复合材料制品的超声检测

简述复合材料制品的缺陷类型,并根据不同缺陷类型所采取的超声检测方法.介绍复合材料制品超声检测技术的最新进展,复合材料超声特征图像显示检测技术及其应用情况.     

多层包覆质量超声图像诊断系统研制

针对机载固体火箭发动机多层复合结构粘接质量检测问题,利用聚焦探头双模式检测方法,研制开发了一套适合直径90~250mm,最大长度2000mm,且圆柱表面有凸起物的各种空-空导弹火箭发动机多层包覆质量自动超声图像诊断系统。可通过一次C扫描获得多层包覆不同界面粘接质量诊断图像,其脱粘检测分辨力不大于5mm。     

发动机绝热层粘接质量超声自动检测系统设计

针对壳体椭圆度较大且内壁采用喷砂处理的某型大口径固体火箭发动机壳体／绝热层界面粘接质量检测问题,采用水浸式脉冲回波超声检测方法作为检测手段,设计了具有两自由度支撑结构的粘接质量自动检测系统。通过对试件进行螺旋C扫描,获得了发动机粘接质量图像。基于对检测图像噪声的分析,采用中值滤波法提高了扫描图的信噪比。对有制作人工缺陷的发动机自动检测的结果表明,系统较为准确地计算出人工缺陷的位置及面积,其检测分辨率达到了Ф3 mm。     

三维编织支架底板RTM工艺研究

基于有限元/控制体积法模拟了三维编织支架底板树脂传递模塑(RTM)工艺的充模过程,预测了不同注入口的数量和位置对干点的影响,比较分析了注入口的数量和位置、注入压强及树脂粘度对充模时间的影响,按照优化的工艺参数制造了三维编织支架底板复合材料构件,用超声波无损检测验证了渗透情况。结果表明,通过底板超声衰减强度的损失较小,图像法测量空隙含量为0.93%。     

多角度缆索全景图像拼接算法研究

本文研究了多角度缆索检测图像拼接技术,将缆索4个不同方向的视频图像拼接融合为360度平面图像。为验证图像拼接效果,搭建了缆索视频图像采集装置。针对缆索图像的特点,提出了缆索图像畸变矫正、图像配准的一种有效算法,经Matlab仿真验证,算法有效可行,能较好地将4路圆管弧形画面拼接并展开成一幅平面监控画面。     

基于EMD的无参考图像清晰度评价方法

针对现有的灰度变化统计函数不能提供图像全频段综合评价的缺陷,提出了一种新的基于经验模式分解的无参考清晰度评价方法。图像经经验模式分解后,会产生多层本征模式函数图像和剩余图像。不同本征模式函数图像包含了不同频率区间的边缘、纹理信息。模糊图像和清晰图像在相同本征模式函数分解层上,表现出不同的灰度变化特性。通过统计各层本征模式函数图像的极值个数,作等权重加和,并利用整幅图像像素数进行归一化处理,构建了经验模式分解清晰度参数。仿真模糊图像和遥感图像的试验结果验证了该参数评价清晰度的有效性。     

一种行星探测应用的可量测虚拟现实环境构建方法

提出了一种基于行星探测巡视器地面图像和高分辨率卫星图像的可量测虚拟现实环境构建方法。根据巡视器在不同方位角、高度角获取的立体图像,经过圆柱投影、自动匹配和无缝拼接生成360°全景图像。同时开发了从全景图像到原始图像的反算功能,使用户可直接在全景图像上进行量测,从原始立体像对上得到三维地形信息。三维可量测全景图像与基于NASA的World Wind的星球浏览器进行无缝集成,为行星探测应用提供了可量测虚拟现实环境,实现了从垂直视角卫星图像到地面水平视角巡视器图像的一体化量测。     

遥感图像MTF复原国内研究现状

遥感成像过程受到大气、成像系统中的光学、探测器和电子器件、卫星平台的运动等影响,引起成像退化,造成图像模糊,降低了像质。图像恢复技术可以改善像质,提高图像信息解译能力。文章简单介绍了遥感图像MTF退化原因,分析了中国相关技术发展现状。在此基础上,介绍了作者的研究成果,其特点是通过获取点扩散函数从而得到遥感图像的调制传递函数（MTF）。实验结果表明,该方法实用可行,MTF图像恢复技术可以明显地提高遥感像质,增强图像的高频部分,使图像易于判读解译。     

从图像信息容量和图像功率谱看 CBERS-1卫星图像

文章从信息容量和图像功率谱这两个方面评价了CBERS-1的图像质量。并通过将同一地区的CBERS-1图像和TM图像进行比较,客现反映了CBERS-1卫星的图像质量。实验结果表明CBERS-1图像在信息丰富程度和图像综合的纹理特征上与TM图像质量相当,具有很好的可比性。     

考虑小波数相关性的SAR图像去斑算法

SAR(合成孔径雷达)发射的相干信号之间会使图像产生相干斑点噪声,严重影响SAR图像的应用,需加以抑制。通过研究分析,一副图像小波分解之后的小波系数在幅度、符号之间具有强烈的相关性,由此提出了一种小波去斑算法,该算法考虑了小波系数幅度、小波系数符号之间的相关性。利用合成斑点噪声图像和实际SAR图像验证了该算法的有效性。结果表明:该算法在抑制SAR图像斑点噪声的同时,具有更好的边缘细节保持能力,提升了SAR图像后续应用效能。     

一种基于角点提取的遥感影像地面控制点自适应匹配算法

提出基于特征角点的控制点自适应匹配算法：依据图像数据灰度特征自动确定相应阈值，从基准影像上提取控制点。采用动态模板进行不等距搜索，确定潜在目标控制点；构建三角网，利用等角变换判别目标控制点；构建仿射变换方程来筛选目标控制点。该算法无需设定灰度相关系数最大值阈值即可判别目标控制点。选取ASTER和TM两种成像差异显著的图像数据，对该算法进行试验，结果表明。该算法可以准确提取有价值的特征角点，具有较高的控制点识别精度和运算效率，具有较强的适应性和应用价值，较之传统匹配算法有明显优势。     

一种基于Star算法的多路视频稳像方法研究

目前，基于特征点匹配的稳像算法中存在特征点提取速度慢、误匹配率高，以及多目相机的多路视频稳像太过耗时、实时性不好的问题，提出了一种基于Star特征点提取算法的多路视频快速稳像方法。首先采用Star算法提取视频当前帧特征点，然后采用光流法结合当前帧特征点信息跟踪预测下一帧对应的特征点，以加快特征点提取速度，同时减少所提取的特征点错误匹配率。通过对匹配的特征点求取相应的仿射变换矩阵获取帧间运动矢量，进而采用卡尔曼滤波器对帧间运动矢量进行滤波处理，以滤除其中的相机随机抖动矢量并保留相机的主观运动矢量。最后依据滤波后的运动矢量进行图像补偿得到稳定的图像序列。针对复眼导引头存在的多路视频抖动情况，基于OpenMP并行开发库，利用多核处理器的优势，实现了多路抖动视频的并行实时稳像。所设计的数字稳像算法在PC平台下对4路抖动视频（OTB100的BlurCar系列视频，分辨率为640×480，帧率为30 FPS）并行稳像的结果参数为：峰值信噪比 （Peak Signal-to-Noise Ratio，PPSNR）平均提升了4.62 dB，单帧耗时平均为14.51 ms。经仿真实验证实，算法的计算效率和特征点匹配正确率高，可实现多路输入视频的实时稳像。     

基于卷积神经网络的局部图像特征描述符算法

为提升基于图像序列三维重建的速度,解决传统局部特征描述符算法提取速度慢的问题,设计了一种基于深度学习的局部特征描述符网络。利用特征描述符网络实现对图像特征点的特征提取,结合本文采用的欧氏距离匹配准则,实现了对不同图像间特征点的匹配。算法对MVS数据集进行了验证,实验结果表明:提出的局部特征描述符算法实现了对图像特征点特征的快速准确的提取、匹配,与传统特征描述符算法相比,特征提取时间缩短了50%以上,特征点的匹配时间缩短了60%以上。相对于本算法中复杂结构的特征描述符网络,结构简单的泛化性更好,可拓展到航天领域的三维重建中。     

SAR图像目标峰值特征提取与方位角估计方法研究

目标峰值特征是SAR图像目标识别的重要特征之一。峰值特征提取是SAR图像目标识别的一个重要步骤，为了由SAR图像快速、精确地提取目标峰值特征．本文首先研究了SAR图像目标峰值特征提取方法，提出了一种“子像素”级精度的SAR图像目标峰值特征提取方法．并通过仿真实验分析了峰值位置、峰值幅度的估计精度。由于目标SAR图像或SAR图像特征矢量对目标方位角变化的敏感性，因此，为了提高SAR图像目标识别系统的分类效率，本文还研究了SAR图像目标方位角估计方法，提出了一种利用峰值特征基于线性回归的sAR目标方位角估计方法，和现有方法相比，该方法除了计算速度快，估计精度较高之外，还能在估计方位角的同时，给出该估计的置信区间，从而更好的满足SAR ATR的实际需要。文中通过对大量实测MSTAR SAR图像目标方位角的估计实验，验证了本文目标峰值特征提取及方位角估计方法的有效性。     

基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。     

一种基于可操纵金字塔的鲁棒图像匹配算法

图像匹配是计算机视觉和图像处理领域中一个比较活跃的研究课题。针对离散小波变换对于图像平移和旋转的敏感性，提出了一种基于可操纵金字塔的图像匹配算法。算法考虑的是图像之间存在平移和旋转变换的情况。首先，变换的近似旋转角在图像分解的最底层采用环映射算法得到，然后在图像分解的其余层提取兴趣点作为匹配特征，并使用Hausdom距离来度量参考图像和待匹配图像之间的相似性，依次得到由粗到细的匹配结果。实验表明该算法具有较高的匹配精度和较强的鲁棒性。     

基于复数域Transformer-Unet混合模型的PolSAR地物分类

传统的基于深度学习的极化合成孔径雷达（Polarimetric Synthetic Aperture Radar,PolSAR）地物分类方法,通过堆叠卷积层提取图像局部特征,难以建立长距离依赖关系。基于自注意力机制的深度学习模型Transformer（变换）在图像分类任务中取得了成功,其自注意力机制能够捕获全局像素之间的关联性,同时PolSAR地物分类任务被证实：相比于实数域,其在复数域上表现出更好的分类效果。因此,本文将Transformer引入到复数域中,提出了一种基于复数域的Transformer和Unet（语义分割网络）混合模型（CT-Unet）用于PolSAR地物分类,将Transformer与CNN相结合,对复数类型的PolSAR数据进行特征提取,使用西安数据集和德国数据集进行PolSAR地物分类的实验结果表明：提出的模型能够有效提高PolSAR地物分类的准确性,Transformer有望在PolSAR地物分类任务中弥补卷积神经网络的不足。     

多视角多尺度陨石坑特征检测识别方法

针对序列图像间视角尺度变化大带来的特征无法检测和识别效率低等问题，提出了多视角多尺度陨石坑特征检测识别方法。基于明暗区域信息和形态学处理实现陨石坑图像特征边缘粗提取，利用快速傅里叶变换计算模板与图像特征的匹配度，从而实现图像特征所在区域粗定位。在此基础上，通过引入惯性测量信息计算图像间重叠面积，更新模板形状，并预测搜索区域，解决了序列图像间视角尺度变换及信息冗余带来的特征无法检测和识别效率低的困难，最终在单一陨石坑区域内实现其精细检测。     

基于结构特征的弹道目标雷达识别技术

弹道目标的结构特征反映了目标的本质属性,是识别真假目标最直观的特征之一。分析了弹道目标的结构特征差异,系统归纳了基于结构特征的弹道目标雷达识别方法。根据雷达提取结构特征所采用的信息不同,将这种识别方法分为基于RCS序列的识别方法、基于一维像的识别方法、基于二维像的识别方法以及基于极化信息的识别方法,详细阐述了这四类识别方法的物理基础及其实现途径,分析了它们各自的特点,最后展望了技术发展趋势。     

基于空谱融合特征主动学习的高光谱图像分类

针对高光谱图像分类过程中存在的样本量少和分类精度低的问题,提出一种基于空谱融合特征主动学习的高光谱图像分类方法。主要包括构造三通道图像,全卷积网络提取空间特征,空谱特征结合,主动学习方法选择训练样本几个部分。通过结合像素的光谱特性和相邻像素间的空间关联,提取出可以反映像素空谱联合特性的综合特征,提高了像素特征的表达能力。为克服高光谱图像标注数据少、缺乏训练样本的问题,应用主动学习算法,充分选择更具有代表性的样本进行训练,达到少样本情况下较高的分类正确率。通过在标准数据集上进行实验,结果表明:该方法可以达到在总样本数1%作训练样本的情况下,分类正确率达到99.79%,优于传统的高光谱分类算法。