基于最大似然法的航空图像分类研究

航空图像的分类是其判读和识别的重要技术基础。本文将最大似然法应用于航空图像的分类,给出了利用该方法进行航空图像分类的原理、方法和过程,对于航空图像的分类工作具有一定的指导意义。     

航空侦察图像的增强处理方法研究

分析了航空侦察图像的主要特点,采用常规的处理方法不能得到理想的增强效果.文中针对航空侦察图像的特点,采用了一种增强处理的方法并通过仿真实现.实验结果表明,对一般航空侦察图像的处理该方法是有效性的.     

人工智能技术在航空发动机孔探检测中的应用进展

孔探是当前航空发动机检修过程中应用最多的无损检测方法,也是孔探图像的唯一获取途径。近年来,深度学习等人工智能方法开始被应用到航空发动机损伤分类、检测中,为实现航空发动机检修智能化提出了一些现行有效的方法,具有重要的工业应用价值。本文概述了航空发动机孔探检测的发展和优缺点,综述了专家系统和机器学习人工智能方法在发动机孔探图像方面的应用进展,总结了基于孔探图像实现航空发动机孔探检测智能化面临的一些挑战。     

基于ICA的遥感图像的色彩分类方法

根据独立成分分析（ICA）方法和多频谱卫星遥感图像的特点,提出了一种基于ICA的遥感图像色彩分类法。方法使用FastICA算法提取遥感图像的色彩独立成分,是RGB反转的结合,具有互补的分布,不受照明的影响。使用最大相似度分类算法对像素进行色彩分类,实验结果表明,方法的色彩分类效果较好,对多频谱遥感图像进行色彩分类十分有效。     

基于小波变换的遥感图像边缘检测方法研究

遥感图像处理对于航空、航天、军事侦察、灾害预报等许多军事和民用领域至关重要,本文针对遥感图像的特点,提出了一种基于小波变换的图像边缘检测方法,同时还对小波变换在图像处理中的适用性进行了详细分析。由实验结果表明,本文方法可以获得非常细致有效的边缘信息,在有效抑制噪声的同时,提高了边缘定位精度。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法，首先回顾了图像分类技术的发展历程，接着介绍了图像识别技术中的分类器，并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用，详细阐述了多种图像分类技术，具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时，对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后，从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

基于FSVM的图像多类分类方法

图像多类分类问题一直是语义图像检索的一个难点问题,目前常采用的Support Vector Machine(SVM)多类分类方法会存在分类盲区,严重影响了图像的分类准确率,将Fuzzy Support Vector Machine(FSVM)理论引入到SVM多类分类器常用的两种分类策略中去,分别构成一对一Fs-VM( 1-v-1 FSVM)和一对多FSVM( 1-v-r FSVM),文中详细对比了两种方法的分类准确率及分类速度,最终实验证明1-v-1 FSVM方法提高了图像多类分类的准确率,同时也比1-v-r FSVM方法更具优越性.     

考虑执行机构饱和的迎角跟踪控制

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

基于多尺度 3D-2D卷积神经网络的高光谱图像分类

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提 取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度 地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相 比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

拟VGG16网络的航空传感器故障检测分类

参考计算机视觉等领域的研究与应用进展，提出了拟图智能化故障诊断概念；拟照VGG16图像分类网络，提出了一种航空传感器故障检测与分类方法。首先，基于仿真、实飞等手段建立了航空传感器故障飞行数据库；该数据库包含4型大型客机、通航飞机在5种飞行状态的飞行数据，并可有效模拟气动数据、惯性测量单元等传感器的故障。其次，提出将航空器气动数据、惯性测量单元等传感器的测量数据堆叠成灰度图像数据格式；该图像保留了传感器测量数据的时间、空间耦合特征，将传感器故障检测与分类转换成为图像上的异常区域检测与分类问题。再次，提出了一种数据增强方法，将堆叠形成的传感器测量数据图像的维度增强为VGG16图像分类网络输入维度，并基于预训练的VGG16图像分类网络，采用微调优化网络模型，最终得到了拟图智能化航空传感器故障检测与分类深度神经网络。在多个航空器数据集上的实验结果表明，网络的平均测试准确度可以达到97.6%。最后，参考计算机视觉领域的深度神经网络可解释性分析方法，基于类激活映射图（CAM）对本文发展的传感器故障检测与分类网络进行了分析，初步阐明了网络内部各层卷积核节点特征提取运算的机理，提升了该网络故障检测与分...     

航空线阵CCD相机图像退化数学模型的建立

由于受到大气湍流，相对运动及传感器噪声等因素的影响，使得航空CCD侦察图像成为一个包含真实目标信息的退化图像，而噪声消除由于受CCD结构特点的限制，与传统的胶片噪声去除不尽相同，本文立足CCD特点，提出了一种适合CCD图像退化的数学模型。     

航空发动机性能图像纹理片段划分方法

为了解决深度学习在航空发动机性能异常检测中出现的数据不平衡的问题，在高频次纹理片段对应性能稳定状态、低 频次纹理片段对应异常波动状态的合理假设下，提出了一种航空发动机性能图像纹理片段划分方法。通过研究性能数据空间与 RGB彩色空间的映射，提出高维性能数据图像化。引入分形盒维理论，定义纹理特征维数表征性能图像纹理特征，提出基于高频 次生长树的图像纹理片段划分方法，实现性能图像按纹理出现频次的精细划分，建立正常样本和异常样本数量接近的数据集。选 取多个航段发动机性能数据，与时频图和采样法生成的数据集进行对比验证。验证结果表明：该方法可以生成数量相当且真实 客观的正常样本和异常样本，在ResNet50模型上的准确率达91.72%，减小了数据不平衡对准确率的影响。     

一种航空图像道路中心线快速提取算法

经典的航空图像道路中心线提取算法针对非实时应用,计算耗时长,难以满足视觉辅助导航、实时地物识别等应用的要求。在研究了图像中道路法向和等效道路宽度的基础上,建立了近似道路法向和等效道路宽度模型来代替经典道路模型,提出了基于道路中心线的快速提取方法。对比实验的结果说明：快速提取方法和经典方法取得了相近的道路提取效果,计算耗时大大下降,可以满足实时性要求。     

基于规则的航空发动机孔探图像诊断方法研究

针对军用航空发动机内部损伤频率高、诊断决策时间长的问题,运用基于规则的推理方法,结合案例推理,进行了航空发动机内部损伤维修决策的专家诊断研究,开发了基于孔探图像的航空发动机内部损伤维修决策专家系统。依据领域专家的经验,通过分析得到了对该型发动机的专家知识,并将其转换为if-then的知识规则存放于知识库中;利用图像处理方法,对损伤进行测量,得到损伤的尺寸参数;根据损伤尺寸,依据相应的知识规则,应用正向推理得到损伤的维修决策。运用多个航空发动机内部损伤实例验证了所开发的专家系统的有效性。     

基于深度图像的人体关节点定位方法

提出了一个基于深度图像的人体关节点定位的方法:首先将图像中的人体区域分割出来,然后利用随机森林分类器对逐个像素点进行分类,得到身体的各个部件并寻找关节点的位置。通过实验发现,本方法准确性较高并具有一定实时性。分类的准确率为 68%,相较 Kinect技术(40%)达到了较高的分类水平。预测人体关节点位置的平均时间为每帧 150ms,符合实用性要求。     

基于剪枝和去噪的航空发动机故障图像识别与预测

航空发动机叶片作为航空器重要的零件,其健康状况直接关系到航班的运行安全。叶片由于工作环境恶劣很容易产生裂纹、掉块、烧灼等损伤,目前基于孔探技术的叶片损伤检测以人工为主,检测结果在很大程度上受到人为因素的影响。因此,实现叶片损伤的自动识别及测量对于减轻劳动强度和提高检测精度都有实际的应用价值。首先选择PRIDnet图像去噪算法对原始孔探图像进行预处理,按照训练精度和训练速度两个指标对传统目标检测模型进行通道剪枝和微调。数据集采用国内某航空公司获取到CFM56型发动机在实际运营后机务人员所拍摄的孔探图像,实验结果表明,相比于原始目标检测YOLOv5算法和未经图像预处理的目标检测模型,本方法对航空发动机孔探图像内损伤的检测精度提高4%～10%,在检测效率上提高6%～20%。     

一种适用于情报图像处理的图像集分类算法

无人机情报处理系统是无人机地面控制系统的重要组成部分之一，主要负责对无人机侦察载荷下传的侦察情报进行处理，从复杂的情报中获得直观的情报产品并传递给上级和友邻单位。对于搭载光电载荷的无人机情报处理当前仍以依靠人力鉴别为主。介绍一种基于快速近似最近邻( FLANN) 搜索特征的K 近邻用分类决策，可去除背景信息对分类性能的影响；为了进一步提高算法的运行速度及减少算法的内存开销，采用特征选择的方式分别减少测试图像和训练图像集的特征数目，并尝试同时减少测试图像和训练图像集中的特征数目平衡分类正确率与分类时间之间的矛盾。该算法保留了原始NBNN 算法的优点，无需参数学习的过程，实验结果验证了算法的正确性和有效性。     

基于CBVCT图像序列的空心涡轮叶片壁厚检测技术

航空发动机空心涡轮叶片的壁厚是保证叶片强度的一个关键参数。本文给出一种基于叶片锥束体积CT图像序列和叶片CAD模型的叶片壁厚检测方法。通过从叶片CAD模型导出的壁厚检测模板与从叶片CBVCT图像序列提取的点云模型之间的求交运算,自动生成叶片指定截面上的壁厚偏差。相关算法由VC++编程实现,并用仿真生成的叶片CB-VCT图像序列进行验证。     

二维图像拼接技术研究综述

图像拼接是指将具有重叠区域的小视角、低分辨率的多张图像，经过相应的图像配准与融合算法，拼接成一张具有高分辨率、宽视角的全景图像。针对二维图像拼接方法，综述了将二维图像拼接技术应用于图像处理领域的最新研究进展，重点介绍和总结了图像配准方法和图像融合方法。其中，图像配准方法涵盖了基于SIFT、SURF和Harris点特征的提取方法。分析了各种算法的主要进展、典型算法的原理和优缺点以及国内外研究发展现状。最后，通过各种方法研究与应用情况推测，展望了未来图像拼接技术的发展趋势。     

一种基于红外图像的目标自动识别算法

红外成像制导具有在各种复杂战术环境下自主搜索、捕获、识别和跟踪目标的能力,代表了当代红外制导技术的发展趋势。提出了一种红外图像预处理、跟踪、分类的自动目标识别算法,利用小波变换、形态学方法对红外图像进行预处理,提取不同频带的惯性不变矩作为特征量,利用神经网络进行分类识别,结果表明该算法具有很高的识别率,对于精确制导武器的目标识别研究具有一定的参考价值。