摘要：为提高传统无人机红外目标识别算法对输入图像的旋转鲁棒性,提出一种具有旋转等变性的红外图像目标识别算法。参照可见光三通道结构,将红外图像扩张为三通道以丰富输入图像的细节及边缘信息;以旋转等变卷积为基础,设计并实现能够高度保留图像旋转特征的标准旋转等变卷积模块和旋转残差模块,使得所设计模型FC-YOLOv5对图像及图像中目标旋转具有鲁棒性;加入压缩和激励注意力机制自适应地学习到每个通道的重要性,并且根据任务的需要加权调整特征图中的通道贡献,提取重要的特征信息并抑制不重要的特征信息。在航拍行人车辆数据集和海上船舶数据集上验证模型的性能,以基准模型YOLOv5s及常见轻量级目标识别任务所用模型YOLOv8s、NanoDet作为对照组模型。实验结果表明,所提算法的平均精度均值相较于基准模型能够提升2%~4%,且当输入图像具有不同角度的旋转时,能够比对照组模型识别到更多旋转目标,且识别错误更少。

摘要：传统的航空摄影测量方法已经不能满足人们日益增长的需要,而且在实际应用中存在一些问题。提出一种基于图像细节增强的无人机低空航拍航测技术的解决方案,利用无人机搭载数码相机进行低空航拍获取影像数据,然后通过数字图像处理技术来实现对原始影像去噪、锐化以及边缘检测等操作,最后将这些处理后的结果与地面控制点相结合得到高精度DEM模型。实验证明,该技术能够有效提高工作效率并降低成本。