基于生物视觉的无人机群多源图像目标协同检测方法研究

The technogoies of targets detection in multi-source images are very important in the application field of UAVs. In the nature,many animals,which own different types of visual system and work dependently,can adapt to different enviromental conditions.The project will explore a cooperative approach of multi-source images from UAVs based on biological vision and intend to establish a co-processing mechanism close to human cognitive processes by studying cooperation work mechanism of the different biological visual system.With information processing research in various areas,such as the brain excited wave mode,MIMO driving vector and Turbo iterative decoding,and the principle of biological vision in the multi-source images from UAVs,we can make information to be more effective shared and understanding and overcome the existing algorithms defect from the results by the integration of computing directly and the cumulative difference,which can use more efficient multi-information and get more accurate detection results to UAVs.

多源图像目标检测技术在无人机群等应用领域发挥着越来越重要的应用，同时许多自然生物有着不同的类型视觉系统而相互协作工作，以适应不同环境需要。本项目将通过生物不同视觉系统相互协同工作机理的研究，拟建立一套接近于人类认知过程的协同处理机制，探索基于生物视觉的无人机群多源图像协同处理方法。研究“大脑兴奋波模式”、MIMO驾驶向量、Turbo迭代译码等在信息处理领域的应用，针对多传感器运动检测中多源信息得不到有效利用的问题，利用生物视觉协同工作的原理来处理无人机群多源图像运动目标检测,使信息在处理过程得到充分的共享和理解，克服现有融合运算具有错误传递和累积效应的缺陷，从而提高无人机群协同检测的效率和准确率。

本课题研究了基于生物视觉的无人机群多源图像目标协同检测方法，通过研究生物视觉机理的协同机制，完成了无人机群多源图像运动的目标检测，最终实现图像目标高效、准确的协同检测。课题研究中，完成了校区周边100平方公里以内地区的图像采集工作，以此构建数据集来支持研究。研究了无人机群图像数据的预处理方法，以提高和保证后续工作的准确性和有效性。课题研究了生物视觉HMAX模型并加以改进，借鉴声纳和通信领域的思想，结合基于评价因子及灰色关联分析的目标检测结果自动评价方法，建立了多源协同处理机制，同时研究红外-可见光异源图像配准算法，建立了基于前一机制的多源图像运动目标协同检测方法，还研究了多种目标检测方法及其性能评价方法，建立无人机群多源图像运动目标协同检测快速处理方法，提高了复杂背景下运动目标提取的完整性和准确率。