自适应强杂波抑制与点状动目标检测

研究了基于自适应图像杂波抑制的微弱点状动目标检测技术。首先利用四叉树算法,将原始的非平稳图像分割成多个准平稳的图像子块,然后对各子块进行LS自适应背景杂波估计与抑制,从而获得准高斯白噪声背景;再利用目标运动连续性假设,将目标在相邻多帧上的位置状态模型化为高阶马尔可夫数据链,建立轨迹状态空间;根据该模型采用多帧沿轨迹非线性集成算法进行检测。既克服了传统的三维匹配算法造成搜索次数巨大的弱点,同时也避免了二维投影检测带来的信噪比下降。理论分析和大量仿真实验证明了其有效性。     

多胞金属管受径向冲击时的吸能特性

针对某武器装备发射环节对能量吸收提出的要求,并结合当前薄壁金属管件的研究背景以及能量吸收的性能指标,分析了多细胞管件在受径向冲击时的吸能特性。结合实际工况,制定了传统多胞管和夹层多胞管两方面共5种方案,并运用ANSYS/LS-DYNA程序,对其进行逐一建模仿真。最后的结论分析显示,在工艺允许的情况下,夹层多胞管的4板Ⅰ向方案在能量吸收特性方面表现更加优越。     

基于灰度特征与几何约束的月面陨石坑自动提取方法

针对月表图像强度分布不均匀、陨石坑周白色风迹造成的明暗区域对比不明显等问题,提出了一种月面陨石坑自动提取方法.首先对月表灰度图像进行多阈值分割,以提取陨石坑的亮暗区,遍历图像像素灰度值不断迭代阈值,根据该阈值亮暗候选区动态地聚合、生长,分析候选区饱和度、拟合度等几何特征,筛选出符合条件的亮区与暗区;然后结合太阳光照方向...     

航空复杂产品的 CATIA 结构稳健建模方法研究

针对现有建模方法无法有效对航空产品 CATIA 模型进行快速修改与重用的问题,提出了以曲面分割为建模策略的结构稳健性建模方法。该方法通过对父子关系关联传播路径进行分析,找出影响 CATIA 特征模型结果稳健性的因素,即几何元素方向、几何拓扑元素、建模策略。通过研究特征构建时,输人元素的性质和基于此性质的操作方法,实现结构稳健性建模,即通过对外部输人和建模过程中的关键几何元素进行方向控制、创建显式参考代替几何拓扑元素、禁止使用复杂草图、采用基于曲面分割的设计特征模块化建模策略等方式,实现特征模型的快速修改与重用。工程实例证明了所提方法的实用性和可靠性。     

动态环境下融合激光雷达和IMU的激光里程计设计

激光SLAM通常通过多帧点云配准,完成位姿变换矩阵的估计,而点云中的动态点会降低激光里程计的定位精度。为了减少动态点引入的误差,提出了一种动态点云识别算法,并结合该算法改进了传统特征匹配策略,组成了动态环境下融合激光雷达和IMU的激光里程计。通过约束范围角与动态中心点,将点云快速分割成多个簇类,再借助IMU信息,快速建立点云簇类配准关系,从而去除动态点,最后根据簇类的对应关系进行约束,以提高匹配的精度与速度。使用KITTI数据集和UGV在多个情形下进行了实验。实验结果表明,该算法可以成功识别点云中的多个动态对象,并通过去除动态点,有效地减少了位姿估计的累积误差。     

基于自适应记忆长度的多尺度模态融合网络

为了更好地利用点云和光学图像在自动驾驶领域的互补感知优势，提出了一种双模态融合网络MerNet。网络采用点云特征和光学图像特征并行编码的结构，在每一个编码阶段通过基于残差映射和膨胀点注意力机制的融合模块将光学图像特征单向融合到点云特征支路。设计了一种多尺度膨胀支路的级联空洞卷积模块，以加强点云的上下文联系，并在并行支路上采用瓶颈结构来降低上下文模块的参数量。为进一步优化参数更新过程，提出了一种自适应变历史记忆长度的优化算法，考虑了不同梯度变化趋势下历史梯度的贡献值。研究了一种基于交叉熵损失的协同损失函数，通过交叉比对不同模态的预测标签，并通过设定阈值筛选对比模态的预测特征，突出不同传感器的感知优势。在公开数据集SemanticKITTI上对MerNet进行了训练和验证，实验结果表明：提出的双模态网络能够有效提升语义分割性能，并使算法更加关注驾驶环境中的高危险性动态目标。同时，提出的上下文模块还能够降低64.89%的参数量，进一步提高算法的效率。     

结合多层特征及空间信息蒸馏的医学影像分割

U-Net在医学影像分割领域是目前应用最广泛的分割模型，其“编码-解码”结构也成为了构建医学影像分割模型最常用的结构。尽管U-Net在许多领域实现了非常高的分割准确度，但是存在着计算复杂度高、推理速度慢、运行消耗内存大等问题，导致其难以在移动应用平台部署。为解决这一问题，提出了一种结合多层特征及空间信息蒸馏的医学影像分割方法TinyUnet。该方法使用轻量化的U-Net作为学生网络。考虑到小模型没有足够的学习能力，通过选择合适的蒸馏位置，对多层教师特征图进行蒸馏; 同时加强教师网络深层特征图的边缘，并构建边缘关键点图结构，采用图卷积网络对学生网络进行空间信息蒸馏，从而补充重要的边缘信息和空间信息。实验表明:在3个医学影像数据集上，TinyUnet能够达到U-Net 98.3%~99.7%的分割准确度，但是将U-Net的参数量平均降低了99.6%，运算速度提高了约110倍; 同时，与其他轻量化医学影像分割模型相比，TinyUnet不仅具有较高的分割准确度，而且占用内存更少，运行速度更快。      

印楝素A诱导Sf9细胞凋亡的显微和超微形态变化

利用倒置显微镜和透射电子显微镜技术观察印楝素A诱导草地贪夜蛾Spodoptera frugperda蛹卵巢Sf9细胞凋亡的显微和超微形态变化.结果表明:1.5 μg·mL-1印楝素A对Sf9细胞具有显著的凋亡诱导作用,从凋亡小体和贴壁细胞数量变化判断,印楝素A处理12 h,细胞开始出现少量凋亡小体,12～24 h凋亡小体逐渐增多,但贴壁细胞未见明显减少,因此24 h之前(0～24 h)属于凋亡早期阶段;24～36 h凋亡小体大量出现,贴壁细胞逐渐减少,属于凋亡中期;处理36 h以上,凋亡小体和贴壁细胞急剧减少,细胞凋亡进入晚期.观察诱导24 h的细胞超微结构发现,胞内的主要细胞器在数量或形态上发生了显著变化,包括溶酶体数量显著增加,线粒体内部嵴变模糊,内质网从囊泡状变成线管状,细胞核出现分页、皱缩以及区域性膨大等.