在多光谱图像中测量和预测伪装检测传感器性能.

科学领域:

• 遥感 遥感 遥感 遥感
• 计算机视觉 计算机视觉
• 机器学习 机器学习

背景情况:

• 小型侦察无人机上的多谱传感器系统的有效管理对于目标检测至关重要.
• 识别伪装目标需要根据环境背景优化传感器频段选择.

研究的目的:

• 提出一种方法来预测多谱传感器频段性能,以暴露伪装目标.
• 引入一个新的指标,目标可见度指数 (TVI),用于量化目标可见度.
• 根据预测性能对传感器频段进行排名,以改进侦察.

主要方法:

• 开发了一个新的指标,目标可见度指数 (TVI),以量化伪装目标可见度在特定的传感器频段.
• 训练有素的机器学习模型可以根据使用图像描述器从视频带中提取的环境背景来预测TVI.
• 创建并使用了853个多谱捕获的数据集,用于模型培训和评估,具有多种伪装的目标和环境.

主要成果:

• 提出的方法在大多数测试场景中成功预测了最有信息的传感器频段.
• 机器学习模型有效地学习了TVI和环境环境之间的关系.
• 开发的数据集是公开的,这有助于进一步的研究.

结论:

• 性能预测方法在现实世界侦察中显著提高了伪装检测.
• 它提高了单个传感器频段的实用性,并减少了复杂的多谱系统的工作负载.
• 这种方法为优化无人机监视和目标识别提供了有价值的工具.