基于多尺度局部结构化信息测度的鲁棒像素级图像融合算法

现有的图像融合算法不能有效区分基本图像特征和噪声,往往在输入存在噪声时性能变差。自然场景图像中,视觉上显著的图像特征往往表现出一定的几何结构,而噪声缺少结构化信息。基于复数小波变换,利用Von Neumann熵推导了一个结构化信息测度,可以有效区分噪声和视觉上显著的图像特征。图像融合之前利用测度加权输入,从而自适应抑制噪声同时保留图像特征。对几个图像融合方案从主、客观上进行性能比较,显示了新方案的优越性。     

叶轮盖板侧的流动对离心泵泄漏量的影响

利用动量矩定理,建立了叶轮盖板中流体旋转角速度的一阶微分方程,得到了计算离心泵泄漏量的方法.为了获得泄漏量,需要进行迭代求解.从该微分方程出发,可得到容积效率、轴向力等参数.试验研究表明,用此公式计算的理论泄漏量和试验值之间的相对误差在7%～10%以内,验证了该方法的合理性和正确性.     

基于熵产理论的水翼空化特性研究

为了对空化流场中的能量损失做出定向、定量的评价,引入熵产理论对绕二维水翼流场进行了分析。以NACA0009翼型为计算模型,选用k-ω湍流模型以及ZGB空化模型对翼型的外特性进行了数值仿真并与实验结果进行了对比,发现计算结果与实验结果符合较好。仿真结果表明,熵产与翼型外特性之间有明显的相关性,在升力系数和阻力系数发生突变的时候,熵产和能量损失也发生剧烈变化;在流场中湍流耗散熵产始终占80%以上,大空化数下壁面熵产占比在10%左右,不可以忽略;能量损失总是集中分布在空穴的末端和翼型的尾端;空化数在0.6～0.4时,空穴会发生大尺度周期性脱落,造成流场的损失增大,但是当空化数0.4时,空穴变得比较稳定,使得流场比较稳定,损失减小。分析表明,熵产理论可以应用于空化流场分析中。     

证据理论和神经网络结合的目标识别方法

提出用证据理论和神经网络结合的高分辨率雷达(HRR)目标识别方法,即首先把多个目标高分辨一维距离像送入学习矢量量化神经网络,进行目标类证据估计;然后用D-S证据理论对各次估计结果进行融合.提出了连续特征空间离散化及类支持度构造的方法,并分析了神经网络识别的误差原因.仿真实验结果表明,这种方法的输出正确识别率比仅仅使用矢量量化神经网络有较大的改善,抗噪能力也有所提高.     

信号的紧小波标架表示与最佳小波基

探讨了信号的小波标架表示与最佳小波基选择问题.首先对信号的小波标架表示与小波基表示的关系进行了描述,这个关系对于分析信号的小波标架表示是非常有用的;其次推导了周期小波标架的分解与重构的Mallat-塔式算法并证明了标架界为1的紧小波标架的周期化仍为标架界为1的紧小波标架;最后给出了基于小波标架算法和极小化加性代价函数的最佳小波基选择算法.      

基于UDWT的高性能多光谱遥感图像融合算法

无抽取离散小波变换 (UDWT)具有移不变性的优良性质 ,它在遥感多光谱图像增强以及双通道图像融合应用中获得了很好的效果。文中研究一种基于UDWT的适用于多光谱图像的融合算法 ,该算法利用UDWT的多尺度表示方法和文献 [4 ]算法最佳保留光谱信息的特点 ,融合结果同时精确保留了多光谱图像的光谱信息和高频细节特征 ,为目标的检测、定位、识别等图像的进一步处理提供很好的特征信息     

TMS320C62x的并行性和应用研究

TMS32 0 C62 x在信号处理领域得到广泛的应用,也提出了高度并行处理在 DSP的实现问题。给出如何实现高性能 C62 x应用的一般性方法,并比较了 3种高速 DSP的典型性能指标,最后给出用 C62 0 1实现了SAR信号处理机的预处理模块的实例。     

干涉SAR相位展开算法的比较和改进

基于残差理论深入分析和比较了 2种最主要的干涉 SAR相位展开方法积分路径法和最小均方法的策略及性能。对加权最小均方算法从初始值和权值进行了讨论,给出了一种合成加权多重网格算法。该算法结合了分支阻断方法简单快速并有一致解的特点,使它为多重网格最小均方算法提供初始值,加速了多重网格算法的收敛;并采用由相位导数方差生成的二值质量图替代相关系数作为权值输入,增强了算法的适应能力及可靠性。实际 X-SAR数据的相位展开处理结果验证了本文的分析和结论。     

一种改进的PGA最大似然相位估计法

 讨论了合成孔径雷达( Synthet ic Aper ture Radar ) SAR) 成像处理过程中一种不需要直接求解矩阵特征值及其特征向量, 但仍然基于最大似然估计的应用于相位梯度自聚焦算法( Phase Gr adient Algorithm)PGA) 中的相位估计方法, 且主要从计算量及数据处理精度等方面与传统的特征向量方法相比较。结果表明,这种基于迭代方法计算特征向量相位的算法在SAR 成像自聚焦过程中具有实用意义。     

一种全自动的检测方法用于SAR-ATI的GMTI

针对星载SAR-ATI处理的中间结果,提出了一种称为"两步-类高斯拟合"完全自适应的检测方法。该方法可以完全自动地实现杂波和噪声中的运动目标检测,避免了传统方法作联合高斯数据的假定,无须推导SAR-ATI干涉图的理论概率密度函数。此外,该方法还可以大大降低系统的虚警概率并用仿真研究了最小可检测速度。