一种轻量化SAR图像舰船目标斜框检测方法

针对目前基于深度学习的合成孔径雷达（SAR）图像舰船目标斜框检测方法难以满足实时化检测需求的问题,提出了一种轻量化SAR舰船目标斜框检测方法。该方法基于无锚框框架,设计了轻量化的网络结构,对模型参数量和运行速度进行了优化,可直接从头训练。同时,为解决基于角度回归的斜框参数表示方法存在的角度敏感性问题,提出了基于旋转向量的斜框参数表示方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,所提方法在无需预训练的情况下取得了与迁移学习方法相近的检测精度,模型参数量和运行速度取得了最优结果,充分验证了所提方法的有效性。     

基于特征重用和语义聚合的SAR图像舰船目标检测

针对单阶段算法SSD(Single Shot Detector)检测SAR图像舰船目标时特征利用率不高的问题,提出了基于特征重用和语义聚合的SAR图像舰船目标检测算法。该算法主要包括特征重用算法和语义聚合算法。在SSD检测算法的网络模型中,针对用于目标预测的前端网络进行了改进,通过提出的特征重用算法,将特征图按照通道分成2部分:一部分被卷积处理进行参数学习;另一部分经过池化之后,采用拼接的方式重新利用,可以在进行参数学习的同时,减小参数量和计算量。通过提出的语义聚合算法,将前端网络中位置信息丰富的底层特征和语义信息丰富的高层特征进行融合,提高了区分和定位舰船目标的能力。同时,还根据数据集SSDD中舰船目标尺寸和长宽比的分布情况,减小了锚框的尺寸,增大了锚框的长宽比,使产生的锚框更符合舰船目标特点。实验结果显示,检测准确率在数据集SSDD上从77.81%提升到81.43%,而增加的计算量不显著(平均处理时间从17 ms增加到23 ms)。     

基于深度学习的无人机航拍目标检测研究综述

目标检测是提高无人机（UAV）感知能力的关键技术之一,其研究对于无人机的应用有着重要意义。与基于手工特征的传统方法相比,基于卷积神经网络的深度学习方法具有强大的特征学习和表达能力,成为目前目标检测任务的主流算法。近年来,目标检测技术已经在自然场景图像上取得了一系列突破性进展,在无人机领域的研究也逐渐成为热点。首先系统阐述了基于深度学习的目标检测算法的研究进展,并总结了相关算法的优缺点。对常见的航空影像数据集进行了梳理并介绍了迁移学习的方法;从无人机影像背景复杂、目标较小、视场大、目标具有旋转性的特点出发,对无人机目标检测在近期的研究进行了归纳和分析。最后讨论了存在的问题和未来可能的发展方向。     

舰船目标海天线提取方法研究

提出使用邻域平均法进行预处理以抑制背景、增强目标,进而利用改进的直线拟合法进行海天线的提取.结果表明,该方法能够有效地确定舰船目标红外图像中的海天线区域,保证了目标分割的有效性和实时性.     

改进的特征匹配雷达视频运动目标跟踪算法

针对密集杂波和复杂多目标情况下,特征匹配跟踪算法定位跟踪精度较低的问题,提出一种改进的特征匹配雷达视频运动目标跟踪算法。首先,从单帧雷达图像检测结果中提取目标的面积、位置、不变矩信息,在运动目标得到判定后,利用卡尔曼滤波的预测位置以及上一帧特征信息进行目标匹配;然后,根据匹配位置和预测位置给出目标估计位置,并进行特征信息更新;最后,输出目标的特征信息、位置信息和运动参数。利用某型导航雷达上采集的实测数据验证了算法的有效性。     

基于深度学习的小目标检测研究进展

随着深度学习方法的快速发展,目标检测作为计算机视觉领域中最基本、最具有挑战性的任务之一,已取得了令人瞩目的进展。现有的算法大多针对于具有一定尺寸或比例的大中型目标,但由于待测目标尺寸小、特征弱等原因,对小目标的检测性能还远远不能令人满意。小目标检测（SOT）作为一种广泛应用于室外远程拍摄和航空遥感场景的技术,近年来受到了广泛的关注,各种方法层出不穷,但是目前对该问题的全面综述较少。从问题定义、算法分析、应用介绍、方向展望等方面对基于深度学习的小目标检测研究进展进行了综述。首先,给出了小目标检测问题的定义,阐述了其技术难点及在实际应用中面临的挑战;接着,从8个不同角度分析了检测器对小目标检测精度较低的主要原因及相应的改进方法,详细归纳总结了小目标检测在各技术方面的研究工作;然后介绍了几个特定场景下小目标检测算法的典型应用;最后,对小目标检测未来的发展趋势进行展望,提出可行的研究方向,期望为该领域的研究工作提供可借鉴和参考的思路。     

海天背景舰船红外目标识别技术研究

通过对舰船红外目标特性与识别方法的讨论,给出了图像序列目标识别算法流程以及仿真实验的结果,并对工程实现自动目标识别的硬件、算法和软件设计进行了讨论,具有较好的理论和应用价值。     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。     

基于复近似消息传递的前视雷达成像分辨率增强算法

当机载/弹载雷达工作在前视状态时,由于成像场景内不同角度处目标的多普勒差异很小,很难得到 高的角度分辨率。针对海面舰船目标的前视成像应用,利用成像区域具有明显稀疏性的特点,提出一种基于复 近似消息传递压缩感知处理的前视成像角度分辨率增强算法,建立前视成像的线性观测信号模型,给出复近似 消息传递的迭代计算过程,以及多通道雷达前视成像的处理流程。通过仿真数据和 X 波段雷达实测数据的处 理结果验证了该方法的有效性。     

一种基于天水线的红外舰船图像目标识别方法

针对海天背景下红外舰船目标的识别,提出了一种基于天水线的目标识别方法.利用被识别目标相对天水线的空间位置目标红外特征量和图像帧间信息识别目标,在强干扰环境下,利用该方法进行了仿真实验,得到了很好的效果.     

Distributed bearing-based formation control of unmanned aerial vehicle swarm via global orientation estimation

Most existing formation control approaches for Unmanned Aerial Vehicle(UAV)swarm assume that global position and global coordinate frame are directly available for each agent. To extend the application domain, this paper proposes a distributed bearing-based formation control scheme, without any reliance on global position or global coordinate frame. The interactions among UAVs are described by a directed topology with two-leader structure. To address the issue of unavailable global coordinate fr...     

涡轮叶片尾缘出流对带叉排扰流柱阵列的内冷通道传热特性的影响

本文用实验的方法模拟研究了涡轮叶片尾缘出流对带叉排扰流柱阵列的内冷通道的对流换热特性的影响。实验模型通道为矩形通道,扰流柱的排列参数S_n/d为6.5,S_p/S_n为1.2,其中d为扰流柱的直径,S_n为扰流柱横向间距,S_p为2倍的纵向间距。矩形模型通道的长边与转轴的夹角为20°。研究了出流孔总面积A₀与通道最大截面积A的比值,雷诺数Re,转动数R₀等参数对传热特性的影响。并比较了尾缘出流与叶尖出流的换热特性。      

旋转受限层板中隔板对层板流动换热的影响

采用数值模拟的方法,研究了旋转受限层板结构中隔板对层板中冷却气体流动换热的影响机理.结果表明:隔板结构能够有效地提高层板的换热能力,旋转受限层板比不受限横流冲击层板的Nu高18%,比不受限横流冲击出流层板的Nu高15%.隔板导热条件下比绝热条件下的层板的Nu提高10%~15%.在旋转受限层板中,冲击孔靠近旋转中心一侧换热能力随着旋转数的增加而降低,冲击孔远离旋转中心一侧换热能力随着旋转数的增加而增加.旋转的加入,可以有效地降低靶面上由于隔板的加入而导致的高温区的温度,旋转受限层板更适用于涡轮动叶.     

基于改进Yolov3 算法的舰船目标检测识别系统

针对复杂战场环境下对海目标检测识别的需求,设计了一种基于改进Yolov3 算法的海面舰船目标实 时检测识别系统。使用微调分类网络、增加训练尺度、聚类目标边框维度、二级特征分类等方法对Yolov3 检 测识别网络模型进行了优化,在提高识别精度的同时有效降低了漏检率和虚警率。实验结果表明,优化后的网 络模型在自建的舰船图像数据库中将检测识别平均准确率提高到了79.3%,对真实海上航拍视频中舰船目标识 别的平均准确率达到了81% 以上。     

旋转对冲击射流流动及换热影响的数值研究

为了探究旋转对动叶前缘冲击射流流动及换热的影响机制,采用数值模拟的方法对比分析了静止条件和三种不同旋转转速下的流场结构与换热情况。结果表明:冲击靶面的平均努塞尔数随转速的增大而减小,最高转速下,靶面平均努塞尔数下降约16%。另一方面,压力面和吸力面侧对旋转的敏感性不同。高转速下,换热的削弱主要集中在吸力面和压力面无量纲弧长s/d小于2的区域,压力面s/d大于2区域的换热略有增强;旋转对流场结构产生了明显的影响,旋转改变了射流孔的流量分配,在科氏力的作用下,射流向压力面偏转,这种特征随转速的增大而更加显著。另外,旋转通道内的离心力改变了局部横向流强度。      

一种补偿惯性平台基座不水平的转位算法

针对静基座平台系统调平进行了研究, 详细分析了四轴平台系统台体坐标 系、框架坐标系及基座坐标系间的空间关系,推导出了台体不同位置调平时框架角间的 关系,设计了补偿平台基座不水平的转位方法。当基座不水平角度较大时,通过该方法 可将平台直接转位至调平角度附近,不需经过粗调平便可直接进入精调平,从而可以使 平台系统的工作过程得到简化,对于提高平台的任意位置转位及自标定、自瞄准效率有 重要意义。     

绕任意轴旋转的矩形截面弯管流动特性研究(续)

利用数值计算的方法研究了绕任意轴旋转的矩形截面弯管内的粘性流动情况，分析了在不同入口距离处离心力和科氏力共同作用下的二次流动、轴向主流的发展变化情况。计算结果表明：F=-4．0时，流动呈现出4一涡结构；F=-4．0的轴向速度矢量图在垂直面内与F=-4．0的轴向速度矢量图正好相反；在大曲率情况下管道内会出现三个轴向速度极值点。     

基于惯性空间稳定的双轴惯导旋转调制方法

陀螺标度因数误差是影响长航时船用旋转调制惯导系统的关键误差源,其与地球自转和载体运动的耦合误差,可导致惯导系统误差发散。针对此问题,结合船用惯导使用特点,采用外航向、内俯仰的双轴旋转框架结构。在此基础上,提出了一种基于惯性系的双轴旋转惯导系统多位置转停调制方案,通过补偿地球自转和载体运动在双轴旋转惯导内外框架旋转轴上的投影分量,可显著降低陀螺标度因数误差对长航时导航精度的影响。数学仿真和船载试验结果表明,在载体航向角运动的场景下,该方法与传统的双轴旋转调制方案相比可有效抑制地球周期项振幅的增大,系统导航位置误差的发散也降低50%以上。     

撞击流混合器内速度脉动的间歇性分析

应用激光多普勒测速仪（LDA）,对撞击流混合器的流场速度进行了实验测量。利用小波变换模极大值方法与分形理论结合,对撞击流混合器撞击区的速度脉动信号进行多重分形分析,计算其轴向和径向速度信号的间歇性指数,并与相关流动特性进行关联分析,探讨撞击流混合器撞击区非线性、非均匀性和混沌特性机理。通过分析同一转速不同位置和同一位置不同转速下的信号得出：撞击流混合器内部流体流动具有多重分形的特性,通过间歇性参数随位置变化出现的最低拐点可以判断混合器内部流体运动特征,得出流型的转变区域;转速对撞击区的影响大于对回流区的影响。为揭示撞击流混合器的流动机制提供了一种新的方法。     

失效卫星远距离相对位姿估计与优化方法

针对远距离非合作慢旋目标位姿估计精度问题,提出一种融合图像超分辨与视觉SLAM的相对位姿估计方法。算法主要包含3个步骤：通过梯度引导生成式对抗超分辨技术,提升目标图像的质量以获取更多更高质量的特征点;构建特征数据库实现当前帧与特征数据库的匹配,提升旋转目标的特征跟踪稳定性;利用图优化对多帧图像进行联合位姿优化,消除累计误差,得到更为精确的估计结果。为稳定网络的训练,将自然进化算法引入到对抗训练中。为增强模型的泛化性和鲁棒性,实验中的数据集采用半物理仿真获得。实验结果表明,当等效距离为25 m且失效卫星以25（°）/s的速度旋转时,目标图像经超分辨网络增强后,能够实现连续稳定的长时间测量。