【技术实现步骤摘要】
一种浅海水下小样本目标检测系统及方法
[0001]本专利技术涉及光电平台设计、图像目标检测领域,尤其涉及一种浅海水下小样本目标检测系统及方法。
技术介绍
[0002]浅海作战环境下,非合作方往往会利用礁石、渔业生产设备、轨条砦等水面及水下的天然或人造障碍物迟滞我方的冲滩登陆进度。这些障碍物种类多,在水雾影响、浅海水面遮蔽下隐蔽性较强,对船舶航行、登陆作战有着很大的威胁,只有充分了解这些障碍物的位置、类别等情况,才能制定合理安全的破障登陆、冲滩作战计划。
[0003]目前的浅海光电侦察设备主要部署于大型有人舰艇上,基于可见光、红外等被动光学设备对海面上及空中可能出现的威胁要素进行识别预警,基于被动光学设备对水下目标进行检测识别的光电系统尚未见报道。
[0004]此外,受限于近海作战环境的复杂性和特殊性,现有近海光电探测设备无法克服:因海浪、轴承摩擦、前进阻力引起的载荷平台振动、成像不连续平稳、运动模糊;水雾、水面、恶劣天气等图像降质量因素引起的成像不清晰等不利因素;同时受限于当前光电探测设备的智能化水平,部分无 ...
【技术保护点】
【技术特征摘要】
1.一种浅海水下小样本目标检测系统,其特征在于:包括具备多角度成像特性的微偏振成像CMOS层、FPGA图像处理层、边缘端神经网络计算单元;具备多角度成像特性的微偏振成像CMOS层通过单次成像获取多张不同入射角度的阵列图像数据;FPGA图像处理层利用硬件电路的速度优势对图像,采用实时透雾增强处理算法进行去雾初步增强处理,得到对比度更高的阵列图像数据;并通过接口层将对比度更高的阵列图像数据传输到边缘端神经网络计算单元中,基于偏振成像CMOS层、FPGA图像处理层组成的成像设备,从任务场景采集经过透雾增强处理的阵列图像数据,对阵列图像数据中的小样本目标进行标注后形成数据集;而后使用对比学习方法对基于分类强化的小样本水下特征退化目标检测网络进行训练,得到基于分类强化的小样本水下特征退化目标检测算法权重文件,并将权重文件部署于边缘端神经网络计算单元中;训练时网络输入为变换前后的两路图像、网络结构为权重共享的并行分支;在训练过程中通过约束增强变换前后双路分支分类结果的一致性对网络进行训练、增强网络分类分支的判别能力;边缘端神经网络计算单元以小于等于70W的典型功耗实时运行基于分类强化的小样本水下特征退化目标检测算法:边缘端神经网络计算单元在运行过程中接收由FPGA图像处理层进行透雾增强处理后的阵列图像数据,并通过部署于其上的基于分类强化的小样本水下特征退化目标检测权重文件进行运算,得到对应于每次阵列图像输入的目标检测结果,将运算得到的目标检测结果绘制到阵列输入图像上,并将包含检测框结果的图像输出到外设显示器中。2.根据权利要求1所述的浅海水下小样本目标检测系统,其特征在于:所述微偏振成像部分实现如下:(1)依据基板尺寸限制,完成微偏振CMOS层、FPGA图像处理层、电源及接口层的PCB设计,微偏振层实现0
°
、45
°
...
【专利技术属性】
技术研发人员:张弘,郭威威,杨一帆,袁丁,闫超奇,
申请(专利权)人:北京航空航天大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。