关键词： 遥感影像   地面目标检测   YOLOv4   通道注意力   密集上采样卷积  

摘要： 针对遥感影像中目标尺寸较小且特征信息少等问题，提出一种基于改进YOLOv4的遥感影像地面弱小目标检测方法。基于YOLOv4结构，在骨干网络中引入改进通道注意力机制强化对正样本学习能力，使用密集上采样卷积代替最邻插值上采样核来保留更多的样本特征，对于尺寸过大的遥感影像，采用分片-筛选组合来获取尺寸合理且特征充足的训练样本。实验结果表明，改进后模型在检测精度方面显著优于原始模型，能够在应急救援、军事侦察等多个领域内发挥应用价值。

关键词： 真空开关   触头烧蚀   图像处理   面积计算   色彩平面  

摘要： 触头是真空灭弧室内部核心部件的重要组成部分，研究触头表面烧蚀现象并进行烧蚀面积计算对优化真空灭弧室的结构及性能，延长其使用寿命有重要影响。为此提出一种计算触头表面烧蚀面积的方法。该方法基于图像处理技术，在不同色彩系统中对触头烧蚀图像运用像素统计、阈值分割及面积计算等方法进行烧蚀面积计算，然后利用5组试片按图像灰度化、图像滤波、边缘强化等进行对比图像，由此校验并提高其计算精度。实验结果表明：在RGB、HSI、HSL、HSV这4个色彩系统中均能实现烧蚀面积的计算，且在HSV色彩系统中提取V平面，再利用Gaussian滤波及Highlight Details卷积分处理，计算出的试片及触头表面烧蚀面积精度较高。

关键词： 煤矿智能化   煤矿运输系统   绞车运输   闭锁系统   目标检测   目标跟踪   计算机视觉  

摘要： 斜巷绞车运输闭锁系统是实现斜巷绞车运输“行车不行人”的重要手段。针对传统的闭锁系统存在准确度低、安装维护困难、硬件成本高的问题，研究了一种基于多通道图像处理的斜巷绞车运输闭锁检测算法，并研制了本安型闭锁检测系统。闭锁算法分为目标检测、跟踪以及闭锁检测。在目标检测阶段，利用GSConv设计了Slim-C3，对骨干和颈部网络进行轻量化处理，基于GSConv的解耦合头，提高目标检测精度；在目标跟踪阶段，研究了二级匹配的跟踪算法，在不降低检测精度的条件下，提升跟踪速度。试验表明：改进的目标检测模型的作业人员和绞车标识的AP0.5:0.95最优，比YOLOv8s分别提升了0.57%和1.65%；改进目标跟踪的IDF1比YOLOv8s+DeepSort提升了0.55%；改进的目标检测在人数统计的准确率和召回率分别为96.43%和93.10%。

关键词： 低慢小目标   随机有限集   群目标跟踪   带标签势均衡多目标多伯努利滤波器   全息凝视雷达  

摘要： 群目标跟踪是实现无人机集群反制的关键步骤，具有重要的研究意义。相比传统的多目标跟踪算法，随机有限集（Random Finite Set,RFS）滤波在处理多目标数据关联与进行状态估计方面展现出显著的优势。然而在低慢小群目标的场景中，现有的RFS滤波方法普遍未考虑群特性对跟踪的影响，也未考虑群目标起始与航迹信息提取的问题。为此，本文结合了群建模、带标签势均衡多目标多伯努利（Cardinality Balanced Multi-target Multi-Bernoulli,CBMeMBer）滤波器以及自适应新生目标强度技术，提出一种针对低慢小群目标的跟踪方法。具体而言，本文首先通过虚拟领导-跟随者模型和无向图邻接矩阵对群目标结构进行建模；随后提出了一种三层优先级标签分配策略，改进了传统的带标签CBMeMBer滤波器，解决了标签冲突导致的轨迹混叠问题，提高了跟踪精度和算法运行效率；同时，设计了基于群目标场景与两点起始法的自适应新生目标强度算法，实现了RFS框架下群目标的自适应新生目标初始化；最后，仿真实验和基于全息凝视雷达的实测数据实验表明，所提方法在目标状态估计和轨迹质量方面表现优异，跟踪性能优于包括传统的带标签CBMeMBer滤波器在内的对比算法，且能有效避免轨迹交叉和混叠现象，充分展示了其在低慢小群目标精细化跟踪中的潜力和实际应用价值。

关键词： 图像处理   多目标跟踪   准密集相似性学习   数据关联  

摘要： 多目标跟踪技术一直是图像处理领域中的热点，尤其是在海上侦察、空中警戒和精确制导等方面。针对杂波或其他物体的遮挡，以及不同物体外形类似等因素造成的多目标跟踪能力减弱等问题，提出了一种基于准密集相似性学习（QDSL）的多目标跟踪方法。首先，利用改进的YOLOv8算法进行多目标检测，为相似性学习提供目标框；其次，对相邻两帧图像上的数百个对象区域进行密集采样，以进行对比学习，实现目标局部关联；最后，将这种相似性学习与YOLOv8目标检测器相结合，并加入无外观链接（AFLink）模型，执行无外观信息的全局关联，在速度和精度之间实现了良好的平衡。对数据集MOT17中的一些视频样本进行了测试，实验结果表明：与其他先进算法相比，所提算法使多目标跟踪准确率和精度分别提升了1.2%和0.6%。

关键词： 图像处理   遥感图像   目标检测   多尺度特征融合   上采样策略  

摘要： 为了提高遥感图像中各类目标的检测性能，提出一种基于LSKNet-S的改进算法。该算法通过融合不同层级感受野的特征，大幅提升了网络对遥感目标的检测能力。首先，设计了一个多尺度特征融合模块，通过改进多层感知器增强模型对全局上下文信息的提取能力。同时，引入轻量级局部视觉中心模块，以提高模型对局部特征的感知能力。两者结合，实现了模型对多尺度特征的有效提取和融合。其次，在检测头中引入用于尺度增强的上采样操作，通过提高特征图的分辨率，使模型能够更好地捕捉遥感图像中各类目标的细节信息。实验结果表明，所提算法在HRSC2016数据集上的平均精度均值（mAP）相比原模型提升了3.43百分点，在DIOR-R数据集上的mAP较原模型提升了1.12百分点，且均优于目前主流算法，验证了所提算法在遥感目标检测场景中的有效性。

关键词： 计算机视觉技术   自动驾驶系统   实时处理算法  

摘要： 计算机视觉技术作为自动驾驶系统的核心组成部分，负责实时感知和理解周围环境，对实现车辆的自主驾驶具有至关重要的作用。本文深入探讨了计算机视觉技术在自动驾驶系统中的应用，自动驾驶系统的实际应用中仍面临诸多挑战，如实时性问题、精度与鲁棒性问题、数据处理与存储问题以及环境复杂性与多样性问题等。为了解决这些问题，本文提出了一系列改进方案与技术，为推动智能交通系统的构建和实现安全、高效的自主驾驶奠定了基础。

关键词： 计算机视觉   系统论   课程内容优化   多元化评价体系   人工智能教育  

摘要： 利用系统论的理论框架，以计算机视觉为具体案例，围绕全局性、动态性和层次性原则，提出构建从底层视觉特征到高层语义理解的综合知识体系和多元综合评价体系，阐述如何利用智能工具参与课程内容优化与评价体系动态调整，形成闭环反馈系统，以适应学生需求和教育环境的实时变化，推动人工智能与工科教育的深度融合。

关键词： 图像处理   物体位姿估计   三维点云   表面法线   自适应融合  

摘要： 针对6D位姿估计在处理弱纹理物体时配准精度低的问题，提出一种自适应融合多模态特征的6D物体位姿估计方法。首先，基于RGB-D图像标定目标物体，利用球形邻域对由深度信息得到的点云进行划分，增强特征提取中捕捉细节信息的能力；其次，通过新增物体表面法线强化几何属性，实现对目标几何信息的补充；然后，对提取到的目标颜色、几何和法向三分支特征通过自适应特征融合策略进行高维度融合，实现特征间的优势互补；最后，利用回归函数得到目标位姿参数，并以高置信度像素的预测位姿作为初始估计，迭代学习不断优化以获得最终位姿，实现精确的6D位姿估计。在LineMOD和YCB-Video数据集上分别进行了测试，实验结果表明，与同类方法相比，所提方法在位姿估计精度上展现了显著优势。

关键词： 航空运输   航空器检测   深度学习   跑道侵入   计算机视觉  

摘要： 针对利用视频图像进行防跑道侵入多场景检测中目标识别困难、精度低等问题，设计了一种新的航空器检测模型。融合了自然语言与计算机视觉两者优点，形成Swin Transformer+Mask R-CNN的架构。通过引入Swin Transformer中的滑动窗口自注意力机制对模型进行优化，降低模型的复杂度，进一步提取不同尺寸航空器的特征信息，从而实现对不同类型航空器目标的精确检测。4种不同特征提取网络的对比分析，实验结果表明，与传统检测模型相比，以Swin Transformer-B为主干网络的航空器检测模型在航空图像数据集上最高达到了92.5%的平均检测精度(mAP)、94.6%的平均召回率和93.5%的F1分数。该模型不仅有效实现机场跑道上航空器目标的识别，还满足跑道侵入高精度检测的要求，可应用于防跑道侵入系统。