众眼看宇宙——‘众目睽睽’猎户座

猎户座大星云：行星际的保护：X射线超闪有助于“太阳系”的形成；钱德拉对猎户座大星云的全景X射线图像；甚大望远镜对猎户座大星云的近景红外图像；哈勃对猎户座大星云拍摄的最锐利图像；猎户座大星云里的抽象艺术。     

红外视野中的猎手

这张图片比较了著名的猎户座大星云及其周围的分子云在红外和光学视野中的不同影像,这是一个正在大量形成恒星的区域,位于猎户座宝剑附近。红外图像由美国航宇局的新出泽空间望远镜拍摄．光学图像来自美国国家光学天文台．     

粗糙带对某型号飞机简化模型机头流态的影响

在水洞中应用染色液流动显示技术对某型号飞机简化模型机头流态进行了研究,详细观察了机头两侧粗糙带和"只"字型粗糙带对机头流态的影响.实验结果表明,风洞实验所得力矩曲线受雷诺数影响大的攻角范围与机头涡破裂后打在座舱上的攻角及机头涡在座舱前严重掺混的攻角相联系.水洞实验中,来流速度为20cm/s、粗糙高度为0.8mm时流态随攻角的变化规律可用来解释风洞实验结果中力矩曲线的分散性.     

基于小波域的分形图像压缩

在分析产生块效应原因基础上,定义了一种度量块效应的客观方法.为了消除传统分形图像压缩中产生的块效应,提出先将原图像变换到小波域,再进行分形压缩.这种方法既继承了传统分形图像压缩的编码原理,又利用了小波变换的优良特性,从而取得了更好的压缩效果.此外,根据小波系数的能量分布特征,提出了一种加快相似匹配的方法.     

视觉检测中高速图像采集技术的研究

利用视频输入处理器(SAA7111)和现场可编程门阵列(FPGA),采用全硬件方式和两帧轮换存储方式设计实现了图像采集系统、计算机以及前端硬件处理系统之间的相互接口,使得视觉检测中视觉传感器能够同时进行图像采集和低级图像处理.     

航天飞行器舱体截面大尺寸弧长在线测量系统的研究

本文基于CCD图像测量技术，提出了一种新的不规则轮廓大尺寸弧长非接触图像测量系统，解决了航天飞行器舱体加工中的大尺寸测量的难题。文中给出了系统的结构及原理。并在现场进行了比对实验。最后对系统进行了精度分析，结果表明，本文所提出的系统的测量精度优于±0.5mm/8m。     

改进模糊马尔可夫随机场的SAR图像分割

模糊马尔可夫随机场利用模糊隶属度函数解决了马尔可夫随机场过于依赖灰度值的弊 端,然而在模糊马尔可夫随机场的分割中采用的是硬性基团和边缘判断准则,模糊分类使得 这些判断条件更加难以满足,从而图像分割中容易产生边缘分割错误的现象。改进模糊马尔 可夫随机场是在分段模糊马尔可夫随机场中引入模糊意义的后验概率公式及基团和边缘类型 “模糊相似性”概念,通过对不同基团和边缘类型的模糊相似性描述与判断,使得图像分割 对于边缘的判断和噪声的抑制具有更好的效果。仿真实验表明改进模糊马尔可夫随机场对于 边缘特别模糊的合成孔径雷达图像（SAR）具有较好的分割效果。     

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。      

某型飞机HUD系统试飞评估

基于作者及其团队试飞某型飞机HUD系统的研究成果和实践,系统性展示了HUD系统地面静态显示及全飞行剖面试飞评估方法,并给出该机型HUD系统评估结论及建议,为我国民机HUD系统试飞提供思路,并为民用飞机HUD系统研制提供可供借鉴的问题和经验。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题,提出了一种融合背景图像信息的多特征压缩跟踪算法。首先,在上下文感知滤波器的基础上,将背景图像信息加入位置滤波器。其次,提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征,使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度,实现两种特征的自适应融合。最后,利用特征降维简化模型的复杂度,实现算法运行速度的提升。实验结果表明,改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性,其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法,并且仍保持了实时性。