1 上海海洋大学 信息学院，上海 201306
2 自然资源部东海信息中心，上海 200136
3 上海电力大学，上海 201306
针对彩色遥感图像上飞机目标体积小、分布密集、背景复杂导致的检测精度低问题，提出了一种改进无锚点的彩色遥感图像任意方向飞机目标检测算法。采用BBAVectors为基准模型，以ResNet50为主干网进行特征提取，在特征金字塔网络FPN后增加一条自上而下的路径扩展网络PANet模块，缩短信息路径并用低层级准确位置信息增强特征金字塔。其次，引入注意力机制CBAM模块，通过抑制噪声和突出目标特征，实现复杂环境下的飞机目标检测精度的提升。在DOTA数据集上分别进行消融实验和对比实验，并使用DOTA_devkit对数据集分别进行0.5以及1倍比例的裁切，提高模型的检测精度。改进后的模型在彩色遥感图像测试数据集上的检测精度达到了90.35%。相较于原模型，检测精度提升了0.82%。实验结果表明，该方法在彩色遥感图像中的飞机检测任务中具有更好的检测效果。
飞机目标检测 任意方向 无锚点 路径扩展 注意力机制 aircraft target detection in any direction anchor free path augmentation attention mechanism
介绍了飞机目标红外辐射源及其分类情况。基于工程计算需求, 归纳了飞机蒙皮、尾喷口及尾焰的红外辐射物理模型。系统研究了国内外关于飞机目标光谱辐射特性的研究现状, 并对飞机目标在不同波段、不同探测角度下的光谱辐射特性进行总结。结合红外制导导弹的制导体制, 开展了点源红外诱饵(包括: 单点源、多点源和光谱型点源红外诱饵)和面源红外诱饵作战应用的匹配性研究。上述研究成果有助于制定合理有效的干扰策略, 提升载机的战时生存能力。
飞机目标 辐射特性 红外诱饵 作战应用 aircraft target radiation characteristics infrared decoy operational application
搭载在无人机平台上的目标检测系统, 在实际应用中往往面临许多小目标检测任务。为了克服小目标检出率低、检测精度差的问题, 提出了一种基于YOLOv3的小目标检测改进算法。首先,通过K-means聚类算法对高空视角的遥感小目标数据集进行聚类分析, 重新设置锚框的个数与相应参数。然后,在特征提取网络部分重新配置5次下采样后的残差块数量, 并在更浅层的网络引出一个输出尺度, 将其与上一个输出尺度中的特征信息进行特征拼接, 使其保留更多小目标信息和边缘信息。通过对测试数据集进行测试分析, 改进后检测算法的mAP达到92.21%, 相较于原YOLOv3提升了5.84%, 有效解决了YOLOv3部分小目标容易漏检的问题。
深度学习 目标检测 小目标检测 飞机目标 deep learning target detection small target detection aircraft target
1 火箭军工程大学, 西安 710000
2 光电控制技术重点实验室, 河南 洛阳 471000
针对军用空地背景下的红外飞机目标图像数据获取难度高, 导致红外飞机目标检测算法易过拟合等问题, 基于生成对抗网络(GAN)与通道间注意力机制的相关方法, 提出一种小样本红外飞机目标数据增强方法。首先, 利用特殊的金字塔多尺度生成对抗网络结构, 学习和拟合单张图像不同尺度下的特征信息; 其次, 针对小目标红外飞机图像改进网络的生成器结构, 提高小感受野的特征表达, 丰富生成图像细节; 最后, 在网络训练阶段缩放图像小尺度阶段的学习率, 避免了学习率过大导致的生成图像失真。以几种常见的目标检测算法进行仿真评估实验, 并将其与传统的数据增强方法对比, 结果验证了所提方法的有效性与先进性。
生成对抗网络 飞机目标 红外图像 数据增强 generative adversarial network aircraft target infrared image data augmentation
河北工业大学电子信息工程学院, 天津 300401
针对使用传统方法和神经网络对飞机目标分类时遇到的准确率低、分类种类少等问题,研究了深度卷积神经网络(DCNN)在飞机目标分类中的可行性。为了匹配模型容量、避免过拟合、提高分类性能等,设计了9层DCNN模型,并使用随机梯度下降优化器进行优化。在数据集中选用6类具有代表性的飞机类型进行实验,提出两种正则化级联方式以防止过拟合并加快模型收敛,最终实现了99.1%的飞机分类准确率,由此说明该DCNN模型在飞机目标分类中的有效性。通过归一化混淆矩阵分析分类结果,给出了每类飞机自分类的准确率。此外,设计了一组对比实验,用经典的AlexNet在同一数据集上进行测试,结果表明,所设计的DCNN的准确率高于AlexNet分类算法95.5%。该模型有效地解决了飞机目标分类精度低的问题,在**和民航飞机目标的分类研究中具有一定的参考价值和应用前景。
图像处理 深度卷积神经网络 飞机目标 图像分类 高分类精度 归一化混淆矩阵 激光与光电子学进展
2019, 56(23): 231006
1 中国科学院光电技术研究所，四川 成都 610209
2 中国科学院大学，北京 100049
本文针对飞机目标，提出了基于多域网络(MDNet)的改进网络用于飞机跟踪的快速深度学习(FDLAT)跟踪网络，使用迁移学习弥补目标跟踪的小样本集缺陷。卷积层作为特征提取层，全连接层作为目标和背景的分类层，采用特定的飞机数据集来更新网络参数。训练完成之后，结合回归模型，采用简单的线性更新对飞机进行跟踪，算法实现了飞机旋转、相似目标、模糊目标、复杂环境、尺度变换、目标遮挡以及形态变换等复杂状态的鲁棒跟踪，速度达到平均20.36 f/s，在ILSVRC2015 飞机检测数据集上成功率均值达到0.592，基本满足飞机实时跟踪。
迁移学习 飞机目标 鲁棒跟踪 实时跟踪 FDLAT FDLAT feature-based transfer learning aircraft target robust tracking real-time tracking
电子工程学院脉冲功率激光技术国家重点实验室, 安徽 合肥 230037
为实现直升机、螺旋桨飞机和喷气式飞机的激光遥感探测分类,研究了基于时频图的飞机目标微动纹理特征提取算法。根据旋翼微多普勒模型仿真三类飞机旋转部件回波信号,将平滑伪魏格纳-维利变换得到的时频分布生成灰度图像。采用大津(OTSU)法结合灰度拉伸对图像进行阈值去噪处理,提取目标灰度共生矩阵(GLCM)特征以及Tamura特征,并针对时频图差异进行特征优化,最后使用支持向量机(SVM)实现飞机目标分类。仿真数据分类结果表明:GLCM特征对噪声表现敏感,经所提方法对时频图去噪,信噪比(SNR)RSN=0 dB时的分类正确率可达96.4%。Tamura特征在高信噪比条件下分类正确率较高,但当RSN<5 dB时下降明显。因此提取时频图纹理特征可以达到较为理想的飞机分类效果,且利用改进GLCM特征能够实现低信噪比条件下的目标准确分类。
遥感 激光探测 微多普勒效应 回波时频图 飞机目标分类 光学学报
2017, 37(11): 1128004
1 昆明物理研究所，云南昆明 650223
2 清华大学深圳研究生院，深圳 518055
研究了远程迎头探测飞机目标的红外辐射特性。分别介绍了飞机迎头的主要红外辐射源，飞机红外辐射特性的计算流程，以及红外光电系统入瞳接收到的蒙皮红外辐射能通量的计算模型，最后对远程探测水平路径大气透过率和飞机目标红外辐射强度进行仿真计算。
红外辐射特性 飞机目标 红外辐射强度 infrared infrared signature aircraft target Infrared radiation intensity
1 昆明物理研究所, 云南昆明 650223
2 国防大学, 北京 100856
3 清华大学深圳研究生院, 深圳 518055
主要介绍了近年来国内外飞机目标红外辐射特性研究现状。分别介绍了影响飞机目标红外辐射特性的主要物理因素, 国外飞机目标红外辐射特性计算软件, 飞机目标主要红外辐射源, 飞行目标红外辐射特性外场飞行测试与相应软件仿真误差, 以及国内飞机目标红外辐射特性研究现状。
红外辐射特性 飞机目标 辐射源 infrared signature aircraft target infrared sources
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 100039
3 白城师范学院, 吉林 白城 137000
4 哈尔滨工业大学, 黑龙江 哈尔滨 150001
基于靶标的几何特征提出了一种快速识别算法来解决目前航天器靶标识别存在的问题。设计了一款带有线段与圆环图案的合作靶标。利用高斯滤波去除图像中的噪声, 运用Canny检测算子得到边缘图像, 并跟踪得到单像素边缘序列。然后, 通过判断非共线四点是否共圆排除大部分不可能构成圆的边缘, 利用同一圆周的两段子弧对应相同圆心和半径的几何特征实现圆检测。最后根据靶标圆与线段的几何关系排除干扰, 实现靶标的准确识别。实验结果表明, 该靶标识别算法对噪声、光照、旋转等不敏感, 能够在多种复杂场景中快速、准确地识别靶标, 处理时间小于125 ms, 满足实时位姿测量8帧的需要。目前, 该算法已经成功应用于工程样机。
航天器靶标 目标识别 图像处理 圆检测 线段检测 边缘跟踪 aircraft target target recognition image processing circle detection line segment detection edge tracking
