计了对应的加速算法和加速策略,利用CUDA架构实现全流程加速,通过与传统的CPU串行计算进行运算速度的比较,验证了加速策略和加速算法的可行性。

关键词： 交通运输规划与管理   深度学习   环境感知   车载图像   目标检测   单目测距  

摘要： 为提高驾驶环境中的车辆目标检测精度与测距稳定性，提出了一种基于深度学习的车辆目标检测与测距方法。以YOLOX-S算法为车辆目标检测框架进行改进：在原算法的基础上引入卷积块注意力模块，增强网络特征表达能力，并将置信度损失函数更换为Focal Loss，降低简单样本训练权重，提高正样本关注度。根据车载相机成像原理和几何关系建立车辆测距模型，并输入测距特征点坐标和相机内参得到测距结果。采用自制Tlab数据集和BDD100K数据集对改进的YOLOX-S算法进行训练与评价，搭建静态测距实验场景对车辆测距模型进行验证。实验结果表明：改进的YOLOX-S算法在实验数据集上检测速度为70.14帧/s，与原算法相比精确率、召回率、F1值、mAP分别提高了0.86%、1.32%、1.09%、1.54%；在纵向50 m、横向11.25 m的测量范围内，平均测距误差保持在3.20%以内。可见，本文方法在满足车辆检测实时性要求的同时，具有良好的车辆测距准确性与稳定性。

关键词： 图像处理   光学边缘检测   铁电液晶   快速响应   成像系统  

摘要： 光学边缘检测技术具有高速并行计算、高通量处理等优势，近年来受到越来越多的关注。然而，如何实现动态可调的光学边缘检测仍是一个具有挑战性的难题。基于此，提出一种可在多方向上实现光学边缘检测并快速切换的方案。基于铁电液晶材料制备了一种快速可调波片，同时利用图案化光取向技术制备向列相液晶q波片。实验结果表明，结合上述两种液晶元件可高质量地实现一维边缘检测，并在低电压下通过翻转电场极性实现两个正交方向上低至35μs的快速切换。该方案基于铁电液晶提供了灵活的边缘检测动态调控手段，有望促进液晶元件在光计算、光学图像处理等领域的应用。

关键词： 尺度不变特征转换   图像拼接   YOLOv5模型   目标检测   云数据库  

摘要： 针对目前传统安检方法对于车辆底盘表面藏匿的违禁物品的检测效率低、漏检率高、便携性差等不足，设计了一个基于云端的移动式智能车底藏匿物检测系统，通过机器人、网络通信、图像处理及目标检测等技术，实现藏匿物智能化检测。基于SIFT(Scale-Invariant Feature Transform)算法提取图像特征信息并获取车底局部全景图像，使用YOLOv5(You Only Look Once version 5)深度神经网络模型检测4种车底藏匿物，搭建云数据库存储车辆信息，轮式机器人、上位机、云数据库之间通过TCP/IP(Transmission Control Protocol/Internet Protocol)协议进行通信。经测试，该系统能在特定场景下完成车底藏匿物检测，图像拼接成功率达81.7%,目标检测准确率达83.7%,在车底安检领域具有一定的实用价值。