电容成像传感器优化设计及其试验研究

为了减小电容层析成像(Electrical Capacitance Tomography,ECT)传感器相邻极板间耦合电容引起电容测量时的噪声值,设计了差分电极传感器系统并对差分电极与测量电极距离进行参数优化。实验系统采用现场可编程门阵列(Field Programmable Gate Array,FPGA)直接数字频率生成模块生成数字量的正弦激励信号,通过D/A转化为正负交流信号分别对测量电极和差分电极进行激励。差分电极与测量电极到管道中点的距离比例约1:1.2时传感器灵敏度最佳,仿真图像误差降低至0.23,图像相关系数提升到0.84;实验中空场时的系统平均信噪比比普通传感器提升了5.10dB,满场时的系统平均信噪比提升了4.50dB,相邻电极对的静止电容减少至38%,而电容变化占用最多测量值,即62%。差分电极传感器系统经过电极之间距离的优化设计,传感器系统性能得到提升,通过实验验证其可行性,并且能够应用在滑油监测。     

FMCW体制毫米波SAR实时信号处理方法研究

与脉冲体制合成孔径雷达(SAR)相比,调频连续波(FMCW)体制SAR具有体积小、重量轻、分辨率高、功耗低和低截获等一系列优点,目前小型或微小型SAR普遍采用FMCW工作体制。FMCW SAR在整个脉冲重复周期内都发射信号,其信号占空比达到了100%,为了减小数字接收机采样带宽,降低数据率,FMCW体制毫米波SAR一般采取解线频调接收的方式,但其数据量依然很大,而且机载平台受到气流的影响,运动误差很大,需要迭代估计与补偿,给实时处理模块带来了很大压力。为了提高整个机载FMCW SAR系统的信号实时处理性能,需要在算法层面进行改进。提出了一种两次子孔径误差估计和全孔径误差拼接补偿的FMCW SAR实时成像算法,使用相位梯度自聚焦(PGA)算法和图像偏置(MD)算法级联提取子孔径误差;然后进行子孔径误差拼接成全孔径误差补偿原数据,两维脉冲压缩后完成图像聚焦,提高了FMCW体制毫米波SAR成像算法的效率;最后使用机载Ka波段FMCW SAR实测数据,验证了该算法的有效性。     

结构引导的图像修复

针对粗网络引入先验知识较少使得补全的内容存在明显视觉伪影问题,提出了基于边缘结构生成器的两段式图像修复方法。采用边缘结构生成器对输入的图像边缘和色彩平滑信息进行特征学习,生成缺失区域的结构内容,以引导精细网络重构高质量的语义图像。通过在公开的图像修复基准数据集Paris Street-View上进行实验测试,结果表明,所提模型可对掩膜占比达50%的图像进行补全。在客观的量化评价指标上,峰值信噪比、结构相似度系数、L₁和L₂均值误差等数值整体优于EC、GC、SF等方法,其中,掩膜占比为0%~20%时,峰值信噪比指数达到33.40 dB,优于其他方法2.37~6.57 dB,结构相似度系数提高了0.006~0.138。同时,补全的图像纹理更清晰,视觉质量更高。      

基于立体图像的多路径特征金字塔网络3D目标检测

3D目标检测是计算机视觉和自动驾驶中一项重要的场景理解任务。当前基于立体图像的3D目标检测方法大多没有充分考虑多个目标之间的尺度存在较大差异,从而尺度小的物体容易被忽略,导致检测精度低。针对这一问题,提出了一种基于立体图像的多路径特征金字塔网络(MpFPN)3D目标检测方法。MpFPN对特征金字塔网络进行了扩展,增加了自底向上的路径、由上至下的路径及输入特征图到输出特征图之间的连接,为联合区域提议网络提供了更高语义信息和更细粒度空间信息的多尺度特征信息。实验结果表明:在3D目标检测KITTI数据集上,无论在场景简单、中等、复杂情况下,所提方法获得的结果都优于比较方法的结果。      

嫦娥五号探测器月面铲挖采样前后状态变化分析

为了深入研究月球演化历史以及太空环境对月球土壤的风化影响,需要定量分析月球表面物质与次表层物质的状态差异。研究提出一种依据彩色图像数据分析月壤状态差异的方法,利用嫦娥五号任务采样期间获取的月球表面铲挖前后的图像数据,分析了每次铲挖前后月球表面的图像灰度表现特性等特征,分析结果表明:月球次表层物质的平均反射率小于表面物质,全色谱段中的平均变化率为-24.71%;局部区域的月球表面次表层物质的平均反射特性基本一致,全色谱段中的平均变化率为-0.30%;月球表层颗粒形态与次表层颗粒形态可能不一致;月球表层颗粒与次表层颗粒组成和化学分子结构可能不一致。分析数据表明嫦娥五号采样位置铲挖前后的原态月壤和新鲜月壤存在明显状态差异,研究结果可为我国后续月球采样实施方案的改进提供基础数据。     

基于动态特征选择的遥感图像目标检测算法

在遥感图像目标检测领域内,旋转物体的检测存在挑战,卷积神经网络在提取信息时会受制于固定的空间结构,采样点无法聚焦于目标;遥感图像尺度变化大,不同物体需要具有不同尺度感受野的特征映射,具有单一尺度感受野的特征映射无法包含所有有效信息。基于此,提出了可变形对齐卷积,根据候选边框调节采样点,并根据特征映射学习采样点的细微偏移,使采样点聚焦于目标,从而实现动态特征选择;同时提出了基于可变形对齐卷积的感受野自适应模块,对具有不同尺度感受野的特征映射进行融合,自适应地调整神经元的感受野。在公开数据集上的大量实验验证了所提算法可以提高遥感图像目标检测的精度。      

基于紫外极光图像的极光电集流指数模型

极光电集流指数AE是描述地磁亚暴强弱的重要指标,且与极区磁层扰动及极光粒子沉降过程密切相关。因此,建立更加准确的极光电集流指数模型对空间天气的研究具有重要意义。利用1997年POLAR卫星紫外极光图像数据探究了紫外极光图像中极光强度IAP的空间分布与AE指数在不同季节的相关性,并在此基础上提出了基于紫外极光图像的AE指数模型。以网格化方法提取极光强度空间分布特征,采用广义回归神经网络,通过相关系数法和方差选择法构建Cor-GRNN和Var-GRNN两种AE指数模型,并针对冬至月份、夏至月份、分点月份3个季节分别进行训练。研究结果表明,AE指数与IAP具有相似的半年变化趋势,其相关性在不同季节差异较大。相比于太阳风驱动下的AE指数神经网络预测模型,基于极光图像的AE指数模型在ERMS和R2标准上均优于其他模型,其中归一化ERMS小于0.1,模型对于AE指数变化的可解释度提升了10%左右。     

基于Logistic回归麻雀算法的图像分割

针对麻雀搜索算法后期种群多样性减少、易陷入局部最优解等问题,提出一种新的改进麻雀搜索算法。所提算法先引入小孔成像反向学习策略对发现者的位置进行更新,提升寻优位置的多样性;其次受Logistic模型的启发,提出一种新的自适应因子对安全阈值进行动态控制,平衡所提算法的全局搜索与局部开发的能力。通过与其他算法在6个基准函数上进行仿真对比,结果表明：所提算法的收敛精度与速度均优于其他算法。在工程应用上,用所提算法优化K-means聚类算法进行图像分割,峰值信噪比（PSNR）、结构相似性（SSIM）及特征相似性（FSIM）3种度量指标验证了其良好的分割性能。     

基于改进联合稀疏EIT算法的CFRP材料检测

针对应用电阻抗层析成像技术(EIT)对碳纤维增强复合材料(CFRP)损伤检测的高度病态性问题,提出了一种联合L₁和L₂范数的稀疏正则化泛函模型,并在迭代过程中通过构建一种新的约束项来优化求解。仿真结果表明,与传统算法相比,改进联合稀疏EIT算法能够有效改善损伤图像的电极伪影,提高损伤边缘清晰度,增强损伤辨识定位准确度。CFRP层压板检测实验结果表明,改进联合稀疏EIT算法能够提高图像重建的抗干扰能力,具有良好的鲁棒性及适用性。