基于NSCT与PCNN的图像融合

针对非下采样Contourlet变换(NSCT)变换的平移不变性、多尺度性和多方向等特点,结合脉冲耦合神经网络(PCNN)的全局连接性和神经元的脉冲同步性,提出基于NSCT变换区域特征与脉冲耦合神经网络相结合的图像融合方法。首先对待融合图像进行多尺度、多方向的分解,低频系数采用区域能量融合规则,高频系数作为脉冲耦合神经网络的输入,最后对融合后的系数经过NSCT逆变换得到融合图像。实验结果表明,融合结果在主观和客观评价上均优于其他对比方法。     

基于序列二次规划的PIO易感性时域评估方法

时域Neal-Smith准则是评估PIO易感性比较理想的量化准则,但驾驶员的自适应特性给该准则的使用带来了困难。以某机型为算例,将序列二次规划算法应用于时域Neal-Smith准则,对其PIO易感性进行了评估。评估结果表明,将序列二次规划算法用于时域Neal-Smith准则来评估飞机的PIO易感性是可行的。     

基于NSCT变换和PCA的图像融合算法

针对小波变换与Contourlet变换的不足,提出了一种将非下采样Contourlet 变换与主成分分析相结合的图像融合算法。对已配准好的融合源图像作NSCT分解,采用PCA加权融合规则对低频系数处理,采用边缘强度最大的规则对各高频子带系数作融合处理,分别得到融合图像的变换系数,对该系数经NSCT逆变换重构得到融合图像。实验结果表明,算法有效地融合了源图像中的重要信息,融合图像边缘、纹理、细节清晰,得到较好视觉效果和较优的评价指标。     

基于序列二次规划算法的发动机性能寻优控制

提出用非线性序列二次规划(SQP,Sequen tial Q uadratic P rogramm ing)算法解决发动机性能寻优控制问题。分析了线性规划(LP,L inear P rogramm ing)算法用于发动机性能寻优的固有缺陷以及SQP算法的优点。给出了SQP算法与LP算法用于最大推力模式和最小油耗模式仿真结果对比曲线。数字仿真实验的结果表明,SQP算法具有比LP算法更好的优化效果,在工程实际中有很大的应用潜力。     

基于高斯伪谱法的飞机下降段轨迹优化

以大型运输机为研究对象,进行风干扰下的飞机下降段轨迹优化.通过对飞机下降过程的分析,建立了飞机的运动学模型、油耗模型和大气模型,得出了问题的目标函数和约束.运用高斯伪谱法把最优控制问题转化为非线性规划问题,并用序列二次规划求解非线性规划问题.仿真计算得到飞机最短下降时间的最优轨迹,讨论了不同的成本指数对下降时间和燃油消耗的影响.仿真结果表明,成本指数越大,飞机下降时间越短,燃油消耗越多.     

无界域上二次规划存在最优解的条件及判别方法

本文给出了无界域上二次规划存在最优解的充分必要条件及判别方法，并通过解一些线性规划来判别是否存在最优解。     

基于卷积稀疏表示的图像融合方法

图像融合是图像处理领域中比较重要的一门技术,传统的图像融合方法会降低图像融合质量。针对稀疏表示在图像融合中存在一定的缺陷,提出了一种基于卷积稀疏表示的图像融合方法。首先,对高频子带系数进行合理有效处理,利用相似度分析和视觉显著性进行融合。然后,将低频子带系数整体融合改进为使用Butworth低通滤波对低频子带进行分解,得到低频近似子带和强边缘子带。最后,再用改进的脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)对强边缘子带进行融合。实验结果表明,与其它传统的图像融合方法相比,信息熵(Information Entropy,IE)提高了将近3%,标准差(Standard Deviation,SD)提高了将近9%,空间频率(Space Frequency,SF)提升了将近30%,互信息(Mutual Information,MI)提升了将近25%。同时,时间效率也有了一定程度地提升。     

解三维弹塑性接触问题的二次规划方法

 本文讨论了基于二次规划理论的三维弹塑性接触问题,其数值解法采用极大极小对偶迭代法,此方法比较简单、容易编制程序并且有严格的算法收敛性证明,方法适用于各种类型结构的接触问题。最后给出某型号飞机的机身与起落架之间的轴-套简结构的计算实例。     

基于规则的递归选择性拆卸序列规划方法

拆卸序列规划是产品维修性设计的一个重要内容。然而完全的拆卸序列通常是不实际的。选择性拆卸序列规划方法强调从产品中选择一个或多个零件用来维护。本文提出一个基于规则的递归方法用来生成拆卸序列。大多以前的方法枚举出所有的拆卸序列或利用随机的方法生成拆卸序列。相反,本文提出的方法利用规则消除那些不可能的拆卸序列。最后,结合机动...     

嵌入维数自适应最小二乘支持向量机状态时间序列预测方法

针对航空发动机状态时间序列预测中嵌入维数难于有效选取的问题,提出一种基于嵌入维数自适应最小二乘支持向量机(LSSVM)的预测方法.该方法将嵌入维数作为影响状态时间序列预测精度的重要参数,以交叉验证误差为评价准则,利用粒子群优化(PSO)进化搜索LSSVM预测模型的最优超参数与嵌入维数,同时通过矩阵变换原理提高交叉验证过程的计算效率,并最终建立优化后的LSSVM预测模型.航空发动机排气温度(EGT)预测实例表明,该方法可自适应选取适用于状态时间序列预测的最优嵌入维数且预测精度高,适用于航空发动机状态时间序列预测.     

基于Contourlet变换的图像去噪算法

针对小波变换不能有效地表示图像纹理和轮廓的缺陷,本文重点研究了基于Contourlet变换的图像去噪算法。首先对图像进行Contourlet变换,得到能量集中分布的变换系数,再对变换后的系数应用Bayes-Shrink去噪方法进行降噪处理,并分别比较了运用硬阈值方法和软阈值方法的处理效果。结果表明:基于Contourlet变换的图像去噪算法在峰值信噪比(PSNR)效果和去噪质量上都优于小波变换。     

一种基于Curvelet变换的红外图像去噪方法

针对红外图像中目标与背景的对比度差、边缘模糊、纹理信息缺失等特点,提出了一种基于Curvelet变换的红外图像去噪方法。算法原理简单,易于实现,具有较高的实时性。试验结果表明,算法能够有效去除红外图像中的噪声和杂波。     

改进的自适应阈值软硬折中Curvelet图像去噪技术

Curvelet变换是继小波变换和Ridgelet变换之后,更适合图像处理的一种多尺度变换,它能同时获得对图像平滑区域和边缘部分的稀疏表达,且具有很强的方向性。针对软阀值和硬阈值去噪方法存在的不足,提出了基于Curvelet变换域的软硬阈值折中去噪法,并采用不同的阈值自适应地对不同的Curvelet子带进行阈值化,实验结果表明该方法对图像中的边缘曲线特征有更好的复原。去噪后图像PSNR值更高,视觉效果更好。     

基于非线性复扩散和小波的图像去噪方法

基于偏微分方程和小波的图像去噪方法是目前图像处理的两大发展主流。提出了一种非线性复扩散和小波相结合的图像去噪方法。首先,根据小波变换的特性,把图像分成低频分量和高频分量两部分,然后根据这两部分图像的不同特点,结合非线性复扩散方法对图像去噪,最后把两部分图像融合成一幅图像。实验结果表明了方法无论是客观标准还是视觉效果上都优于非线性复扩散。     

基于小波和独立成分分析的去噪自适应算法

为了寻求一种能将不同类型和数量的噪声从图像中去除的方法,提出了一种能从图像源中将噪声与信号分离的改进的小波ICA滤波器。该方法首先使用小波降维,用Morlet小波来解决非正交问题;通过ICA规范化降维后的信号,从而发现独立噪声特征;再通过相关性将图像和噪声分离;最后,对图像进行还原,得到去噪后的图像。通过实验与主成分分析(PCA)方法、FastICA方法进行了对比,验证了该方法的有效性。结果显示,本研究提出的方法降噪效果较PCA方法和FastICA方法有大幅提高。同时,复杂度略有上升。     

一种平稳小波方向能量阈值滤波的SAR图像去噪方法

由于SAR图像相干斑噪声是非高斯分布的,无法直接采用光学成像系统的去噪技术处理,因此,目前还没有真正的理想算法广泛适用于SAR图像去噪.在分析目前流行的空频域去噪方法优缺点的基础上,提出了1种小波域SAR图像去噪方法.为了克服离散小波变换缺乏平移不变性及方向选择性受限的缺点,该方法利用平稳小波将图像分解为低频逼近信号和...     

一种改进的基于Hough变换的精确圆检测方法

在空间航天飞行器的对接过程中,合作目标背景的复杂性使得对圆形对接靶标部位的准确快速识别能力显得至关重要.为了克服Hough变换的圆检测遍历边缘点的局限性,采用图像预处理方法,极大地减少了参与Hough变换的无效像素点,并对边缘进行抽样提高Hough变换圆检测效率;针对Hough变换圆定位精度低,对Hough变换检测出的像素点,采用最小二乘拟合圆心得到亚像素的圆心拟合精度.一方面利用Hough变换检测圆的鲁棒性,有效地解决了最小二乘拟合的平方项对离群点敏感的问题;另一方面利用了最小二乘法的精确性提高圆心的定位精度.仿真结果和实验结果均证明了方法可将圆定位精度提高到1/20像元.     

基于SIFT和仿射变换的航空器起飞图像跟踪方法

针对机场监视的需要,结合航空器起飞特征,研究了尺度不变特征变换( SIFT)算法和仿射变换模型,在对图像进行灰度图像序列处理的基础上,提出了将SIFT特征点跟踪与仿射变换相结合对航空器起飞信息识别、跟踪的方法。以滨海国际机场的一个起飞过程为例,对图像序列进行了运动目标识别和帧间特征点的匹配,验证了方法的可行性,为机场航空器的起飞跟踪方法提供参考。     

NSCT变换域PCNN彩色图像增强算法

为了改善由于光照不均对真彩色图像的影响,根据人类对颜色的感知特性,利用YCbCr彩色模型空间,提出了一种基于非抽样Contourlet变换（ NSCT）的PCNN模型的图像增强算法。首先,将图像从RGB彩色空间转换到YCbCr彩色空间;然后对亮度分量进行NSCT分解,得到低频子带系数和高频方向子带系数,对低频子带,利用PC－NN增强,对高频子带采用非线性变换进行增强;最后,使用NSCT逆变换重构图像的亮度分量,并将图像从YCbCr色彩空间模型还原到RGB空间得到增强后的图像。实验结果表明,算法增强效果明显优于同态滤波、空域PCNN及NSCT域的PCNN算法,不仅增加了彩色图像的明亮度,而且图像保真性好,纹理更清晰。