多分辨率分析在图像边缘检测中的应用

本文针对传统图像边缘检测算子——微分算子和LOG算子在图像边缘检测中存在的不足，引入了多分辨率分析方法，并理论上分析了在不同的尺度下，多分辨率分析中由粗至精的特点，使其在图像边缘检测中具有更良好的特性。     

模型燃烧室油雾特性试验

利用粒子图像测速仪(Particle imaging velocimetry,PIV)测量斜切径向旋流器模型燃烧室内油雾特性,试验研究不同进气温度、流量和油气比对燃烧室内油珠颗粒大小及其分布的影响.试验结果表明:模型燃烧室内不同区域的油珠数密度明显不同,但油珠粒径分布基本相同;进气温度升高和油气比增大,使得燃烧室中油雾的索太尔平均直径(Sauter mean diameter,SMD)减小,燃油雾化得到改善;而进气流量的变化对燃烧室中油雾的SMD影响不大.     

基于尺度不变特征的眼底图像自动配准与拼接

针对眼底图像对比度低、光照不均匀、不同视场的图像间存在几何畸变等特点,提出了一种基于尺度不变特征的眼底图像自动配准与拼接算法.该算法分别提取同态滤波增强后的待配准眼底图像的尺度不变特征点,并用向量进行描述,确定相邻两图像特征点的匹配关系,在MLESAC算法中使用透视变换模型去除误匹配点对,计算匹配点对之间的变换矩阵,进行图像空间变换,完成配准和拼接.对实际眼底照相机获取的多幅图像配准与拼接结果表明,该算法具有很好的鲁棒性和稳健性,配准精度达到像素级,可以实现眼底图像的高精度自动配准与拼接.     

基于Depth from Focus的图像三维重建

应用改进Laplacian聚焦算子实现序列图像的融合显示,用高斯插值算法得到图像三维重建中的高度图,并设计一种轮廓线算法对高度索引图进行了三维重建;成功地应用于摄像机拍摄序列图像的三维重建,弥补了摄像机物镜焦深范围有限不能采样清晰大幅图像的不足.理论和实验结果证明,用该方法生成的二维融合图像和三维显示图像,恢复出比较精确的物体表面深度信息,提高了图像的清晰度.     

结合图像局部信息的高斯混合型图像分割框架

针对现有的基于判别型或聚类型的图像,用分割方法无法处理被噪声污染的图像的现状,提出一种新的两步式图像分割框架。该框架首先利用图像的局部信息重塑图像的灰度直方图,增强了像素的类间散布性和类内紧凑性,然后将现有的基于判别型或基于聚类型图像分割方法在重塑图像上执行,从而提高了现有图像分割算法的有效性和鲁棒性。文中用典型的聚类型方法高斯混合模型来说明该框架的可行性。由于框架的两个步骤具有独立性．因此可推广到现有的其他基于像素或直方图的方法。在人工和真实图像上的实验结果证明,这种两步图像分割框架可以获得有效且鲁棒的图像分割结果。     

粒子运动轨迹的图像处理及流场重构算法研究

为了高效获得颗粒的速度分布,提出一种针对单帧单曝光图像的图像处理方法和流场重构方法。图像处理过程包含去噪、锐化、自适应阈值分割、闭运算、去除小颗粒、骨架提取、速度提取、二义性判断、求切线等步骤和方法,对该处理过程的主要误差也进行了分析与修正。流场重构使用了基于RBF（Radial Basis Function）插值且采用迎风插值进行优化的算法,插值结果以速度云图及矢量图的形式展示,对该过程的主要误差也进行了分析与验证。最后的处理结果显示,针对单帧单曝光图像的图像处理方法和流场重构方法具有可行性。     

Autonomous Control Reconfiguration of Aerospace Vehicle Based on Control Effectiveness Estimation

未来空天飞行器跨空天两域飞行,要求有较高的自主性以适应由故障和环境变化带来的不确定因素。针对空天飞行器的不确定性,提出了自主控制重构方案。研究了线性模型的时变控制效益的估计方法,提出并证明了效益矩阵可估计的充分条件,给出了相应的算法并证明了其收敛性和对噪声的鲁棒性;提出了基于线性规划和模糊逻辑的控制分配算法,通过冗余效应器实现了不确定条件下的自主控制重构。系统集成和仿真结果分析验证了方案和算法的有效性。     

基于图像处理方法的空间站舱室材料表面真菌滋生监测

针对空间站等空间密闭舱室中微生物的有效监测等问题,选取空间密闭舱室的4种典型真菌,在空间舱常用铝合金板材料表面进行接种腐蚀实验,得到了真菌滋生图像.通过图像增强、特征筛选等方法对图像进行预处理得到数据集,比较了支持向量机(SVM)和随机森林2种分类模型的识别效果.结果表明:SVM模型对铝合金板材料表面真菌滋生图像的种类...     

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。     

基于深度神经网络的流场时空重构方法

针对流场粒子图像测速实验中时间和空间高分辨率测量代价高的问题,研究了数据驱动的流场时空重构方法。为了对实验测得的低分辨率数据进行时空高分辨率重构,提出了一种基于深度神经网络的流场时空重构方法,并构建了一种基于卷积神经网络和长短时记忆神经网络的混合深度神经网络。该混合深度神经网络能够学习流场的时空演化特征,训练完成后可实现对实验数据的时空高分辨率重构。测试结果表明:只进行流场空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差为0.0065左右,流场数据点数是原来的51倍;同时进行流场时间和空间高分辨率重构时,重构出的流场与真实流场之间的均方根误差可保持在0.065左右,流场时间维度的密度是原来的5倍,可极大提高实验效率,节约实验成本。