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。      

示温漆图像等温线提取算法

分析示温漆（TIP）图像特征，根据等温线附近产生局部梯度极值的特点，实验对比了4种边缘提取算法效果。根据实验结果，选用Canny算子提取等温线。提出在边缘提取前进行K means聚类处理，并对K means聚类算法和Canny算子进行了改进。提出了两种K means初始聚类中心的选择方法，更适于示温漆图像的分割。改进了Canny算子的内核，提升了等温线的质量。结果表明:该算法能够快速提取清晰、连续的等温线，效果良好，满足工程应用要求，已用于示温漆自动判读软件开发。      

示温漆温度自动判读与数字图像处理系统

分析了示温漆的颜色温度特性,提出了温度识别方法。依据色度学理论,综合运用图像处理与数据库技术,开发了示温漆温度自动判读与数字图像处理系统;介绍了系统的软、硬件,在LAB色彩空间,采用3次样条插值算法进行了颜色数据拟合,实测数据表明,该系统提高了温度判读的准确性。     

三头部燃烧室火焰筒壁面温度测试研究

为对3种不同冷却结构形式的三头部燃烧室冷却效果做出评定,采用K型铠装热电偶和示温漆技术同时对燃烧室3种火焰筒的表面温度进行试验测试研究.试验结果表明:有限的热电偶只能测试局部的火焰筒温度,难以全面反映燃烧室火焰筒冷却效果;示温漆测试技术能有效的区分出燃烧室火焰筒壁面温度及显示温度场分布,示温漆等温线判读精度可达±10℃,为燃烧室3种火焰筒冷却结构效果的评定提供了数据支撑.      

航空发动机试验峰值时间对示温漆测温的影响

采用示温漆和热电偶两种方式,在全温全压试验中对航空发动机阵列预混燃烧室火焰筒壁温进行测试,获得火焰筒的壁温分布,并对不同峰值时间下示温漆判读结果与热电偶测试结果进行对比分析。研究表明:阵列预混燃烧室火焰筒壁温小于所用材料的许用工作温度;火焰筒试验峰值时间是影响示温漆测温判读的主要原因,为保证测试结果的准确性,应严格要求试验峰值时间与示温漆标定的峰值时间一致。     

彩色车牌图像的多阈值分割方法

彩色图像的颜色是图像分析的重要特征信息,颜色特征的提取是图像分析的重要步骤,但彩色图像为多维空间信息且可能涉及的是多种颜色特征。文章介绍了采用多阈值分割方法,将多种感兴趣的颜色信息转化为灰度图像,在同一个灰度图像中对应多种彩色信息,对各种不同颜色信息方便处理。通过200幅实测车辆图像使用彩色图像的多阈值分割方法进行车牌定位试验,准确率为98%。     

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％.     

基于三维激光扫描的金属基航空模线样板自动检测算法

虽然数字化制造已成必然趋势,但在未来很长一个时期内,模线样板依然将在飞机制造中扮演重要角色。如何以先进的数字化技术提升传统模式下的生产效率和质量,是需要认真研究的课题。针对模线样板的检测需求,结合模线样板的几何特征,提出基于三维激光扫描的金属基航空模线样板自动检测算法。对于样板刻线,将样板点云粗栅格化后,根据点云高度信息进行刻线的粗提取,再根据刻线的特性利用法矢信息优化提取结果;对于外形轮廓,将点云转换成二值图像并计算其边缘,实现外形特征提取;将特征提取结果与CAD数模进行配准并去除噪声,最后计算与数模的误差,实现样板检测,输出误差分布。试验结果显示,本文算法在精度和效率上优于现有算法,相较人工检测提升了可靠性和效率,在实际工程中具有应用价值。     

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     

基于区域分割的红外与可见光图像融合算法的研究(英文)

由于红外图像和可见光图像的成像特点不同,因此在航空监视领域红外图像和可见光图像融合有重要的研究意义。由于非下采Contourlet变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,能有效的提取图像的特征信息。因此我们在非下采Contourlet域,以空间频率为度量标准对红外图像进行阈值分割,经过分割将红外图像和可见光图像分别划分为目标区域以及背景,随后对红外图像和可见光图像进行边缘检测从而得到边缘区域,针对三个不同区域分别选择不同的融合规则进行融合。通过两组不同灰度差异的红外与可见光图像的实验,将基于像素点,窗口策略的融合算法和本文所提出基于区域算法进行了主观和客观的对比,试验结果表明基于区域分割的红外与可见光图像融合算法不仅能有效提取出红外图像中的目标信息还能有效的保持可见光图像的所反映的光谱信息,因此本文提出的算法是一种有效且可行的图像融合算法。