基于局部不变性的航空C型梁配准方法

在数字化测量分析技术中,如何保证变形后的C型梁实测点云数据和标准数模精确可靠的匹配在航空制造领域仍然是一个技术难题。本文对加工成型后的C型梁变形状态初步分析后,发现形变主要为两侧面向内的收缩变形,而底面变形量几乎可以忽略不计。为了更好地将实测数据和数模配准,结合初步分析结果,本文主要采用了点对特征(Point pair feature,PPF)粗配准和迭代最近点(Iterative closest point,ICP)精配准结合的方法,开展了关于C型梁实测数据与理论数模的配准技术研究。其中粗配准之后,为了提高精配准的精度对C型梁三维点云结构进行平面分割,选择变形量较小的底部作为精配准局部约束进行配准。研究表明该方法可以有效提高C型梁数模和实测数据配准精度,最终在后续测量中可以根据实测数据与标准数模精确配准后尺寸差异对C型梁加工质量分析,检测其是否符合尺寸精度要求,对工程实践有较高的应用价值。     

一种新的图像背景自适应分割算法

在对图像分割技术进行综合研究的基础上,提炼出一种以最大类间方差法为基础的图像背景自适应分割算法,此算法根据目标和背景区域的灰度统计量来自动选取最优阈值。还通过仿真与常规的迭代法、四叉树、分水岭的效果图做了比较。     

一种新的基于Graph cuts方法的SAR图像分割模型

Graph cuts方法是一种快速优化技术,能有效解决计算机视觉的低层次问题,如表面重构、分割、去噪等问题。其优点是迭代计算的高效性并能得到全局最优解。利用Graph cuts方法,将基于活动轮廓模型和水平集方法的SAR图像分割模型转化成一个新的模型,可用最大流/最小割方法来求解。实测SAR图像的分割实验表明：提出的新模型所需运行时间大约是基于水平集的活动轮廓模型所需时间的一半,分割精度也得到了较大的提高。     

星间网络可靠传输重传机制分析

针对星间网络特点和数据可靠传输要求,提出分段重传和端-端重传两种重传机制,重点对星间网络多跳传输场景下,单包和多包可靠传输在两种重传机制的性能表现和影响条件进行分析.分析和仿真结果表明,重传机制对单包传输影响不大,而分段重传机制更适合于多包传输,特别是在跳数、包数和丢包率较大时,能达到较高的传输效率.     

一种基于多通道卫星云图的台风分割方法

有效的台风主体分割能够提高台风预报的准确性.提出一种基于矢量图像的改进水平集方法进行台风分割,将C-V模型推广到矢量空间,加入了无需重新初始化的能量项;提出了一种迭代收敛条件并设计了针对云图特点的模型参数及分割方法,该方法利用了多通道的云图信息,避免了无谓的迭代计算,能够加快分割曲线的演化速度并提高分割的准确性.实验结果验证了所提出方法的有效性和可行性,其平均目标错误率与平均非目标错误率分别为1.21%与2.25%,可得到较理想的台风分割效果.      

一种基于模糊分割的黄金分割控制器设计及其应用

摘要： 基于模糊分割的黄金分割控制是解决多输入 多输出高阶非线性系统的一种有效方法,它是将模糊控制与黄金分割控制相结合的一种智能自主控制方法.本文以特征模型为基础,给出基于模糊分割的黄金分割控制器的详细设计过程,并从理论上证明该方法的稳定性.将该方法应用到小卫星的姿态控制中,通过仿真验证该方法有效.     

基于深度学习的语义分割算法综述

图像的语义分割是对图像中的每个像素标注其所属的类别。在航天领域,语义分割技术可用于定位航天器及其零部件,为航天器故障排除、部件维修、太空垃圾清理等在轨服务创造条件。近几年,全部或部分使用深度学习时,语义分割的效果获得了很大的提升。本文对基于深度学习的语义分割算法进行综述。首先介绍常用的数据集和通用的深度神经网络,随后对两类具有重大实用意义的分割算法:编码器-解码器算法和整合上下文信息算法进行总结。最后对语义分割的发展进行了展望。     

基于波形检测和颜色空间的车牌分割方法

车牌识别是智能交通中关键技术之一,车牌分割是车牌识别的基础。本文提出一种利用波检测和颜色空间相结合的车牌分割方法,克服了传统边缘检测阈值难以选择的缺点,并且不受光照变化和车牌掉色及磨损的影响,提供了车牌分割准确率     

一种新的无人机监控图像实时目标识别算法

提出一种新的无人机监控图像实时目标识别算法。首先将获取的无人机监控图像应用自适应阈值分割将其转换为二值图像。对二值图像进行形态学处理,定位潜在目标出现的位置。最后对潜在目标区域再次应用局部自适应阈值分割获取目标,同时给出每个目标的图像坐标位置。飞行试验表明该算法保证实时性的情况下,有较高的识别正确率。     

飞机发动机损伤图像的分割处理

在形态学边缘检测算子的基础上,综合应用了形态学中的腐蚀和膨胀,提出了一种改进的多尺度形态边缘检测算法,得到修正的边缘检测算子,减轻了图像边缘检测的模糊性,并有效降低了噪声对边缘检测的影响。通过实验得到噪声存在条件下较为理想的图像,验证了该算法的可行性和有效性。