摘要：光学遥感图像海面舰船目标检测易受云雾、海岛、海杂波、阴影等多种复杂因素的干扰。同时,由于卫星遥感图像的幅宽较大,若需要满足实时检测和硬件移植的需求,还要考虑算法的计算量和可移植性。鉴于实际工程的需要,本文提出了一种基于视觉显著性适用于复杂背景下的自适应舰船目标快速定位与检测方法。本算法首先基于图像梯度自适应获取全局最优尺度,通过谱残差显著性模型获得全局显著性区域。对于显著区域局部存在全局阈值分割效果不佳的区域(称为复杂区域),本文通过设计轮廓等形状特征来筛选出局部复杂区域,并对其进一步计算显著图,之后将处理结果与原显著图进行融合,获取最终的疑似区域提取结果。最后使用支持向量机对候选区域进行进一步判别。结果表明,本文算法可以有效检测出复杂背景下不同尺寸和方向的舰船目标区域,算法检测正确率为91.4%,召回率为91.2%,优于大多数同类算法,接近深度学习算法精度。同时在算法体量上,本文算法的计算量和参数量远远低于大多数深度学习框架,更适合硬件移植,同时算法的迁移性更强,易于修改和维护。

摘要：为探索利用衍射神经网络执行多任务图像分类识别的可行性,本文设计并搭建一种衍射神经网络系统。该系统采用空间光调制器(Spatial Light Modulator,SLM)做衍射神经网络的相位及振幅权重的调制以及网络层的光学全连接,并利用CMOS相机实现衍射神经网络中各衍射层输出的光电非线性激活与输出图像识别结果判别。设计的系统模型在MNIST和Fashion-MNIST图像分类识别中正确率达到94.1%和92.1%。最终通过搭建光路系统,光学实验正确率分别为91%和81.7%。所设计的衍射神经网络系统可满足多种图像分类识别应用需求,为衍射网络的设计与构建提供了新的思路。