关键词： 自动调焦   图像处理   清晰度评价   调焦窗口  

摘要： 针对传统清晰度评价方法存在曲线平坦、多峰甚至误判的问题,提出一种结合多区域窗口的梯度阈值清晰度评价方法.利用梯度图像的对比度和加权方差计算分割阈值,提取图像的边缘点,对边缘点采用改进的能量梯度函数得到区域图像的清晰度评价结果,对不同区域图像的评价值赋予不同的权重,得到整幅图像的评价结果.本文方法与传统方法进行对比,结果表明采用同一评价函数时,多区域窗口相较于传统窗口,评价曲线单峰、无误判.本文方法灵敏度因子比传统方法的最优结果平均提升55.6%,陡峭度平均提升58.3%,该方法可为空间光学传感器自动调焦应用提供有效的参考依据.

关键词： 目标检测   YOLOv8n   CARAFE   注意力机制  

摘要： 受水体衰减、散射等因素的影响,水下光学图像存在严重的偏色、模糊等问题,严重降质导致目标分辨率较差,进而不利于开展水下目标检测任务。针对以上问题,为了提高水下目标检测的精度,减少误检和漏检的发生率,提出了一种基于改进YOLOv8n的水下目标检测算法:ESA-YOLOv8。首先该算法在C2f中引入了ESP模块改进Bottleneck结构,ESP模块可以优化网络效率,降低YOLOv8n模型的参数量和计算量;其次,增加一个小目标检测层以提高对水下小目标的检测能力;最后,将轻量级上采样算子CARAFE与注意力机制ECA相继引入颈部网络,提高目标检测精度,实现上采样特征融合的增强。实验结果表明,在水下生物数据集DUO上,本文设计的ESA-YOLOv8算法在模型参数量降低的情况下,mAP@0.5和mAP@0.5:0.95分别高达84.7%和65.5%,较基础模型YOLOv8n分别提升了1.7%和1.8%。高精度的检测结果和模型参数量的降低证明了改进YOLOv8n的有效性和在水下目标检测的应用潜力。

关键词： YOLOv8   电梯轿厢   禁入目标检测   可变形注意力   SIou函数  

摘要： 电梯轿厢内禁入目标入户易造成火灾风险。针对电梯轿厢视频监控下,现有视觉检测方法存在禁入目标误检和漏检的问题,提出了一种基于改进YOLOv8的电梯轿厢禁入目标检测算法。首先在数据预处理阶段对禁入目标检测数据集进行数据增强,然后对模型引入可变形注意力模块,最后将原始YOLOv8的损失函数替换为SIou函数。实验结果表明,相比于YOLOv8基准模型,本文方法的评价指标值具有明显提升,表明该方法能够有效检测电梯轿厢禁入目标。

关键词： 无线通信技术   智能安防系统   计算机视觉  

摘要： 基于社会对安全需求的增长和无线通信技术的发展,提出一种基于无线通信技术的新型弱电智能化安防系统。该系统利用ZigBee、Wi-Fi等无线技术实现数据采集与传输,并通过边缘计算和深度学习算法进行实时视频分析与智能图像识别。实验结果表明,相比传统安防系统,所提方案在响应速度、目标识别准确率及误报控制等方面表现出显著优势。

关键词： 毫米波雷达   点云聚类   稀疏点云   目标检测  

摘要： 毫米波雷达室内人员目标检测存在点云稀疏且有零散噪声点的问题,传统基于密度聚类算法受参数影响不能适应多变的目标点云数据,无法实现精准聚类。对此进行研究提出了一种针对人员目标稀疏点云的聚类算法。建立平均局部密度信息熵和邻域半径(Eps)的关系;利用DBSCAN算法识别零散噪声点并去除;利用每个点的局部密度和相对距离的乘积得到聚类中心权值,并画出降序图;在降序图中引入自适应指数衰减函数曲线,从而自动获得聚类中心,并完成聚类。通过实验验证,并与CFSFDP算法和DBSCAN算法进行对比,结果表明,提出的算法具有较高的ARI、AMI、NMI、FMI值,获得较好的聚类效果,适用于毫米波雷达室内检测场景。

关键词： 自主搜索   目标检测   FT-6678N  

摘要： 自主搜索是在无目指条件下,雷达对周围空间进行扫描并处理回波信号,进而发现空间目标。自主搜索数据量大,对雷达实时信号处理提出了巨大的挑战。基于FT-6678N提出了一种基于多核数字信号处理器(DSP)的自主搜索检测算法,按距离门将回波数据分配至多个核独立处理,处理完成后由一个核对检测结果进行综合,输出最终检测结果,提高了自主搜索信号处理的效率和准确性。通过理论仿真对该算法的检测性能进行了评估,并将该算法应用至某型在研雷达,对无人机进行自主搜索,搜索结果实际运动规律,满足预期设计。

关键词： 目标检测   烟雾火焰检测   改进YOLOv8   深度学习  

摘要： 烟雾与火焰检测在安全领域中具有重要的实际应用,尤其是在复杂环境下,如何精准识别烟雾与火焰目标仍面临较大挑战。本文提出了一种改进的YOLOv8算法,引入CBAM (Convolutional Block Attention Module)注意力机制,增强了网络对不同尺度特征的关注能力,从而提高了小目标和复杂场景下的检测精度。实验结果表明,改进后的YOLOv8模型相比于原YOLOv8模型,平均精度均值(mean Average Precision, mAP)提升了0.57个百分点,对烟雾与火焰两类目标的检测效果较好。Flame and smoke detection plays an important role in safety applications, especially in complex environments, where accurately identifying smoke and flame targets remains a significant challenge. This paper proposes an improved YOLOv8 algorithm, which introduces the CBAM (Convolutional Block Attention Module) attention mechanism to enhance the network’s ability to focus on features of different scales, thereby improving detection accuracy for small targets and complex scenes. The experimental results demonstrate that the improved YOLOv8 model has seen an enhancement of 0.57 percentage points in mean Average Precision (mAP) compared to the original YOLOv8 model, exhibiting superior detection performance for both smoke and flame targets.

关键词： 图像处理   水下图像增强   浑浊水体   深度学习   改进Shallow-Uwnet网络模型  

摘要： 针对浑浊水体环境下图像对比度降低和色偏严重等问题,构建模拟真实浑浊水环境的水下图像数据集,提出了一种基于改进Shallow-UWnet网络模型的浑浊水体图像增强方法。首先,使用灰度空间算法对原始图像进行全局颜色校正,再利用改进的Shallow-UWnet网络模型,学习失真图像与正常图像的映射关系从而实现水下图像增强,然后使用限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization,CLAHE)方法提高图像对比度,从而得到最终的增强图像。实验结果表明,本方法在主客观评价指标和特征点匹配应用指标上优于其他5种参考方法,能有效校正不同浑浊水环境下图像的色偏,提升图像的对比度和清晰度。本方法可以适用于水体较为浑浊的水下原位环境,为提高水下场景的视觉质量提供了有效的解决方案,在水下探测、水下救援、水下考古等领域中具有广泛的应用前景。

关键词： YOLOv5   FocalEIoU   SPD-Conv   密集卷积网络   航拍图像检测  

摘要： 为解决小目标检测方法检测精度低、误检率高和漏检率高等问题,提出了FSD-YOLOv5算法,在YOLOv5算法的基础上进行了三方面的改进:用FocalEIoU代替了CIoU,提高了模型收敛速度和回归精度;针对CNN架构的缺陷,采用了一种新的CNN构建模块SPD-Conv;针对卷积神经网络降采样导致的特征图中小目标信息减少或丢失的问题,引入了特征重用来增加特征图中小目标的特征信息。仿真结果表明:FSD-YOLOv5的检测准确率为36.3%,比原算法提高了2.4%。

关键词： 无人船   导航   路径规划   目标跟踪   路径跟踪控制   约束优化   输出约束控制   浅水效应  

摘要： [目的]旨在解决无人船于浅水域路径跟踪控制中面临的路径依赖约束问题。[方法]基于精确安全需求设立航行过程中的性能与可行性约束条件。针对控制器对路径参数的依赖问题和收敛需求,结合障碍李雅普诺夫函数(BLF)及固定时间收敛策略,设计一种依赖于路径参数、能够在固定时间内收敛的控制器,采用径向基神经网络(RBFNN)和自适应鲁棒项处理非线性项与环境干扰。通过“大智”号智能无人船模型模拟浅水效应环境进行仿真验证。[结果]结果显示,在不违反约束要求的前提下,路径跟踪误差能够快速收敛到预定区域,在收敛速度和精度上优于无约束的情况,证明了控制器的有效性和鲁棒性。[结论]所提控制策略在解决船舶路径依赖约束问题上,能够确保固定时间内实现精确的路径跟踪,具有理论和实际应用价值。未来可进一步优化以适应更复杂的水域环境和更高精度的路径跟踪任务。