无人机多模态融合的城市目标检测算法

城市低空运用小型无人机检测车辆等城市目标正逐渐成为主流手段。针对目前存在的实际场景中可见光探测易受光照影响、无法夜间工作和红外探测目标边缘模糊,导致单模检测网络检测精度低的问题,提出了一种基于图像融合和深度学习网络的无人机多模态融合的城市目标检测算法：首先,基于DUT-VTUAV可见光-红外配准数据集和TIF图像融合算法,构建多模态融合数据集;其次,对比了现有YOLO(You Only Look Once)检测系列网络的检测精度、速度及参数量等性能参数,选择出最适合无人机端移动部署的轻量化网络YOLO v5n;最后,综合运用图像融合算法和目标检测模型,形成多模态融合检测算法。在车辆数据集上进行的对比实验表明：相对单模检测,所提出的算法的检测精度得到有效提升,mAP高达99.6%,且该算法可在0.3 s内完成一组可见光-红外图像的融合检测,具有较高的实时性。     

一种基于中值滤波和边缘检测中模板匹配的图象滤波增强算法

本文针对数字图象处理中滤波可使圈象边缘模糊的现象,设计了一种组合式滤波增强算法。该算法在边缘地区沿着边缘方向进行滤波增强,在其它地区则进行滤波平滑操作,消除噪声。     

MCS-51系列单片机故障自诊断研究

本文研究在不加任何辅助硬件的情况下,对MCS-51系列单片机进行故障自诊断的方法,并给出了一个优化设计的8031单片机自诊断程序,文中所述的检测方法对其它系列单片机也有普遍意义。