控制点/控制点对最优能量解析的图像配准

 针对遥感图像配准中匹配同名点少、配准精度低等问题,提出了一种基于控制点/控制点对最优能量解析的图像配准方法。在控制点提取中,通过多尺度曲波变换,实现不同尺度下图像质量的灰关联分析和噪声抑制,并根据灰关联能量值,自动调整尺度不变特征变换配准参数,提高匹配同名点数量;为保证控制点选择的均匀性和准确性,创建了控制点对能量模型,采用马尔科夫蒙特卡洛优化算法实现分布、匹配能量最优的控制点筛选,提高了图像配准精度。实验结果表明,本方法对遥感图像匹配同名点少、控制点分布不均匀、图像配准精度低等问题有很大改善,具有较高的应用价值。     

基于轮廓特征的X射线脉冲星信号多普勒估计

探测器速度引起的多普勒效应会影响脉冲星信号累积轮廓特征,反之,这种轮廓特征改变可用于多普勒估计。提出了一种基于轮廓特征的X射线脉冲星信号多普勒估计方法。通过建立累积轮廓非齐次泊松模型,获得多普勒效应对累积轮廓的影响。构造轮廓特征函数对该影响进行度量,并利用函数值与周期误差的关系搜索信号周期。在搜索过程中,将离散观测数据转换为连续能量密度函数,消除相位间隔对累积周期的限制。根据周期搜索结果,结合脉冲星先验知识完成多普勒估计。仿真实验验证了该方法的有效性,其多普勒估计精度优于频域方法。     

Morphological Undecimated Wavelet Decomposition Fusion Algorithm and Its Application on Fault Feature Extraction of Hydraulic Pump

Since vibration signals of hydraulic pump are mostly nonlinear and traditional fusion algorithm cannot satisfyingly process them,a morphological undecimated wavelet decomposition fusion(MUWDF)algorithm is proposed.Firstly,under the framework of morphological undecimated wavelet decomposition(MUWD),multi-channel signals are decomposed.Approximate signals of all decomposition layers are selected by feature energy factor and fused according to the presented fusion rules.Furthermore,specific method for optimal selection of MUWDF parameters is presented to avoid subjective influences.Finally,the proposed algorithm is verified by simulation signals and pump vibration signals.     

一种地球紫外中心快速提取方法

针对地球紫外中心指向高精度提取问题,提出一种基于梯度统计的快速、低存储需求的紫外地平圆盘中心提取算法。首先,考虑到星载计算机与高内存消耗的滤波算法、实时导航需求的冲突,采用结合Sobel边缘算子与局部二值模式（LBP）算子的改进边缘快速提取方法,有效剔除背景噪声并准确提取地球紫外临边特征。然后对非完整临边边缘采用最小二乘拟合得到中心的精确位置。实验结果表明,该方法抗噪声,可实现亚像素级地球中心提取,并显著降低存储需求和计算时间开销。对于1046×746的图像,该算法需要的存储空间仅为1100kByte,运算时间在20ms内,满足自主导航的需求。     

基于图像特征融合的粉末床缺陷检测方法

针对单一特征对粉末床缺陷表达不明确导致检测效果不佳的问题,提出了一种基于特征融合的增材制造过程粉末床缺陷视觉检测方法。该算法分别使用SIFT方法、灰度共生矩阵和Hu不变矩提取尺度空间特征、纹理特征和几何特征,借助词袋模型对每张图像构建3组视觉单词直方图,通过串行融合3组视觉单词直方图得到新的特征矩阵,采用特征选择对融合后特征矩阵进行降维,并传入随机森林分类器中进行训练。实验结果表明,不同特征对粉末床不同类型缺陷检测具有不同的贡献,优化特征融合参数后,算法平均准确率达到97.46%,缺陷检测效果明显提升。     

基于SVR及阴影信息的SAR目标方位角估计

目标成像方位估计是合成孔径雷达（synthetic aperture radar,SAR）自动目标识别中一个重要的预处理过程。提出一种基于支持向量回归机（support vector machine for regression,SVR）并结合SAR目标阴影信息的方位角估计方法。首先通过长直边拟合法与脊波变换法对目标图像进行方位的粗估计．再由SVR完成精确估计。利用“运动与静止目标的获取与识别”（moving and stationary target acquisition and recognition, MSTAR）项目组提供的实测数据所做实验表明,此方法可以有效估计SAR目标方位角,精度高、泛化能力强．特别是在水平成像方位附近利用了目标的阴影信息,明显提高了相应区间的方位角估计精度。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于权值分配及多特征表示的在线多示例学习跟踪

针对复杂环境下目标跟踪过程中由于遮挡、目标姿势及光照条件变化引起跟踪漂移的问题,提出一种基于多示例学习（MIL）框架的在线视觉目标跟踪算法。该算法针对多示例跟踪算法采用单一haar-like特征不能准确描述目标外观变化及在学习过程中对样本包中各正负样本示例采用相同权值,忽略不同正负样本示例在学习过程中对包的重要性不同的特点,采用多特征联合表示目标外观构造分类器,通过将多特征互补特性融入在线多示例学习过程中,利用多特征的互补属性建立准确的目标外观模型,克服在线多示例跟踪算法对目标外观变化描述不足的问题;同时,依据不同正负样本示例对样本包的重要程度进行权值分配,提高跟踪精度。实验结果表明,本文跟踪算法对场景光线剧烈变化、遮挡、尺度变化及平面旋转等干扰具有较强的跟踪鲁棒性,通过对不同视频序列进行测试,文中算法在5组测试视频序列上的平均中心位置误差远小于对比增量式学习跟踪,仅为10.14像素,其对比算法IVT、MIL和OAB的中心位置误差分别为17.99、20.29和33.64像素。      

基于DNET的空中红外目标抗干扰识别算法

复杂空战背景下针对人工干扰的博弈是红外空空导弹精确探测制导技术发展面临的瓶颈和核心技术。针对人工干扰对空中红外目标产生的遮蔽、黏连、相似等干扰现象,以及目标机动和相对运动造成的形状、尺度、辐射特性剧烈变化等实际问题,提出一种基于信息特征提取的深度卷积神经网络DNET空中红外图像目标抗干扰识别算法。首先,DNET网络对大尺度特征图像采用密集连接模块,在前部通道保存每一层的网络输出,在网络末端引入特征注意力机制,获得每个特征通道的信息特征识别权重。然后,加入多尺度密集连接模块,并与多尺度特征融合检测结合,提高对大尺度变化情况下的目标特征提取能力。实验结果表明,在伴随红外诱饵干扰的实时检测条件下,红外目标由点目标变化为成像目标,直至充满视场的整个过程中,本文抗干扰识别算法的识别精确度、召回率及识别速度分别达到99.36%、96.95%、132 fps,具备识别精确度和召回率高、识别速度快等优点,并具有良好的鲁棒性。     

智能赋能流体力学展望

人工智能（AI）是21世纪的前沿科技,流体力学如何在智能化时代焕发青春是值得本领域研究者思考的话题。从智能赋能流体力学角度,就其研究内涵、研究内容、近期研究及难点进行了总结,并对智能流体力学未来的发展进行了展望。研究指出,流体力学计算或试验中所产生的数据是天生的大数据,如何通过深度神经网络、随机森林、强化学习等机器学习方法来利用这些数据,缓解甚至替代理论和方法层面对人脑的依赖,挖掘新的知识,成为一种新的研究范式;相关研究将涵盖流动控制方程的机器学习、湍流模型的机器学习、物理量纲分析与标度的智能化以及数值模拟方法的智能化;借助人工智能技术,发展流动信息特征提取与多源数据融合的智能化是流体力学发展的迫切需求;研究内容应至少涵盖海量数据挖掘方法以及多源气动数据的智能融合;发展数据驱动的流体力学多学科、多物理场耦合建模与控制是工程应用的迫切需求,相关工作涉及多场耦合建模、气动外形智能优化设计以及流动智能自适应控制等方面。