《基於空間-光譜結構稀疏編碼的多波段夜視目標識別技術》是依託南京理工大學，由韓靜擔任項目負責人的青年科學基金項目。
基本介紹
- 中文名：基於空間-光譜結構稀疏編碼的多波段夜視目標識別技術
- 項目類別：青年科學基金項目
- 項目負責人：韓靜
- 依託單位：南京理工大學
項目摘要,結題摘要,
項目摘要
夜視技術已從單一波段成像發展為多波段探測，但隨著套用環境的複雜化和需求的多樣性，傳統信息處理技術已難以滿足現代多波段夜視的探測需求，因此迫切需要發展新型信息分析的理論方法。圍繞視覺稀疏分析在多光譜夜視目標感知識別中面臨的問題，本項目結合多感測器夜視成像裝置，擬探索研究基於空間-光譜結構稀疏編碼的夜視信息理解方法，其核心思想是結合視覺稀疏回響機理和多光譜夜視數據的多維結構特徵，充分分析和利用夜視數據的本質、不變信息，有效解決複雜成像環境導致的夜視背景干擾和目標多樣化。主要研究內容包括局部空間/空間-光譜結構保持稀疏編碼、基於多維結構稀疏編碼的多光譜典型夜視目標認知識別以及高性能夜視數據異構處理模型。本項目模擬高效的生物認知系統，實現基於空間-光譜結構稀疏編碼的多光譜典型夜視目標識別，其研究成果可為複雜環境下多波段夜視圖像智慧型理解提供理論與技術支撐。
結題摘要
本項目立足於多源多光譜成像（可見光/微光、短波紅外、長波紅外等），建立多波段夜視成像探測裝置。針對夜視環境下的目標認知難題，提出了一系列基於空間-光譜結構稀疏的夜視場景目標識別新方法，並設計實現了完整的夜視目標感知理論和方案。 研究內容：圍繞複雜場景下夜視成像探測目標識別面臨的諸多問題，突破基於局部稀疏結構降噪的夜視圖像增強，基於稀疏約束的多維夜視數據流形分類，以及基於多維稀疏結構編碼的夜視目標識別方法與技術。具體構建基於局部稀疏結構降噪LSSD的微光圖像增強、基於元胞自動機的紅外圖像增強模型；提出基於多隨機子空間稀疏表示SSM-RSSR、離散稀疏正則化DSMR、機率隨機子空間稀疏表示P-RSSR的半監督流形學習分類方法；建立基於局部稀疏結構匹配LSSM的夜視目標檢測、基於稀疏無損約束降噪自編碼LD-AE的圖像識別模型。形成夜視圖像信息處理較為完整的理論體系，實現高效魯棒的夜視目標識別。 研究方案與系統：首先，依據多光譜夜視圖像空域和譜域上的數據分布特性，結合流形分析思想，將圖像局部結構先驗引入到稀疏編碼的目標函式中，提出了局部空間結構保持稀疏編碼LSPSc和局部空間-光譜結構保持稀疏編碼LS3PSc算法，以提升單/多光譜夜視圖像稀疏分解穩定性；其次，開展了一系列基於多維結構稀疏編碼的複雜場景環境夜視目標認知方法研究，結合局部匹配思想，利用局部稀疏結構的噪聲不變特性，構建了一種局部稀疏結構匹配模型LSSM，並結合夜視場景顯著分析，增強夜視典型目標識別效率；最終，有效整合字典學習、結構稀疏量化和目標機率提取檢測模組，設計了多模組的異構框架，並建立基於空間-光譜結構稀疏編碼的夜視目標增強識別原理試驗裝置，實現了夜視目標高精度、高效率的魯棒識別。 成果轉化與推廣：將相關核心關鍵技術套用到軍事偵察、智慧城市等多個領域，構建了機載/車載多套無人夜視成像感知軟硬體系統，魯棒精準檢測定位夜視目標，實現了高效能多波段夜視信息計算輸出。
