激光与红外

作者：姜黎玮

单位：1.中国人民解放军陆军炮兵防空兵学院信息工程系,安徽 合肥 230031；2.偏振光成像探测技术安徽省重点实验室,安徽 合肥 230031；

关键词：深度学习;偏振成像;像元耦合;YOLOv5;目标检测

偏振成像目标检测对于人造目标检测有着重要意义。像元耦合是以四个方向的偏振强度数据作为一个超像元的偏振成像方法。对超像元进行偏振参量解析,会使图像的分辨率变为原始图像的四分之一,不利于小目标的检测。像元耦合图像的偏振参量解析会产生噪声,对小目标的检测造成干扰。本文提出了一个以YOLOv5s为网络基础,添加偏振信息解析模块(Covcat)的目标检测算法。该算法实现了端到端进行像元耦合偏振成像的目标检测,用网络实现偏振解析,利用多卷积信息融合提高特征提取能力,提高目标的平均检测精度(mAP)。使用对空无人机数据集对算法进行验证,实验表明,相比于使用偏振参量解析出的强度图、偏振度图和偏振角图,该算法的平均检测精度分别提升了4个百分点、5个百分点和12个百分点。

来源：2023年第6期

《激光与红外》期刊编辑部

查看激光与红外杂志2023年第6期