一种基于语义分割的机场跑道检测算法

针对复杂电磁作战环境下无人机自主着陆应用场景,提出了一种基于图像语义分割的机场跑道检测算法,并设计构建了轻量高效的端到端跑道检测神经网络RunwayNet。在特征提取部分,使用空洞卷积对ShuffleNet V2进行改造,得到了输出特征图分辨率可调的主干网络,并利用自注意力机制设计了自注意力网络模块,使网络具备全局跑道特征提取能力。设计了解码器模块将网络浅层丰富的细节、空间位置信息与顶层粗略、抽象的语义分割信息相融合,从而获得精细的跑道检测输出结果。实验结果表明,RunwayNet网络在无人机着陆全过程都可以对跑道区域进行精准的分割识别,并且在嵌入式计算平台上能达到接近实时的处理速度,具有很强的实用价值。     

基于自适应记忆长度的多尺度模态融合网络

为了更好地利用点云和光学图像在自动驾驶领域的互补感知优势，提出了一种双模态融合网络MerNet。网络采用点云特征和光学图像特征并行编码的结构，在每一个编码阶段通过基于残差映射和膨胀点注意力机制的融合模块将光学图像特征单向融合到点云特征支路。设计了一种多尺度膨胀支路的级联空洞卷积模块，以加强点云的上下文联系，并在并行支路上采用瓶颈结构来降低上下文模块的参数量。为进一步优化参数更新过程，提出了一种自适应变历史记忆长度的优化算法，考虑了不同梯度变化趋势下历史梯度的贡献值。研究了一种基于交叉熵损失的协同损失函数，通过交叉比对不同模态的预测标签，并通过设定阈值筛选对比模态的预测特征，突出不同传感器的感知优势。在公开数据集SemanticKITTI上对MerNet进行了训练和验证，实验结果表明：提出的双模态网络能够有效提升语义分割性能，并使算法更加关注驾驶环境中的高危险性动态目标。同时，提出的上下文模块还能够降低64.89%的参数量，进一步提高算法的效率。     

基于多尺度深度学习的自适应航拍目标检测

无人机已经被广泛应用到各个领域,目标检测成为无人机视觉领域关键技术之一。针对无人机图像中场景复杂、尺度多变、小目标丰富等问题,提出了一种基于多尺度深度学习的自适应航拍目标检测算法。首先,构建自适应特征提取网络MSDarkNet-53,引入多尺度卷积方式,采用不同类型卷积核对不同尺寸目标进行运算,有效扩大感受野。其次,结合注意力机制的优点设计卷积模块,自适应优化特征权重,增强有效特征,抑制无效特征,得到表征能力更强的特征。最后,构建基于多尺度特征融合的预测网络,根据小目标的特点,选取多层级特征映射融合成高分辨率特征图,在单一尺度上进行目标分类和边界框回归。实验表明：本文算法提升了无人机图像的目标检测精度,具有良好的鲁棒性。     

测量位置点驱动的飞机蒙皮对缝结构点云分割方法

飞机蒙皮表面存在大量对缝结构,其质量对飞机性能、寿命和可靠性有着重要影响。目前蒙皮对缝结构点云数据处理阶段存在数据量大、数据处理效率低、难度大等问题。为提高对缝参数计算效率,提出了一种测量位置点驱动的飞机蒙皮对缝结构点云分割方法。提取蒙皮理论模型对缝结构边缘曲线特征并离散成测量位置点,由测量位置点引导空间包围盒的构建,驱动对缝点云数据实现局部分割。试验结果表明该方法针对对缝结构点云能取得良好的分割效果。     

一种基于MLS的SAR图像点特征提取方法

针对合成孔径雷达图像点特征提取问题,提出了一种基于MLS的SAR图像点特征提取方法.首先利用提出的基于超像素关联分析的SAR图像分割算法得到二值分割图像,再把该二值图像和SAR图像进行点乘运算,获取到含有强度信息的目标区域,然后采用移动最小二乘法(MLS)对目标区域进行曲面拟合,根据设定的点特征判决规则,最后提取出SAR图像的峰值、脊和谷等多种点特征.基于MSTAR数据的实验结果表明了该方法的有效性和准确性.     

多源数据融合与改进注意力机制的轴承智能故障诊断

单一传感器信号不能全面表达机械设备的运行特征且容易受到自身品质、性能的影响,为此本文提出了一种多源数据融合与改进注意力机制相结合的滚动轴承智能诊断方法。采集不同位置的传感器振动信号作为模型的输入向量,每一个传感器信号作为一个通道,将多通道信号同时送入模型特征输入层;引入改进注意力机制建立各通道和空间动态权重参数,随着模型训练,不断增强故障特征、弱化无用特征;运用深度卷积神经网络模型的卷积、池化等操作将多传感器信号进一步融合并提取故障特征,输出诊断结果。在进行滚动轴承故障诊断实验时,该方法诊断准确率达到100%,高于准确率最佳值为97.42%的单传感器。与其他方法相比,本文方法可以自适应融合多传感器数据以满足诊断任务的要求,具有良好的自适应性和鲁棒性,为滚动轴承的故障诊断提供了一种可行的方法。     

融合明度特征的V-SAD立体匹配算法

针对SAD算法难以对图像中纯色与弱纹理部分进行准确匹配的问题,提出了将HSV空间明度特征与SAD算法相融合的立体匹配算法,称为V-SAD算法.首先将图像从RGB空间转化至HSV空间,并根据H、S、V值将像素点按照颜色分为10类,同时得到明度特征图.然后结合SAD算法需要的灰度特征图计算匹配代价,得到初步的视差图.接着,根据HSV空间的颜色信息对图像进行分割,结合数学形态法求解分割区块中的独立连通域.再利用边缘生长法对每一个连通域的视差进行恢复.最后,使用左右一致性检测方法对视差图进行优化.实验结果表明,利用图像的明度信息衡量纯色与弱纹理区域的匹配点的相似度是有效的,该V-SAD算法有效改善了SAD算法在弱纹理和纯色区域的匹配效果,平均误匹配率下降了13.02％.     

基于CNN-LSTM-attention模型航迹预测研究

以航迹预测方法作为切入点,重庆-广州航路航空器记录的ADS-B数据作为研究内容,提出了一种融合注意力机制的长时序航迹预测方法(CNN-LSTM-attention)。研究运用一维卷积神经网络对航迹数据多维特征进行提取,并将经纬度、高度、速度、航向等的多维特征向量构造成时序形式作为LSTM网络输入,通过赋予LSTM网络隐含层的权重占比并区别不同时序点隐藏层信息对未来航迹预测的影响程度来达到优化预测模型的作用。构建好的CNN-LSTM-attention模型采用Adam优化算法进行训练,LSTM和CNN-LSTM作为实验对比模型,将决定系数R²作为模型评价标准来衡量航迹预测模型的准确性。实验结果表明加入注意力机制的神经网络预测模型CNN+LSTM+attention(卷积神经网络-长短期记忆网络-注意力机制)的方法相较于其他两种,其预测精确性更高。     

基于MHSA和C- BiGRU的航班延误预测研究

针对普通神经网络预测人为因素造成的航班延误能力不足的问题,提出了一种基于多头自注意力机制和卷积双向门控循环单元的预测模型(MHSA-C-BiGRU)对航班延误问题进行研究。模型采用卷积双向门控循环单元(C-BiGRU)提取局部信息和上下游数据的时序信息,利用多头自注意力机制(MHSA)的并行能力从不同位置提取数据内部之间的特征,强化重要信息的权值,使模型聚焦到对当前任务更重要的信息,从而增强模型分析人为因素造成的航班延误的能力。研究使用2018年上海浦东机场的航班数据和气象数据。结果表明,预测模型相对于基础模型的预测准确率提高了4.4%,各项宏平均值有8%的提高,各项权重平均值有5%的提高。     

一种相变热图的图像处理方法

相变热图技术中,为了得到风洞试验模型表面的热流分布,必须对相变热图序列进行相变线提取.首先通过特殊的时-空变换,将所有原始序列图像的直接分割转化为对少量合成图像的分割,在减小计算量的同时较好地解决了原始图像中由于相变区域模糊而难以分割的问题.同时,为了解决由于模型表面存在镜面反射造成的模型头部区域相变线提取不准确,引入镜面反射模型,并通过分割和参数求取过程的迭代执行计算出反射模型各参数,对合成图像进行整体性亮度补偿并最终得到良好的分割结果.最后根据提取出的相变线位置和材料相变温度,完成热流值的计算.通过比较表明本文结果更为准确合理,也验证了所提出分割方法的有效性,促进相变测温技术的广泛应用.     

基于路面分割的高精度地图创建优化方法研究

高精度地图主要利用已采集图像的地面信息生成,但是在真实环境中图像的地面信息容易受动态障碍物遮挡,同时GPS难免会有抖动误差,导致地图拼接效果并不理想。针对上述问题提出了一种基于路面分割的动态障碍物去除与图像配准方法。使用深度学习对全景图像进行语义分割并提取路面信息,在去除动态障碍物干扰后,利用路面特征进行图像配准。融合GPS与里程计信息进行定位优化,利用多帧图像叠加填补空缺形成地图。最终,实验验证了该方法在去除动态障碍物的同时也提高了地图的精度。     

基于加权模糊C均值聚类的图像分割算法

模糊C均值(FCM)算法用于灰度图像分割是一种非监督模糊聚类后再标定的过程,适合灰度图像中存在着模糊和不确定性的特点。但是这种算法存在着本质上的缺陷,就是仅利用了图像的灰度信息,而没有考虑像素的空间信息,使得其对于实际的含有噪声的图像分割效果不理想。因此,提出了一种新的加权模糊C均值聚类算法,实践证明,该方法可以有效地、实时地把目标从背景中分割出来,并具有较强的鲁棒性。     

飞机结构X射线裂纹图像智能评定

飞机结构X 射线图像评定过程存在复杂背景下裂纹分割不准、检出难等问题。基于高效层聚合网络提出一种飞机结构X 射线裂纹图像智能评定模型（ELAN-Seg）,将ELAN-Seg 模型和DeepLabv3+模型的射线图像裂纹分割能力进行对比,结合图像处理技术对模型分割的裂纹长度进行评估,利用飞机强度试验及外场维护过程采集的X 射线图像对模型进行验证。结果表明：分割的最小裂纹长度约为3 mm,ELAN-Seg 模型对复杂背景射线图像裂纹分割更加准确,裂纹漏检率小于3.8%,该模型具有工程适用性。     

超燃冲压发动机燃烧流场纹影图像无监督分割方法

超燃冲压发动机燃烧室流场纹影图像常存在大量噪声信号,如何高效、准确提取燃烧流场图像的主要波系结构成为当前亟需探索的问题。以超燃冲压发动机燃烧室内冷流到氢燃料点火阶段流场为研究对象,基于深度神经网络方法,发展一种燃烧室内流场的关键波系结构快速识别方法。首先,采用基于图论的超像素分割方法对纹影图像进行聚类分割,为语义信息明显相同区域分配伪标签;其次,设计了一种全卷积特征提取神经网络,并使用残差结构对各个通道进行加权,提取纹影图像高级语义特征;最后,使用交叉熵目标函数优化网络模型,并通过阈值滤波操作去除噪声像素点,提升语义分割效果。结果表明：与K-means及自适应高斯阈值方法相比,本文提出方法在准确率、召回率、F1分数和交并比指标性能明显是最优的,能够准确完成燃烧流场纹影图像语义分割任务,可以更加清晰地反应流场内的主要波系和剪切层结构     

回厂电能表数值智能识别技术研究

研究了回厂电能表表盘数字的自动识别技术,它是回厂电表数字识别系统的关键所在。识别工作在利用CCD镜头进行图像采集后,利用图像处理和模式识别技术自动定位分割图像中的数字区域并实现单个数字的切分,最后实现了电度表显示值快速自动识别。针对500帧现场采集的回厂电表图像,该研究获得了单字正确识别率99.8%和整表正确识别率98.4%的结果,表明该系统具有较强的鲁棒性。     

基于形态学运算的星图像分割

在获取星图像的过程中,由于某些因素的影响,获得的星图像存在噪声和划痕,而且星图像的背景经常是不均匀的,为星图像的分割造成了极大的困难,甚至使得自动阈值分割无法实现或效果较差。膨胀和腐蚀是形态学的两个基本运算,实验证明,通过组合膨胀和腐蚀,可以获取更为复杂的形态学运算。用形态学运算对星图像进行处理,补偿不均匀的星图像背景,然后进行星图像的自动阈值分割可以得到很好的分割效果。     

基于FCM聚类的示温漆图像分割算法

根据示温漆(TIP)图像特征及相关实验结果,提出了一种基于模糊C均值(FCM)聚类的示温漆图像分割算法。该算法以FCM聚类算法为核心,应用双边滤波器平滑图像,提高图像分割质量。通过颜色空间转换,提高图像聚类的迭代效率。实验表明:该算法增强了示温漆温度判读需要的特征信息,可以提取人眼无法识别的等温线,同时消除了等温线崎岖等现象,测温误差为±10℃。算法应用效果良好,满足工程要求,已用于示温漆自动判读软件开发。      

基于改进二维Ostu算法的SAR图像分割方法研究

INS/SAR组合导航系统对SAR图像分割提出了较高的实时性和准确性要求。文章针对SAR图像的特点与二维Ostu方法在区域划分以及运行速度上的缺陷,提出了一种改进的二维Ostu方法,更为准确地划分了目标和背景区域,并且将阈值搜索空间由二维降为一维。经仿真验证,该方法具有良好的分割效果并能有效提高分割速度,满足了组合导航系统相应的设计要求。