工业远程监控系统实施新方案

近期远程监控系统在工业中逐步推广,针对工业系统的特点和工业网络的实际情况,在原有工业系统的基础上,增加现场设备区域的图像监控和数据传输功能,提出了一种工业远程监控系统实施方案.本文论述了该系统的结构、原理及实现方法,经具体实施证明,本文提出的方案已基本能够满足一个通用的基于公用网络的远程视频监控系统的要求,体现了较重要的理论价值和很强的工程实用价值.     

飞机结构X射线裂纹图像智能评定

飞机结构X 射线图像评定过程存在复杂背景下裂纹分割不准、检出难等问题。基于高效层聚合网络提出一种飞机结构X 射线裂纹图像智能评定模型（ELAN-Seg）,将ELAN-Seg 模型和DeepLabv3+模型的射线图像裂纹分割能力进行对比,结合图像处理技术对模型分割的裂纹长度进行评估,利用飞机强度试验及外场维护过程采集的X 射线图像对模型进行验证。结果表明：分割的最小裂纹长度约为3 mm,ELAN-Seg 模型对复杂背景射线图像裂纹分割更加准确,裂纹漏检率小于3.8%,该模型具有工程适用性。     

嫦娥-1携带的8种科学仪器

根据我国绕月卫星工程的4大科学目标,在嫦娥-1月球探测卫星上搭载了8种24件科学探测仪器.它们通过数据网络连接成一个有机的整体,相互配合,协同工作,对月球进行为期1年、全球性的综合探测.     

多层包覆质量超声图像诊断系统研制

针对机载固体火箭发动机多层复合结构粘接质量检测问题,利用聚焦探头双模式检测方法,研制开发了一套适合直径90~250mm,最大长度2000mm,且圆柱表面有凸起物的各种空-空导弹火箭发动机多层包覆质量自动超声图像诊断系统。可通过一次C扫描获得多层包覆不同界面粘接质量诊断图像,其脱粘检测分辨力不大于5mm。     

面向鱼眼图像的人群密度估计

针对传统人群密度估计方法在鱼眼图像畸变下不适用的问题,提出了一个面向鱼眼图像的人群密度估计方法,实现了在鱼眼镜头场景下对人流量的监控。在模型结构方面,引入了可变形卷积,提高了模型对鱼眼畸变的适应能力。在生成目标数据方面,利用鱼眼图像的畸变特点,基于高斯变换,对人群标注转换的密度图进行符合鱼眼畸变的分布匹配。在训练方面,对损失函数的计算进行了优化,避免了模型在训练中陷入局部最优解的问题。由于鱼眼人群计数的数据集比较匮乏,采集并标注了相应的数据集。通过主客观实验与经典方法进行了对比,所提方法在测试集中的平均绝对误差达3.78,低于对比方法,证明了面向鱼眼图像的人群密度估计方法的优越性。     

激光散斑和红外在整流罩无损检测中的应用研究

采用激光散斑和红外技术对纤维增强树脂基复合材料整流罩壳体内部缺陷进行了检测。激光散斑与红外热成像是基于不同物理原理的非接触式光学无损检测方法,在对构件表面进行热辐射条件下,可以使用这两种技术同时对构件的内部缺陷进行无损检测。提出了一种激光散斑干涉的融合算法,扩展光学相机动态范围,满足整流罩高光洁度表面的检测需求,同时介绍一种基于低成本红外热成像检测的图像增强算法。针对某型飞行器整流罩,利用热激励方式分别利用这两种技术开展了检测。检测结果表明,提出的激光散斑融合算法可以有效地消除激光照射整流罩表面引起的光强亮度不均带来的噪声,红外位相图像增强技术获得了清晰的缺陷图像。在整流罩检测中,两种测试技术各有优势,通过实际应用,对两种技术进行了评价,为后续的缺陷检测提供了经验。     

地理眼公司的子公司将无法直接接收新卫星图像

□□美国地理眼(GeoEye)公司计划于2008年8月用德尔他-2火箭发射其新一代商用成像卫星地理眼-1(GeoEye-1)。该卫星图像的最高分辨率因超出美国政府规定,而无法直接提供给美国政府以外的用户和区域子公司进行分销。Geo-Eye公司的商业运营模式也将随着这颗卫星的运营发生巨大变革     

我国环境-1 A、1B卫星成功发射

2008年9月6日11:25,我国环境-1A、1B卫星由长征-2C火箭从太原发射中心同时发射.约 51min 后,两颗卫星与火箭相继分离,进入预定的太阳同步轨道.9月8日,星上CCD相机传回了首幅遥感图像,随后开展的首次环境应用实验也获得了成功.     

基于深度学习的图像拼接篡改检测

传统图像拼接检测算法通过研究人员手动构造拼接特征,随着科技的进步以及图像处理技术的不断发展,手动构造特征的局限性逐渐体现出来,鲁棒性较弱,位置不易确定等。为了解决这些问题,构建了一种卷积神经网络（CNN）,将卷积核前置并固定,自主学习相关特征从而检测拼接篡改的图像区域。经过一系列研究,发现拼接篡改图像的拼接篡改区域特征可以被CNN模型学习。在CNN模型之前,卷积核使用高通滤波器,激活函数采用指数线性单元（ELU）,使得CNN模型具有识别拼接篡改图像边缘痕迹等特征的能力。检测结果表明:在IEEE IFS-TC图像拼接取证竞赛训练集上对拼接篡改图像拼接篡改区域定位的准确率为84.3%,对拼接篡改区域判定的真负类率为96.18%。