一种基于定位和非对称补偿的伪装目标分割方法

伪装是欺骗观察者感知系统的一种手段, 善于伪装的个体在纹理特征上与背景具有高度的相似性。为解决前景与背景因相似而导致的像素归属歧义, 提出一种基于定位和补偿网络(locating and compensation network, LCNet)的伪装目标分割网络。该方法效仿了捕食者从搜索→确立→聚焦的寻猎过程, 涵盖双主干网的强感知提取、定位模块的双注意力以及级联的非对称补偿模块的细化像素模糊。实验表明, 在4种评价指标下, LCNet在3个具有挑战的伪装数据集上都显著优于现有的6种最新模型, 具有较高分割性能。     

基于卷积神经网络与注意力机制的SAR图像飞机检测

在合成孔径雷达(synthetic aperture radar, SAR)图像应用领域, 对SAR图像中飞机目标的检测备受关注。针对现有检测算法模型运算复杂度高、检测性能较低的问题, 提出一种基于深度可分离卷积神经网络与注意力机制的SAR图像飞机检测算法。首先使用深度可分离卷积神经网络提取图像特征, 同时在网络中引入逆残差块, 以有效防止通道数压缩引起的特征信息丢失问题; 其次在网络中引入多尺度空洞卷积—空间注意力模块和全局上下文通道注意力模块, 通过重新分配显著区域和各特征图更有代表性的权值, 以更好地捕捉空间有效信息和通道间语义相关性, 提高模型特征表达能力; 最后在SAR飞机数据集(SAR aircraft dataset, SAD)上进行对比实验验证。实验结果表明, 所提算法具有更好的检测效果, 平均准确率达到86.3%, 检测速度达到22.4 fps/s。     

融合边界监督策略的改进特征金字塔算法研究

针对语义分割中存在的边界划分不够准确及存在多尺度目标等问题,提出了一种融合边界监督策略的改进特征金字塔算法。通过融合的边界监督策略和改进的特征金字塔算法分别解决边界划分不准确和存在多尺度目标的问题,并且在上采样过程中加入注意力机制,进一步提升分割效果。实验结果表明：该算法分别在Camvid和PASCAL VOC2012两个数据集上取得了58.69%和78.59%的平均交并比(mean intersection over union,MIOU)指标,在分割效果上有较好的表现。     

基于中心点和语义信息的多方向遥感舰船检测

在高分辨率遥感影像解译中, 舰船目标的检测一直是研究热点。针对遥感影像中近岸舰船排列密集、方向各异以及背景复杂等问题, 本文提出一种基于旋转中心点网络和语义信息(rotated CenterNet using semantic information, RSI-CenterNet)的多方向遥感舰船目标检测方法。首先, 基于关键点检测网络, 在检测阶段添加目标角度回归分支, 以预测目标方向; 其次, 添加语义分割分支, 并将其输出的特征与检测部分的输入特征进行融合以强化目标区域的特征信息; 最后, 引入注意力模块, 以强化目标显著区域与通道的特征, 提升检测精度。实验结果表明, 与其他多种先进方法相比, 本文方法具有更高的检测精度与检测速度, 在高分辨率船舶数据集(High Resolution Ship Collections 2016, HRSC2016)上的平均精度达到88.31%, 检测速度达到17.8 FPS。     

注意力机制下双模态交互融合的目标跟踪网络

针对当前目标跟踪难以适应低光照、运动模糊、目标快速移动等挑战,提出了空间通道注意力下的红外与可见光双模态交互融合跟踪网络.首先,红外图像与可见光图像通过backbone三层卷积提取分层特征,并降维至统一分辨率,之后级联三层特征形成各模态特征.其次,多模态特征通过所设计的空间通道自注意力模块和跨模态交互注意力模块使得模态...     

基于跨模块注意力的3D目标检测方法研究（英文）

针对三维目标检测任务中利用点云数据在提取和传输目标特征过程中发生的特征丢失问题，提出一种跨模块注意力目标检测方法。该方法结合通道注意力模块和空间注意力模块来增强关键特征信息。通过特征转换，将注意力模块不同阶段的特征连接起来，以减轻提取和传输过程中特征的损失。针对目标检测网络中不同尺度目标检测性能不足的问题，提出了一种跨尺度特征提取和融合方法。该方法通过采用多尺度特征提取和融合技术增强了网络获取多级特征的能力。实验结果表明：所提方法在保持33 Hz实时推理速度的同时获得了先进的性能。     

最大模糊能量图像阈值分割法

最小模糊熵阈值法是一个常用的图像分割方法。依据模糊熵的对偶概念：模糊能量,提出了对应的最大模糊能量阈值法。考虑到最大模糊能量阈值法在有些情况下不能有效找到直方图的谷点,通过融入阈值点的概率信息,提出了一种改进的加权最大模糊能量阈值法,改进方法能够使得分割阈值点更接近图像直方图的谷底。实验结果表明,改进的最大模糊能量阈值法对单峰直方图和小目标图像有更好的分割效果。     

红外图像目标分割方法研究

针对红外图像目标准确分割的难题 ,提出了一种有效的目标分割方法。该方法所遵循的基本准则是 ,使区域内部所考虑的特征或属性相同或相似 ,而这些特征或属性在不同区域中则是不同的或存在差异的。依据这个准则运用最大距离法和自动增强图像分割门限的方法实现了红外图像中目标的准确分割 ,并且通过实验验证了本方法的有效性。     

基于稠密残差块与通道像素注意力的图像去雾网络

为解决复杂的室外图像进行去雾，依然会有雾气残留，甚至出现颜色失真和纹理丢失问题，提出一种基于稠密残差块与通道像素注意力的图像去雾网络，利用稠密残差块对有雾图像进行特征提取和融合，用带通道像素注意力机制的修复模块对特征图进行颜色和纹理上的修复。实验结果表明：该方法在客观评价指标和主观视觉质量上都有明显提升，有效避免了去雾过程中的颜色失真、纹理丢失和雾气残留问题。     

基于改进的深度学习网络的SAR图像瞬时海岸线自动提取算法

针对目前合成孔径雷达(synthetic aperture radar, SAR)在对大尺度瞬时海岸线提取方面的图像解译过程中, 仍然存在精度低与自动化水平差的问题, 提出一种基于深度学习网络的瞬时海岸线自动提取算法。首先, 将SAR图像进行Lee滤波增强来抑制相干斑。其次, 通过升级残差网络为主干网络,分4级提取海水目标的特征。然后, 将4级特征经过全局卷积网络、密集连接网络和解码器网络配合,充分提取目标的本质特征, 并通过上采样产生海水分割结果。最后, 利用Sobel算子分离出海岸线并和原SAR图像融合以便清晰查看结果。通过与全卷积网络与细化网络的海岸线提取实验结果进行对比, 证明所提算法对海岸线的提取更加准确, 能够减少虚警和漏警, 具有更好的性能。     

基于改进Deeplabv3+的烟雾区域分割识别算法

烟雾遮挡使基于图像的寻的制导系统目标识别困难,如何提高该类区域分割识别准确性、降低虚警率是一个亟待解决的课题.现有Deeplabv3+算法对烟雾分割时存在漏分割、错分割等问题,细节损失严重,整体分割精度低.本文提出基于改进Deeplabv3+模型的烟雾区域分割算法,创新异感受野融合的基于空洞卷积的金字塔构型(atrou...     

改进YOLO的遮挡行人检测仿真

针对已有的YOLO(you only look once)模型在行人目标检测中对遮挡及多尺度行人易造成漏检和精度较低的问题,提出改进YOLO行人检测算法YOLO-SSC-s(YOLO-spatial pyramid poolingshuffle attention-convolutional block attention module-simplified)。修改YOLO模型骨干网络,增强跨尺度特征提取能力;在3个YOLO层前的不同位置引入空间金字塔池化模块以及空间与通道、组特征2种注意力机制,加强对不同尺度行人的特征融合;为了缓解网络模型过于复杂而降低检测性能,提高模型训练效率,根据实际情况对网络结构进行简化。实验结果表明：与YOLOv3等检测模型相比,YOLO-SSC-s可有效提高遮挡情形下中、小行人目标的检测精度、速度,降低漏检率。     

基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。     

基于自学习框架的红外场景仿真效果评价

针对红外场景仿真效果评估困难的问题,提出了基于自学习框架的评价方法。首先,从仿真图像与实际图像视觉对比的角度提出了面向图像视觉相似的红外场景仿真效果评价指标体系,用于量化评价过程;其次,提出以极限学习机(extreme learning machine, ELM)为核心建立评估模型,建立包括蒙特卡罗样本仿真、ELM评估网络及自更新仿真样本评估模型等3部分在内的自学习框架来生成仿真样本、强化对ELM的训练;最后,针对实际样本数量较少的问题,在此框架基础上提出了包括样本评定、自学习、评估模型测试3个阶段在内的仿真图像相似性评估方法,实现了从样本生成到评估过程的自动化。实验结果表明提出的自学习框架能够显著提高评估模型的正确率,而且训练后的评估模型适用性强,可独立自主进行红外场景仿真效果评估。     

光学遥感图像目标检测方法

更快速区域卷积神经网络(faster region-based convolutional neural network,Faster RCNN)是两阶段的目标检测模型,通过区域生成网络将区域提议与识别完全融合到网络模型中,使主要的运算可以在图形处理器中完成,因此,其同时具有良好的检测速度与精度。但是当Faster RCNN直接应用于遥感图像目标检测,面对宽尺寸范围的多种目标时,性能受到了很大削弱。分析了池化操作和目标尺寸对区域提议的影响,提出联合多层次特征进行区域提议的方法,提升了目标区域的提议召回率。针对性地优化前景样本的生成策略,避免训练过程中的产生无效前景样本,使得整个检测模型的训练更加高效。实验结果表明,所提出的模型和训练方法能够提高多尺度遥感图像目标的召回率与检测精度,且具备较高的训练效率。     

基于背景还原的红外伪装效果评价方法

针对复杂环境背景下目标红外伪装效果评价问题, 提出了一种基于背景还原的红外伪装效果评价方法。首先利用改进的Criminisi算法对目标遮蔽下的背景区域进行修复, 得到背景还原图像, 然后与原图进行相似性度量; 考虑到实际还原背景与理想还原背景之间因图像修复算法局限性而引起的偏差, 使用IL-NIQE模型对背景还原图像的修复质量和还原效果进行评价; 最后将相似性度量值与还原效果度量值进行非线性融合, 完成目标红外伪装效果的综合评价。实验表明, 该评价方法符合人眼视觉特性, 能够对复杂环境背景下目标的红外伪装效果进行较好的客观评价。     

基于生成对抗网络的半监督图像语义分割

提出了一种基于生成对抗网络的语义分割模型,包括一个全卷积语义分割网络以及一个判别网络,其中语义分割网络负责生成与输入图像对应的语义分割图,判别网络负责检测分割图与真实标签的区别,以促使分割网络改进分割效果。为了更好的提取全局结构信息,语义分割网络中采用了金字塔池化模块,对不同规模的空间区域进行池化操作。另外,为了应对语义分割训练数据集人工标注成本过高的问题,利用判别网络生成伪标签协助语义分割网络进行训练,从而实现了半监督训练效果。模型在PASCAL VOC2012数据集中进行了测试,结果表明该模型在全监督和半监督条件下均优于已有方法。