横向气流中的液体圆形射流破碎实验

采用了高速摄像仪对横向气流场中的液体圆形射流破碎过程进行了研究.实验中使用的喷嘴喷孔直径为0.3 mm,研究液体工质采用水,液气两相动量通量比的范围为10.2～80.结果表明,射流表面初始波动是蛇形波动,在气动力作用下逐渐发展成螺旋状表面波,最终增长到一定程度使得液体断开.随着气流速度的增加,气动力在射流破碎过程中将取代表面张力而占据主导地位,而且螺旋状表面波幅值会随气流速度增加而增加.射流运动轨迹脉动幅度随气流速度增加而增强,随射流速度增加而减弱.同时给出了射流破碎位置坐标与液气两相动量通量比之间的关系式,以及射流液柱在破碎点之前类似抛物线的轨迹曲线公式.      

机载视频系统信号参数测量

针对机载视频系统的特点,探讨了工程设计中视频信号测量的若干问题和测量方法。     

一种BT.656到XGA视频格式转换结构的FPGA实现

本文简化了常用的BT.656接口复合视频信号向1024×768的XGA视频信号转换的结构,在matlab中对该结构的核心转换模块进行了算法建模和仿真。在此基础上用HDL描述语言描述了整个转换结构的功能模型,并用matlab生成视频数据文件供modelsim工具作为输入,仿真后输出图像数据经matlab处理显示结果正确。最后在FPGA验证板上对整个视频格式转换模块进行了原型验证,输出视频信号清晰地显示在显示器上。     

基于谱分割的视频镜头聚类方法

针对现有镜头聚类算法中选择最优化分类个数复杂度较高、分类结果准确性较低的问题,提出了一种基于谱分割理论的镜头聚类算法.通过对每个镜头集构造球状高斯模型SGM(Spherical Gaussian Model),最优化地拟合镜头数据集,提高镜头分割的准确性;在镜头迭代分类过程中采用谱分割算法以提高最终分类结果的准确性;在迭代分类过程中,采用贝叶斯信息准则BIC(Bayesian Information Criterion)作为分类停止的评判标准;最后根据BIC准则计算每两类融合前后的匹配值,判断比较后对分类结果进行融合,矫正在分类过程中同一类被割裂的错误.通过3类体育视频样本对算法的有效性进行了验证、比较和分析.     

一种新的无人机航拍图像压缩方法

针对无人机机载视频图像由于受到天气或电磁波干扰产生的异常帧引起的压缩码率波动问题,提出了一种基于对图像进行预分析,剔除异常帧后进行压缩编码的方法.对于几种常见的异常帧进行建模,分析了其图像信号特点,结合信号统计特性和其信息熵量度,可靠地检测出视频序列中的异常帧, 最后对剔除了异常帧的序列应用H.264标准进行压缩编码.理论分析和试验结果都证明此方法在不丢失无人机机载视频图像序列信息量的情况下,可以保持压缩码率恒定并提高了其压缩效率.      

一种基于航摄图像特性的H.263压缩算法的改进

研究了航摄视频图像的特性,并根据航摄视频图像的特性,从预测初始搜索点、搜索策略和半像素精度运动估值方面改进了H.263标准中的运动估计算法。实验结果表明,针对航摄图像特性改进的算法比全搜索算法和三步搜索算法具有更高的搜索效率。     

基于自适应插值算法的视频图像缩放技术及其FPGA实现

介绍了一种基于自适应插值算法的视频图像缩放技术;重点阐述了采用FPGA芯片实现该算法的原理和具体结构。经实验验证,该算法及其FPGA实现能有效消除传统插值算法在物体边缘部分出现的锯齿,提高图像经过缩放后的视觉质量,同时具有较低的复杂度,适用于实时图像处理。     

新一代运载火箭地面设备监控系统研究

介绍采用数字化视频远程图像监控 ,应用于新一代运载火箭地面设备监控系统的设想。论述利用数字视频远程监控技术可在新一代运载火箭地面设备监控系统内建立监控调度中心 ,对远端现场的图像声音及其他敏感数据进行实时监控以便对敏感事件进行快速反应。     

基于单帧图像质量加权的视频质量评价模型

利用人眼视觉特性与视频序列时空相关特性,提出了基于视频序列内单帧图像质量加权的视频质量评价模型.其中,单帧图像质量利用峰值信噪比和结构相似性度量作为图像质量的描述参数,采用神经网络(NN,Neural Network)与支持向量机(SVM,Support Vector Machines)建立图像质量评价模型;视频序列质量由序列内单帧图像质量加权衡量,加权因子描述了视频序列内运动及场景变化的剧烈程度.仿真实验结果表明,该模型的输出能有效地反映图像的主观质量.模型预测出的单帧图像质量和视频序列质量的单调性相比PSNR分别提高7.42%和10.47%,均方根误差相比则提高了36.06％和10.48%.      

基于深度学习的先进陶瓷零件实时缺陷检测系统

传统先进陶瓷零件检测与分类的主流方法为纯机械尺寸过滤和人工判断,为解决其成本高、失误率高和损坏率高等问题,提出了基于深度学习的多目标实时检测分类模型（Multi-object real-time detection and classification model, MRDC）。该模型以YOLOv3为基础,使用SKNet作为注意力机制进行特征重构提高精确度,配合灰度图快速转化算法与跳帧检测方法提高检测速度,可实现实时缺陷检测。对实际生产中的先进陶瓷零件进行采集训练,多批次采集图像数据,每批数据含多个陶瓷零件的1 000张图像,平均精确率均值达到99.19％,用先进陶瓷零件生产线视频检验,识别分类的正确率达到100％,可以保证每分钟检测450~550个零件。多目标实时检测分类模型拥有识别速度更快、识别准确率更高和零件不易损坏等优点,可极大地节约生产原料与人力成本,减少废品产出。