复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

基于惯性/激光测距/视觉里程计组合的高空场景尺度误差估计方法

惯性/视觉感知信息融合导航定位技术是目前实现无人机不依赖卫星自主导航的最有效手段。但对于面向高空场景的大型无人机,惯性器件误差与视觉里程计尺度误差耦合且特征平面化导致可观测性下降。针对这一问题,提出了利用惯性/激光测距/视觉里程计组合实现尺度误差估计的方法。通过开展误差模型建立、激光测量点与图像中位置匹配、无人机平飞机动下系统可观测性分析等关键技术研究,实现了高空场景下尺度误差的精确估计。经过300m高度机载试验数据验证,算法精度优于1.5%D,对卫星拒止条件下高空无人机自主导航具有重要意义。     

滑移流区内不同Kn数对流动及传热影响的数值分析

针对微尺度二维通道气体滑移流区的流动阻力和传热特性,采用滑移模型和SIMPLER数值进行了模拟分析.研究了定热流情况下不同Kn数时通道内压力、速度和温度场的分布以及流动阻力和换热的特性.数值分析结果表明随着Kn数的增大,速度滑移和温度跳跃的程度都增加,并且影响着流动阻力的下降,但两者对于换热系数的影响趋势是相反的:速度滑移有利于提高换热系数,而温度跳跃则降低换热系数,但总体上增加了微通道中的热阻.     

融合CNN-Transformer的红外弱小目标检测方法

针对远距离红外目标探测技术中存在的弱小目标特征信息提取困难、局部背景噪声干扰强导致检测算法虚警率和漏检率偏高的问题,提出了融合CNN-Transformer的单帧红外弱小目标检测算法。针对已有方法在提取红外弱小目标特征信息时感受野受限且易受到局部噪声干扰的问题,对Swin Transformer中的窗口自注意力计算模块进行改进,设计了基于可分离卷积的局部感知增强模块,兼顾对全局信息和局部信息的提取,提升骨干网络对弱小目标空间分布信息的提取能力。针对小目标特征难以在深层网络中保留的问题,设计了自下而上的多尺度特征融合模块,在不同层级的特征图之间利用注意力机制确保小目标的低层特征信息能够在高层特征图中得以保留。在公开数据集NUAA-SIRST上进行了测试,验证了本文所提算法相比已有算法取得了更佳的检测效果,同时能够兼顾对检测精度和召回率的优化。     

考虑样本不平衡的X光安检图像违禁品分类方法

X光安检图像违禁品分类被广泛应用于协助维护航空和运输安全。针对X光安检图像中违禁品尺度不一、存在困难样本及旅客行李安检固有的正负样本不均衡等问题，提出一种端到端的考虑样本不平衡的X光安检图像违禁品分类方法。采用多尺度特征提取网络捕获尺度不一的多类型违禁品特征，通过特征融合模块提升模型对图像边缘和纹理特征的表达能力，基于代价敏感思想设计损失函数，解决数据集不平衡问题，并提高困难样本分类精准度。在公开数据集SIXray上构建的子集实验结果表明：所提方法相较于端到端分类模型，平均AP指标值提升了4.5%，特别是对剪刀等难分类样本，AP指标值都有显著的提升效果。     

多尺度特征和注意力融合的生成对抗壁画修复

针对现有深度学习图像修复算法修复壁画时，存在特征提取不足及细节重构丢失等问题，提出了一种多尺度特征和注意力融合的生成对抗壁画修复深度学习模型。设计多尺度特征金字塔网络提取壁画中不同尺度的特征信息，增强特征关联性；采用自注意力机制及特征融合模块构建多尺度特征生成器，以获取丰富的上下文信息，提升网络的修复能力；引入最小化对抗损失与均方误差促进判别器的残差反馈，从而结合不同尺度的特征信息完成壁画修复。通过对真实敦煌壁画数字化修复的实验结果表明，所提算法能够有效保护壁画图像的边缘和纹理等重要特征信息，并且主观视觉效果及客观评价指标均优于比较算法。     

基于多任务辅助学习特征的瞳孔中心检测

眼动跟踪技术在航空领域极具潜力，其作为关键的信息获取和人机交互手段，可用于精确的目标瞄准、飞行员状态监测，对飞行安全和作战精准意义重大。而瞳孔中心检测作为核心技术，决定了眼动追踪系统的鲁棒性和准确性，本文提出一种基于多任务辅助学习特征的瞳孔中心检测算法，模拟人类视觉系统的多任务辅助学习特性，引入多任务模块，实现从粗到精的瞳孔中心检测，并通过试验验证了本文方法的有效性和先进性，从而提高了眼动跟踪的精度和准确性，为航空领域的各项任务和操作提供了更精确、高效和安全的手段。     

2.5D机织复合材料悬臂梁振动疲劳实验与有限元模拟

2.5D机织碳纤维增强树脂基复合材料以其在力学性能和复杂构件成型两方面的综合优势，在大涵道比商用涡扇发动机风扇叶片方面具有巨大的应用前景。对发动机风扇叶片来说，振动疲劳是一种不可忽视的工况条件，目前2.5D机织复合材料振动疲劳方面的实验与数值预测模型十分有限。本工作针对一种模拟发动机叶片根部的2.5D机织复合材料悬臂梁结构，建立一阶弯曲振动疲劳行为模拟的多尺度模型，并基于固定周期跳跃的疲劳加载模拟方法，结合主导疲劳失效机制的损伤萌生准则和疲劳刚度退化模型，开展2.5D机织复合材料经、纬向试件振动疲劳实验过程的模拟。基于建立的多尺度模型分析试件危险部位单胞内的应力场，预测经、纬向试件振动疲劳实验后的损伤状态。数值模拟结果与实验后的断口形貌观测结果吻合，验证了本工作提出的2.5D机织复合材料振动疲劳多尺度预测模型的有效性。基于提出的振动疲劳多尺度预测模型，对随着疲劳加载次数累积经向试件工作段单胞内的损伤状态进行了仿真，揭示了2.5D机织复合材料振动疲劳损伤的演化机理。     

基于优化多尺度排列熵和卷积神经网络的滚动轴承故障诊断方法

针对滚动轴承故障分类中特征信号微弱、信号非线性和多尺度特征难提取的问题，提出基于优化多尺度排列熵（MPE）和卷积神经网络（CNN）的滚动轴承故障诊断方法:通过改进自适应噪声完备集合经验模式分解（ICEEMDAN）对轴承信号进行分解和重构，实现信号降噪；通过粒子群算法（PSO）对MPE进行优化，提出PSO-MPE特征提取方法，参数优化后的MPE能够提取更为关键的特征信息；将所得的排列熵输入到CNN中进行故障分类以及降维可视化分析。以凯斯西储大学开放轴承数据库样本为测试对象，将文章所提出的ICEEMDAN-PSO-MPE-CNN方法与ICEEMDAN-PSO-MPE-RNN、CEEMDAN-SVM、ICEEMDAN-PSO-MPE-SVM等方法进行纵向和横向对比分析，结果表明改进方法的分类准确率和效率更高，在T-SNE可视化下的分类效果更明显，能够实现滚动轴承故障的高精度和高效率检测。