仇永佳 1,2,3程正东 1,2,3,*赵大鹏 1,2,3杨华 1,2,3[ ... ]章沁钰 1,2,3
1 国防科技大学电子对抗学院,安徽 合肥 230037
2 脉冲功率激光技术国家重点实验室,安徽 合肥 230037
3 红外与低温等离子体安徽省重点实验室,安徽 合肥 230037
针对假目标红外欺骗干扰效能缺乏规范评估体系的问题,利用视觉显著性模型计算同一背景下真目标和假目标的显著性对比度,从而定量评估假目标的红外欺骗干扰效能。量值越小,说明假目标的红外欺骗干扰效果越好。实验结果表明,该评估方法不仅能定量反映单一假目标的红外欺骗干扰效能,还能区分不同类型假目标的红外欺骗干扰效能,具有较强的普适性。
图像处理 红外欺骗干扰效能 定量评估 视觉显著性 假目标 激光与光电子学进展
2023, 60(12): 1210014
国防科技大学脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
为提升两阶段目标检测算法 Faster R-CNN 对无人机小目标的检测识别效果, 提出了一种改进的 Faster R-CNN 目标检测算法。对原始 Faster R-CNN 算法的特征提取网络进行改进, 使用卷积层更少的 ResNet-18 作为骨干网络, 减少算法的参数量; 针对无人机目标特点, 对 Faster R-CNN 算法的特征金字塔网络中的特征融合方法进行改进, 增强了目标特征与背景特征的对比度; 使用双线性插值的方法改善因感兴趣区域池化而造成的预测框偏离的问题。最后, 在构建的低空无人机数据集上对改进的算法进行了实验验证,结果表明提出的改进 Faster R-CNN 目标检测算法检测速度达到了 35.5 帧/秒(FPS), 较原始 Faster R-CNN 算法的 15.8 FPS, 速度提高了约一倍, 且算法的平均精确度均值 mAP 提升了 0.7%, 有效提高了算法对无人机小目标的检测识别性能。
图像处理 目标检测 深度学习 无人机 image processing target detection deep learning drones
1 国防科技大学电子对抗学院脉冲激光技术国家重点实验室, 安徽 合肥230037
2 中国人民解放军 32256部队, 广西 桂林 541000
理论证明探测光路经散射介质的散射与吸收对计算关联成像造成的影响可以近似等效为乘性噪声而被消除,使用蒙特卡罗方法建立烟幕介质的点光源脉冲响应函数模型,分析了不同状态的烟幕对成像的影响,讨论了穿透烟幕成像的可行性。结果表明,当固有噪声Ni=0时,可忽略散射介质对成像结果的影响。最后,总结了计算关联成像技术穿透烟幕成像性能的适用范围,这为计算关联成像应用提供了一定的参考。
成像系统 计算关联成像 烟幕 散射 蒙特卡罗 脉冲响应 激光与光电子学进展
2021, 58(10): 1011029
1 国防科技大学电子对抗学院脉冲激光技术国家重点实验室, 安徽 合肥230037
2 中国人民解放军32256部队, 广西 桂林541000
烟幕是一种复杂且特殊的散射介质,穿透烟幕成像是一项具有广阔应用前景的课题。为探究计算关联成像技术在烟幕环境下的抗散射性,设计烟幕箱结合计算关联成像的实验系统,在静态与动态散射的环境下进行了实验,得出了计算关联成像在探测路径存在静态与缓慢变化的动态烟幕情况下可实现成像的结论;针对快速动态烟幕条件下的成像降质问题,提出了逐点补偿方法。由于在动态散射的情况下光强涨落掺入了额外的衰减因素,利用获得的以特定频率投影特定帧的强度值可追踪衰减系数的变化,将原始光强值除以衰减系数得到校正后的光强值。该方法在低投影频率的条件下具有优势,通过对比得到了该方法的适用条件。
成像系统 计算关联成像 散射 烟幕 动态
国防科技大学电子对抗学院脉冲激光技术国家重点实验室, 安徽 合肥 230037
计算关联成像(CGI)技术能够穿透静态散射介质成像,但是当散射介质发生缓慢变化时,由于光强受到非线性影响而衰减,每次测量的光强值会发生不同程度的漂移,导致重构图像受到大量噪声的干扰。针对上述情况,提出一种逐点校正测量值的方法,该方法在测量矩阵中加入反射率为1的图案,通过记录使用该图案照明后获得的光强变化得到各时刻的衰减因子,并计算中间时刻的补偿系数,根据补偿系数逐点校正衰减因子变化导致的光强畸变,最后对变换的测量值进行还原计算,重建结果说明该方法能够有效地应对计算关联成像技术穿透动态散射介质的成像问题。
成像系统 关联成像 散射 激光与光电子学进展
2020, 57(20): 201106
国防科技大学电子对抗学院脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
以YOLOv3的架构为基础,提出了一种基于双通道的快速低空无人机检测识别方法(Dual-YOLOv3)。该方法将红外与可见光的无人机图像同时输入到深度残差网络中进行特征提取,对所提取的特征图进行融合以增强特征的表达能力,利用多尺度预测网络对无人机目标进行类别判断和位置回归,得到检测识别结果。在真实采集的双波段无人机数据集上进行对比实验,结果表明,采用平均融合的Dual-YOLOv3-D在mAP(mean of average precision)上较单一数据源的YOLOv3提升了约6.1%,检测速度约为27 s -1。
图像处理 双通道卷积神经网络 低空无人机 特征融合 目标检测 光学学报
2019, 39(12): 1210002
1 国防科技大学脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
2 光电信息控制和安全技术重点实验室, 天津 300450
为了提高压缩感知鬼成像的成像质量以及解决低采样率条件下成像失真度高的问题,提出一种基于邻域相似度的鬼成像(NSGI)方案。邻域相似度体现在图像像素间的关联性,携带关于物体结构的重要信息,在分析压缩鬼成像原理的基础上,利用邻域相似度来评价待探测目标。根据贪婪算法的原理,采用邻域相似度优化图像重构过程,并设置相关度阈值降低计算的复杂度。仿真和实验结果均表明,与传统方法相比,该方案可以在低采样率条件下获得高质量低失真度的图像,有利于推动鬼成像技术的实用化。
成像系统 光计算 图像处理 压缩感知 赝热光 鬼成像 邻域相似度 贪婪算法
电子工程学院 脉冲功率技术国家重点实验室, 安徽 合肥 230037
开展了强度关联阶数对于运动目标关联成像影响的研究, 通过改变信号光束和参考光束的阶数, 分别讨论了切向和轴向运动目标在不同强度关联阶数下的关联成像质量。在运动目标关联成像系统原理光路的基础上, 从理论上重点分析了不同强度关联阶数对关联成像计算模型的影响, 并且利用计算机进行了仿真实验。结果表明: 强度关联阶数的改变不能消除运动模糊, 增加信号光束的阶数可以改善关联成像质量, 但是在去除背景项的情况下, 反而是最低阶的关联成像质量最好, 并且轴向运动目标的关联成像质量下降地更为严重。
关联成像 强度关联阶数 运动目标 成像质量 correlated imaging intensity correlation order moving target image quality 红外与激光工程
2017, 46(8): 0824002
电子工程学院脉冲功率技术国家重点实验室, 安徽 合肥 230037
研究了鬼成像系统的点扩散函数(PSF),以轴向运动目标的鬼成像系统为例理论推导出其 点扩散函数,并进行了数值模拟和计算机仿真实验。结果表明:目标在信号光路轴向的运动会 导致成像质量的下降,速度越大成像质量越差,应用点扩散函数方法分析鬼成像系统的成像质 量可以在不成像的情况下预先判断成像效果,相对于传统的质量评价方式有很大优势。
量子光学 鬼成像 轴向运动目标 成像质量 点扩散函数 quantum optics ghost imaging axial moving target imaging quality point spread function
电子工程学院脉冲功率技术国家重点实验室, 安徽 合肥 230037
在红外对空探测系统中, 由于探测器时刻处于运动状态使得目标图像产生剧烈的运动模糊, 给红外小目标检测造成困难。为了解决运动模糊条件下红外小目标检测的问题, 提出将运动模糊复原技术和图像增强技术引入红外探测系统。先将探测器采集到的原始图像经过维纳滤波, 对运动模糊进行处理并抑制噪声干扰, 再利用梯度法对处理后的图像做锐化处理, 增强目标边缘。实验验证和仿真分析结果都表明, 该方法运动模糊复原效果明显, 并在一定程度上抑制了噪声, 提高了目标对比度, 使目标在背景中更加凸显, 并且能够显著提高目标图像质量。引入的评价参数峰值信噪比和均方差表现良好, 该方法可以增强探测系统的使用性能。
图像处理 红外弱小目标 图像复原 运动模糊 点扩散函数