SAR二维锯齿波调频干扰研究

分析线性调频信号加入锯齿波调频干扰的频谱特点和干扰效果,发现锯齿波调频干扰有产生虚假目标多、功耗低的特点,且在二维干扰的情况下能产生大面积多虚假目标,有效地对真实目标进行遮盖。并且分析了调制参数变化对干扰效果的影响,利用仿真实验验证了理论的正确性。     

基于边缘与颜色信息的车牌精确定位算法

针对现有车牌定位算法定位率不高和速度慢等问题,结合数学形态学,提出了一种基于车牌边缘检测与颜色信息的精确定位算法.首先对图像进行灰度化、平滑去噪及灰度拉伸等预处理,然后对图像进行垂直边缘检测和二值化处理;再采用线过滤算法滤去干扰边缘线信息,并利用车牌区域灰度变化次数多的特性定位出车牌上下边缘;对经过上下边缘定位后的车牌采用点密度过滤算法滤去零散点,接着采用数学形态学方法寻找连通域粗定位出车牌区域;最后对粗定位车牌在HSV空间进行颜色分割和倾斜矫正,从而精确定位出车牌.实验结果表明,该算法能够实现车牌的快速精确定位.      

一种适应较大比例变化的多传感器图像配准方法

提出了一种基于边缘曲率区域极值和边缘相关的图像配准方法。算法首先提取图像的较长边缘并对其进行改进的Freeman编码;然后使用Freeman码计算曲线的曲率,根据曲率极值的对应情况初始匹配边缘并得到比例变换因子;然后重采样图像,使用边缘相关、一致性检测方法得到对应的相关边缘对,最后使用最小二乘法得到图像的配准参数。算法可以适应配准图像间有较大旋转角度和较大平移变换等情况。     

日照边缘区域电离层对耀斑的响应特点研究

利用MSIS模型和背景太阳辐射谱模型,在一定大耀斑辐射谱假设的前提下,计算了耀斑期间日照边缘区域的电子产生率,分析了这一区域电离层电子密度的变化特点.结果表明,大耀斑期间在日照边缘区域,甚至大于太阳天顶角90°的区域都有明显的电子产生率的增加.从不同太阳天顶角处的电子产生率剖面的形态来看,随着天顶角的增加最大电离率减少,但高度增加.计算还显示了在太阳天顶角小于90°的区域内电子产生率的垂直分布有明显的双峰结构,这种结构对应着电离层的E区和F区,但在天顶角大于90°区域,F区的电子产生率要大得多.考虑到离子和电子的复合过程,这一区域的总电子含量的增加主要产生在高F区.      

边缘检测技术在火箭发动机实验诊断中的应用

对高速运动分析仪拍摄的Ｕ型燃气发生器固体装药燃烧和双组元液体喷嘴雾化图像进行了边缘检测图像分析,根据被分析实物边缘层次性较强的特点,在简单边缘检测的基础上采用自动门限、二次门限和最佳滤波的方法,获得了固体燃气发生器在燃烧过程中的内部结构、推进剂瞬态燃速、绝热隔板烧蚀率等参数,获得了双组元液体喷嘴的雾化角、粒子分布等特性。     

GRECO中棱边绕射场计算的改进

图形电磁计算 (GRECO)方法是计算复杂目标高频区雷达散射截面 (RCS)的有效方法之一。分析了原始GRECO方法在判定目标图象棱边象素的不足之处 ,给出了相应的改进措施。改进后的软件能够更准确、充分地判定目标的棱边象素及获得棱边参数。在边缘绕射场的计算方面 ,指出了相关文献中存在的错误 ,给出了基于等效电磁流法 (MEC)和物理绕射理论 (PTD)的边缘绕射场计算式 ,及与物理光学 (PO)场叠加求取RCS的完整表达式。计算实例表明 ,新的方法具有更高的准确度 ,与实验测量值吻合     

尾缘锯齿结构对低压涡轮动静干涉噪声的影响

为满足现代航空发动机"更紧凑的级间距、更高的经济性和更低的噪声"的设计目标,低压涡轮轴向间距设计得越来越小.然而,较小的轴向间距将严重影响涡轮的气动性能及动静干涉噪声,这对流动及噪声控制方法提出了更高的要求与挑战.为此,采用大涡模拟结合FW-H方程研究了不同轴向间距情况下,上游静叶尾缘采用短、长锯齿结构时,一级低压涡轮...     

一种提高测量CCD成像系统MTF精度的数据处理方法

根据刃边图像的特点,采用中值滤波法、多剖线平均法以及局部滤波法对图像中的噪声进行前期处理,去噪效果好,使图像的有用信息损失小,提高了测量CCD成像系统调制传递函数的精度。实验表明,本文的数据处理方法能有效的提高测量CCD成像系统的传递函数的精度。     

一种快速航空图像去雾算法

 基于暗元先验规律的图像去雾算法去雾效果较好,但在进行介质透射率估计时会造成图像中出现方块效应,所以需要进行图像抠图处理。而图像抠图计算复杂度非常高,使得图像去雾时间消耗很大。本文提出一种快速图像去雾算法,使用Kuwahara边缘-角点保持滤波器对大气散射光进行估计,并对所采用的Kuwahara滤波器进行改进。通过增加子块的数目以及进行局部加权等,提高边缘保留效果,抑制方块效应,从而获得较为准确的介质透射率。实验结果表明本文算法时间复杂度低,图像去雾效果好。     

星载合成孔径雷达图像的飞机目标检测

针对大场景下星载合成孔径雷达(SAR)图像中飞机目标检测问题,提出一种端到端的飞机目标检测算法。先在大场景SAR图像中对机场目标进行粗检测,定位机场区域,再通过精确分割算法获得机场的精细区域。对机场区域中的飞机目标进行检测,采用一种基于Canny算子的边缘检测与卷积神经网络结合的飞机目标检测算法。通过飞机边缘检测、边界框预处理等操作确定潜在飞机目标在机场中的位置范围,采用基于GoogLeNet的卷积神经网络对可疑目标进行鉴别。利用星载合成孔径雷达数据对算法进行验证,证明该方法的有效性与实用性。