基于B-样条插值的图像边缘检测

为了能高质量地进行图像边缘检测,提出了一种新的基于B-样条插值的边缘检测方法.该方法为了保证图像边缘检测后的质量,采用3次B-样条对图像的像素点灰度值进行插值运算,提出了基于B-样条插值的一阶和二阶微分算子,并引入数字滤波技术加以实现.利用B-样条可分离的特性,实现了2维空间的基于B-样条插值的连续图像的重构函数,在此基础上提出了用于边缘检测的基于3次B-样条的一阶梯度模板和二阶微分模板.该方法非常适合于采用硬件的并行化实现,极大地提高了图像处理速度和边缘检测质量.     

电火工品在线检测装置的温度特性

介绍了工程使用中电火工品的检测电路原理图和工作原理,并在高低温状态下对电路进行了性能研究.为满足电路在较大温度范围内的性能指标,根据高低温状态下的实测值调整了电路的门限值,满足了较大温度范围内电火工品的检测.     

基于运动形态学的掠地飞行器视频检测方法

 结合数学形态学、视频图像运动分析以及数学统计分析方法,提出了一种用于空中预警控制系统(AWACS)的小型掠地飞行器运动形态学视频检测方法。该方法首先应用形态学tophat滤波提取出视频图像中的可疑目标(SO),并求取SO的运动参数,利用真实目标和类目标干扰的不同运动特性,应用数学统计的方法对各运动参数进行分析以剔除部分类目标干扰,从而获得潜在目标(PT)的灰度分布和运动参数。在应用形态学tophat滤波器进行可疑目标提取中,一种新的金字塔型结构元的引入有效减少了虚警数量。外场试验表明,该检测方法能够有效抑制航拍掠地飞行器视频图像中的地物干扰,降低虚警目标的数量。     

数字闭环光纤陀螺的调制串扰误差

 通过分析数字闭环光纤陀螺的阶梯波调制信号与输出死区、周期噪声干扰及小角速度漂移的关系,提出了调制串扰误差的概念。指出调制信号与探测器输出信号之间的电交叉耦合及调制信号产生的调制误差是产生调制串扰误差的干扰源。将调制串扰通道模型简化为比例环节和部分积分环节,并和光纤陀螺理想模型结合,建立了光纤陀螺调制串扰误差模型,利用该模型推导出了产生死区的条件及周期噪声干扰和小角速度漂移造成的输出偏差表达式,并对周期噪声的幅值、频率与陀螺输出量级、带宽之间的关系进行了定量分析。调制串扰误差的仿真和实验结果与理论分析结果基本一致,验证了调制串扰误差模型的正确性。     

铆钉连接件细节应力分析及疲劳裂纹形成寿命预估

 首先建立简化的力学模型模拟复杂的铆钉连接件结构,并用有限元软件对所建立的模型进行细节应力分析。然后利用损伤力学守恒积分原理得到计及损伤耦合效应的集中应力表达式。在此基础上,根据由热力学原理导出的以损伤驱动力表示的损伤演化方程,给出裂纹形成寿命与载荷关系的解析表达式。进一步,按照某种材料的部分标准试件的中值疲劳曲线拟合损伤演化方程中的材质参量,并利用同类材料的其他标准试件的中值疲劳曲线进行寿命预估方法验证。最后,给出了国产某型客机危险部位具有不同存活率的疲劳裂纹形成寿命。     

镍基单晶合金CT试样裂纹尖端应力结构及晶体滑移特性

 针对3种不同晶体取向（［001］,［011］,［111］）的镍基单晶合金DD3紧凑拉伸（CT）试样,利用考虑有限变形和晶格转动效应的率相关晶体滑移有限元程序对其裂纹尖端三维应力场进行了弹塑性模拟计算分析,深入考察了裂尖等效应力和滑移系分切应力分布以及滑移系激活规律,并对裂纹扩展路径进行了理论预测和试验研究。结果表明,裂纹尖端应力结构有较大的变化,呈现复杂的变化规律,对此试样的晶体取向有较大的影响;裂纹尖端自由表面形成具有特定矢量方向的滑移带,裂纹启裂和扩张途径与该滑移带有关,晶体学结构分析表明其特征敏感于晶体取向。裂纹尖端的等效应力、最大分切应力沿厚度方向分布均为在试样心部较为均匀,而在外表面处则下降较快,有限元计算和实验测定结果证实这两部分分别与试样断口上的纤维区和剪切唇区相对应。     

进动弹道目标平动补偿与分离

弹道目标在中段高速运动时会造成微多普勒曲线的叠加折叠,此时传统的平动补偿方法并不适用于弹道目标。在分析进动锥体弹道目标各个散射点的频率特性后,发现曲线交点处的频率完全是由平动引起的。根据这一特性,提出一种利用时频图交点信息进行平动补偿的方法。首先,得到回波信号的时频骨架图;然后,采用基于双边滤波器的Harris角点检测方法提取出时频骨架中的角点进而得到时频图中的交点坐标;最后,利用交点坐标估计出平动参数进行平动补偿。针对传统Viterbi算法在曲线交点容易产生错误关联的问题,提出一种利用交点信息的分段Viterbi算法对补偿后的时频曲线进行分离。仿真实验验证了所提方法的有效性。      

一种可变锚框候选区域网络的目标检测方法

目标检测作为计算机视觉领域的热点问题,目前基于深度学习的目标检测方法可以分为2类:两步检测和一步检测,前者有着较高准确性,后者有着较好速度,但是为提高检测的性能两者都引入了锚机制。为提高目标检测系统的性能,基于深度卷积神经网络的两步检测算法引入了注意力引导（AG）模块,通过对候选区域网络（RPN）的锚机制进行引导,使得对于预选锚框形状的选择更具有多样性;同时针对传统的后处理方式非极大值抑制（NMS）算法存在的误检和漏检的问题,提出了一种置信度因子的NMS（Cf-NMS）算法,对于模型的整体性能有着很大的贡献。实验结果说明,所提方法虽然在速度性能上有略微的下降,但是无论是在RPN变体还是现有的先进算法在准确性方面都有提升。      

基于改进深度学习模型的焊缝缺陷检测算法

针对传统深度学习模型在进行焊缝缺陷检测时对小缺陷目标检测效果不理想问题,提出基于改进深度学习Faster RCNN模型的焊缝缺陷检测算法,算法通过多层特征网络提取多尺度特征图并共同作用于模型后续环节,以充分利用模型中的低层特征,增加细节信息;改进模型的区域生成网络,加入多种滑动窗口,从而优化了模型锚点的长宽比设置,提高检测能力。实验表明,改进Faster RCNN模型取得最优的缺陷检测结果,对于小缺陷目标仍取得较好的检测精度,从而验证了算法的有效性。     

基于相对最值点的最小二乘直线检测方法

为了解决传统目标检测中遇到的检测速度慢、精度低等问题,本文提出一种新的图像特征——相对最值点,并依据相对最值点提出一种新的最小二乘直线检测的方法。该方法首先搜索Canny边缘的闭合包络,并寻找闭合包络的相对最值点。包络上相邻相对最值点之间长度满足阈值要求的即为疑似直线的两端点,进而利用最小二乘拟合方法获得该疑似直线的拟合方差,最后利用拟合方差与拟合直线长度之比作为直线判定的标准用来检测出图像中的直线。实验表明,本方法与传统方法如PPHT直线检测、LSD直线检测方法等相比,检测直线的精度更高,检测速度更快。