基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

并行稀疏滤波在轴承声信号下的故障诊断

振动信号是航空发动机故障监测的常用信号。由于航空发动机结构复杂，对振动传感器的布置要求日益严格。声学信号以其非接触式、易布置、低成本的优点，在轴承智能故障诊断中引起了广泛的关注。然而，由于航空发动机内声信号所处的环境噪声较强，传统的轴承故障诊断方法无法实现精确的特征提取。为此，研究有效的特征提取方法实现轴承声信号下的智能故障诊断显得尤为重要。稀疏表示是智能故障诊断中的一个研究热点，在稀疏特征提取方面显示出强大的力量。对强噪声下的声信号进行有效的稀疏特征提取，可为轴承的非接触式故障诊断提供解决路径。提出一种基于并行稀疏滤波的轴承故障诊断方法，能够实现对轴承声信号的稀疏特征提取。并行稀疏滤波通过在传统稀疏滤波的基础上增加另一个归一化方向来实现进一步的稀疏特征提取，然后采用权值归一化方法约束训练得到的权值矩阵。最后，通过仿真和实验数据验证了所提方法的优越性。结果表明，并行稀疏滤波能够实现轴承声信号的有效稀疏特征提取和精准分类，可用于声学信号下的轴承智能故障诊断。     

NNW-TopViz流场可视分析系统

流场可视化技术采用图形图像直观地表现CFD数值模拟的计算结果，使用户能够方便地对这些数据进行分析、比较和研究。然而，CFD数值模拟的流动复杂，其产生的流场数据规模巨大、数据类型复杂、特征提取困难，传统的串行可视化软件效率低、交互手段单一，难以满足数据分析的需求。国家数值风洞（NNW）工程研制了一套流场数据处理可视化软件系统（NNW-TopViz，简称TopViz），具有对流场数据处理与特征提取、几何图形绘制等可视化与交互功能。根据可视分析效率需求，TopViz实现了线程并行，在多核计算环境下有效提高了可视化计算和交互效率；针对流场特征提取困难、常规方法效率低的问题，TopViz实现了基于卷积神经网络的流场旋涡特征提取方法，提升了特征提取准确率和效率；为提高软件交互效率并提供便捷的交互方式和体验，基于头戴式显示设备和体感控制器构建沉浸式虚拟显示与交互平台，TopViz实现了手势和眼球凝视2种交互方法，提供沉浸式环境下多视图、多角度流场探测方式。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时，针对由红外图片采集的局限性而造成的训练数据不足的问题，提出了基于生成对抗网络以生成红外图像的方法，实现了数据集的扩充。对基本的生成对抗网络进行了改进，将网络的输入由随机噪声变为真实图片，使之实现了图片到图片的风格转换，即彩色图片转变为红外图片。经过网络模型的搭建和训练，实验结果表明，该方法能够有效生成清晰和高质量的红外图片，解决了由红外数据不足而造成的网络训练不充分的问题。     

不同流速比超声速混合层气动光学效应研究

针对不同流速比混合层流场气动光学效应问题，首先采用大涡模拟数值方法进行了数值仿真，其次用光线追迹方法进行了气动光学效应仿真，最后对混合层的气动光学效应进行了评价。结果表明，混合层流场涡结构与光程差极小值存在一一对应关系，并且其流速比低的混合层气动光学效应更加严重。同时，研究了不同光学参数对斯特列尔比的影响，得到了相应的规律。     

中高轨卫星海洋成像图像几何定位精度提升方法

针对中高轨卫星海洋成像时缺少控制点下的图像定位精度提升问题,提出一种提升定位精度的方法。该方法利用中高轨卫星成像范围大,配合姿态机动,在短时间内寻找有特征点的区域,通过卫星图像与高精度控制图像进行匹配,寻找控制点,求解偏置矩阵,并将该区域的偏置矩阵补偿到海洋地区,以达到提升图像定位精度的目的。结合中高轨卫星成像特点,对河南嵩山检校场和太原区域图像进行仿真,并利用嵩山检校场数据进行在轨几何检校,将检校参数补偿到太原区域。仿真结果表明:无控制点定位精度从118.3个像素提高到37.8个像素,证明了文章提出方法的有效性。     

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象，以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题，提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先，DNET网络对大尺度特征图像采用密集连接模块，在前部通道保存每一层的网络输出，在网络末端引入特征注意力机制，获得每个特征通道的信息特征识别权重。然后，加入多尺度密集连接模块，并与多尺度特征融合检测结合，提高对大尺度变化情况下的目标特征提取能力。实验结果表明，在伴随红外诱饵干扰的实时检测条件下，红外目标由点目标变化为成像目标，直至充满视场的整个过程中，本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps，具备识别精确度和召回率高、识别速度快等优点，并具有良好的鲁棒性。     

一种基于卷积神经网络的地磁基准图构建方法

地磁匹配导航技术是一种重要的辅助导航制导方法，地磁基准图的构建精度对地磁匹配制导的精准度起着决定性作用。针对现有地磁基准图构建精度难以满足实际地磁匹配导航需求的问题，提出了一种基于卷积神经网络的地磁基准图构建方法。首先，利用卷积层提取低分辨率基准图中的特征图像块；然后，利用基于学习的阈值收缩算法（LISTA）实现图像块的稀疏表示；最后，利用三通道的地磁信息得到重建后的高分辨率基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，同时对噪声有更好的鲁棒性，各种客观评价指标均高于现有的超分辨率重建方法。      

火焰图像技术在航空发动机燃烧室点/熄火试验中的应用

针对热电偶温升法在燃烧室部件点/熄火试验中存在的阻塞气流、响应速度慢等缺点,开展了基于火焰图像的燃烧室点/熄火判断技术研究。该技术通过火焰观测系统实时获取点/熄火试验时的火焰图像以判定燃烧室燃烧状况,进而获得燃烧室点/熄火特性,弥补了现有燃烧室点/熄火试验测试技术的缺陷。此外,该项技术还可推广应用于航空发动机整机试验及其他相关领域试验,对准确判断燃烧室点/熄火状况具有较大的参考价值。