未来战争将向海陆空天一体化、海量数据信息化发展，舰船作为海洋信息感知的重要目标，其检测技术的发展对于红外安全防御系统具有重要意义。根据红外载荷成像特点，提出了红外目标检测的基本框架，并详细介绍了预处理、目标粗检和目标鉴别三个关键步骤的研究现状，在此基础上对各种算法进行比较并指出其适用性和优缺点，最后对其未来发展趋势进行了展望。

针对糖尿病性视网膜图像数据集的不均衡、组织形态的特征提取不充分、分级准确率不高等问题,本文提出一种基于DR-Net模型的改进识别算法,即Improved DR-Net。选用Kaggle失明检测竞赛数据集APTOS 2019 Dataset,采用多种数据增强策略扩充数据集,并引入Eye-PACS数据集进行无偏修正,同时采用高斯滤波等形态学方法增强眼底图像特征;对ResNext50聚合残差结构进行预训练,通过迁移学习对基线模型进行参数及结构微调;引入空洞卷积代替普通卷积,融合注意力机制进一步优化模型性能。测试结果表明,本文所提的Improved DR-Net模型大大提高了糖尿病视网膜病变分级的准确率:阳性预测值97.9%,阴性预测值98.03%,准确率达到98.04%,远高于同类算法。结合深度学习技术辅助视网膜病变的筛查,对于视网膜病变的早期自动筛查具有一定的指导意义。

混凝土结构在施工与使用的过程中易产生各种形式的裂缝,由此会产生诸多安全问题。传统的人工安全检测方法,不仅耗费财力和时间,而且无法保障其检测精度。为了提高混凝土表面裂缝的识别效率,提出了一种基于卷积神经网络结合聚类分割的识别方法,实现了对较复杂背景下混凝土表面裂缝图像的准确识别。研究结果显示,该方法不仅能够高效地分类,还能够高精度地对较复杂背景下的裂缝进行识别,这为降低混凝土表面裂缝识别的工作量、维护混凝土结构,对其进行安全检测提供了理论依据,同时也为以后更高精度和更复杂条件下的裂缝识别研究提供了一些参考。

提出一种基于加权LoG算子及形态学运算的方法来提高远距离红外弱目标检测效率。通过不同尺度的加权LoG算子对图像进行运算, 提取响应值最大的特征图。对图像进行形态学运算去噪, 并进行Otsu二值分割聚类。输出目标点在图像上的位置坐标。实验结果表明: 该方法与传统滤波方法相比, 信噪比增益为36.9, 杂波抑制因子为4.7, 均比传统滤波方法要好。

海天线的检测和提取是舰船红外图像处理中的一个重要内容,在综合分析比较基于边缘检测、图像分割以及小波变换多尺度分析等多种海天线检测算法优缺点的基础上,提出一种基于形态学处理和最小二乘法的算法,仿真分析表明此算法能适应含有各种干扰的海面背景环境,鲁棒性好,并且提取精度高,能精确定位海天线。