一种图斑特征引导的感知分组视觉注意模型

 结合自顶向下和自底向上的信息处理策略,提出了一种新的视觉注意模型,该模型利用图斑特征信息引导感知分组过程,使注意力关注于任务相关区域。通过引入多尺度图斑,关联图斑和底层特征,新模型利用图斑特征建立先验信息的知识表达形式。对于给定新的场景,新模型能够使用先验信息,提高和目标对象相关特征的显著性。通过视觉预注意阶段计算得到的中间数据,提取图斑特征向量作为引导,不断迭代积累对象,合并区域表征对象,由表征简单对象开始,进而表征复杂对象,迅速有效地引导视觉注意力关注任务相关区域。实验比较了新模型、显著区域提取模型及波谱残留模型,证明了所提模型的优越性。     

火星探测出舱机构的识别定位与坡度测量

为实现火星探测两器分离过程中出舱机构的坡度测量,提出一种基于立体视觉技术的出舱机构识别定位与坡度测量方法。首先,采用特征匹配的方法对场景中的出舱机构进行识别定位。针对巡视器导航相机成像视角变化以及出舱机构倾角变化导致图像产生几何形变,火星表面光照因素的影响以及巡视器硬件的计算能力,并结合出舱机构自身特点,提出一种区域特征与Blob特征相融合的识别定位方法。采用加速鲁棒性特征（SURF）算法检测图像中的局部不变特征,并用最大稳定极值区域（MSER）算法检测图像最稳定极值区域,两种特征相融合之后构造SURF描述算子并进行特征匹配。同时,采用M估计抽样一致性（MSAC）算法计算对应点变换矩阵,实现出舱机构在场景中的初步定位。然后,通过对出舱机构上人工标志的精确定位以及三维重建,并采用主成分分析法进行平面拟合,实现出舱机构的坡度测量。试验结果表明,该方法对成像视角变化以及光照变化具有鲁棒性,提取的有效特征数以及计算时间均优于尺度不变特征变换（SIFT）算法,基本满足火星探测中出舱机构坡度测量要求。     

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FBM分形向量特征的图象匹配

由于自然景物图象的灰度与边缘特征不稳定，基于灰度与边缘的匹配算法对于这一类图象难以生效。本文通过分析ＦｒａｃｔａｌＢｒｏｗｎｉａｎＭｏｔｉｏｎ（ＦＢＭ）的Ｗｅｉｅｒｓｔｒａｓｓ－Ｍａｎｄｅｌｂｒｏｔ随机分形逼近函数的频谱，给出了分形向量特征的定义和快速判别图象的ＦＢＭ区域的方法。在ＦＢＭ区域内采用该特征进行匹配能克服复杂自然景物图象中灰度与边缘特征的不稳定性。实验表明采用ＦＢＭ分形向量特征的匹配方法能够获得比较传统匹配方法，例如平均绝对差算法以及特征匹配法更高的匹配定位精度和匹配概率     

基于BDS-GD的低截获概率雷达信号识别

针对在信号特征提取与识别中使用双谱估计数据量大、维度高的问题,提出了双谱对角切片（BDS）与广义维数（GD）相结合的识别方法。通过提取信号双谱对角切片减少数据量,并利用多重分形理论中的广义维数降低数据维度,对切片内部特性进行细微描述,基于距离测度提出特征评价指标,从而选出最具有区分度的3个阶数对应的广义维数作为特征向量,输入到最小二乘支持向量机中进行分类识别。使用4种低截获概率（LPI）雷达信号作为待识别信号,仿真结果表明,本文方法提取的信号特征在特征空间中有良好的聚集性和离散性,在0 dB信噪比下,识别准确率能达到92.2%,与选取的其他方法对比说明其具有很好的识别性能。      

一种结合深度学习的运动去模糊视觉SLAM方法

针对高动态环境下视觉同步定位与地图构建(SLAM)系统的可靠性受运动模糊的限制,研究了一种基于生成对抗网络(GAN)和AKAZE特征点的运动去模糊视觉SLAM方案。首先,对因相机快速运动而产生的模糊图像进行AKAZE特征点的提取与检测,并根据特征点分布的丰富程度计算图像块权重,结合灰度图像的方差信息建立特征点与模糊程度之间的量化关系表;然后,将达到模糊分数阈值的图像同步输入至改进GAN模型,该网络以端对端的形式恢复中心模糊帧的纹理信息;最后,对输出的清晰图像重新进行位姿估计,以参与ORB-SLAM2后端优化过程。在公开数据集TUM上进行测试,对于受模糊影响较严重的数据集,该方案可以显著降低相机轨迹估计的整体误差,同时维持较好的鲁棒性。     

基于特征点互信息预配准的医学图像配准技术

基于最大互信息的医学图像配准算法近几年来成为医学图像处理领域的热点。由局部极值导致的寻优困难是困扰该算法的核心问题,混合优化算法成功地解决了互信息函数的寻优问题,但延长了配准时间。文中研究了互信息函数峰值周围的局部极值特征,提出安全区域的概念。利用特征点互信息理论,并结合多灰度级和多分辨率策略,提出一种基于混合优化算法寻优和特征点互信息预配准的改进型算法。经过模拟数据和实际数据配准实验证明,该算法在保证了配准精度的同时,提高了配准的速度,稳健性更强,具有临床推广价值。     

基于LTSA融合降维法的滚动轴承可靠性评估方法

为了保障滚动轴承在给定工况下安全平稳地运行,提出了一种基于局部切空间排列(LTSA)和威布尔比例故障率模型(WPHM)的滚动轴承可靠性评估方法.该方法提取滚动轴承整个寿命周期的时域、频域、时频域及统计等不同分析域上的特征指标,从中筛选出包含滚动轴承运行状态的特征指标,构建出高维多域特征集;利用局部切空间排列算法对高维多...     

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。     

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。