基于混合深度特征的红外目标抗干扰识别算法

复杂干扰条件下的红外空中目标识别技术是空战对抗领域的热点研究课题,复杂人工干扰严重遮蔽目标,导致目标特征的连续性与显著性遭到破坏,无法全面描述识别对象的特性,造成空中目标识别准确率下降。针对此问题,提出一种基于图像混合深度特征的空中目标抗干扰识别算法。首先,基于卷积神经网络进行图像深度特征的提取,将深度特征与梯度直方图(Histogram of Gradient, HOG)特征进行有效融合,构建混合深度特征。针对作战场景中的目标与干扰的对抗态势多样性,将支持向量机的二分类模型改进为三分类模型,对目标、干扰以及目标干扰粘连三种状态进行精确分类。实验结果表明：在复杂干扰环境下,基于混合深度特征的空中目标抗干扰识别算法正确率为92.29%,该算法可以有效地解决目标被干扰遮蔽、形成目标干扰粘连状态时的抗干扰识别问题。     

多压电膜式零质量射流激励器的设计与性能研究

设计了一种多压电膜式零质量射流激励器,并利用热线风速仪,得到了对应于射流中心线上固定位置处速度最大时的最佳频率.在该频率下,测量了零质量射流在不同孔径时沿中心线的速度分布;测量、分析和比较了不同激励膜数目对射流出口速度分布的影响.表明:在其他条件完全相同的情况下,一片振动膜时的激励器出口中心线上的平均速度和峰值速度,都较5片膜的情况小一半左右,而3片和5片压电膜时的激励器性能差别却不大.也就是说,虽然压电膜的数目增加能使激励器出口射流的能量增加,但这两者之间并非呈线性关系.此外还用PIV测量方法,直观地显示了射流出口的涡结构.      

机载高分辨视频信号采集与压缩技术

机载数字视频记录设备(DVR)在短短的几年里就大量地替代了机载航空电子系统中的磁带式视音频记录设备(VTR),有力地推进了机载记录信息的灵活应用,而且给信息的存储、分发带来了前所未有的高效率。分辨率为1024×768像素分辨率的大屏幕显示终端的广泛应用,对数字视频记录提出了有别于普通电视信号采集记录的要求。1024×768像素分辨率视频信号高速采集和压缩技术是实现数字化视音频记录的核心技术。本文概述了对1024×768(XGA)信号进行采集的惯用方法以及存在的问题,提出了直接对XGA信号进行高速采集和压缩的设计方法。     

基于视频图像处理的头部位置跟踪方法的探索

针对目前头盔显示器头部位置跟踪过程中存在瞄准速度不快,灵敏度不高,头盔重量偏大,只考虑头部位置,未考虑人眼在跟踪瞄准过程中的功能等问题,特提出一种基于人眼及头位综合视频检测高精度快速瞄准新方法,它采用基于视频图像处理方法来检测头部与飞机的夹角和注视方向相对头部的偏角。     

基于灰度直方图拟合曲线的数字图像多阈值分割技术研究

在对数字图像灰度直方图进行高次样条函数曲线拟合之后,通过求取若干个局部最小值作为图像的分割阈值,通过对图像像素进行多阈值分割,最后采用区域背景像素点增长合并法进行背景区域合并,从而获得完整清晰反映图像各个组成部分的分割结果。     

数据融合在纹理识别中的应用

在室内无线通信模型的优化中,需要区分不同的墙壁对象.而对于室内墙壁的图像可以看作是纹理图像.尝试利用数据融合的方法对这些纹理图像进行识别.实验结果表明,数据融合的方法对相似的纹理图像具有较好的识别效果.     

基于图像对的体视显示算法研究与实现

依据摄像机拍摄的左右两幅图像,按照提出的算法进行图像的矫正、重采样和图像对间的密集匹配,最后通过图像插补输出符合双眼特性的体视图像,试验证明插补后体视图像效果较好.     

滑动放电等离子体控制细长体头部背风区非对称涡实验研究

飞行器在大迎角飞行状态下,细长体头部背风区流场演变复杂,会出现非对称旋涡,产生随机侧向力,对飞行器的机动性和敏捷性影响很大。针对细长体大迎角非对称涡控制问题,采用顺流向布局的滑动放电等离子体激励器,结合测压和粒子图像测速（PIV）等手段,对细长体模型开展了风洞实验研究。研究结果表明:激励电压10 kV是流动控制开始生效的阈值电压;当来流速度10 m/s（雷诺数0.8×105）、迎角45°时（激励电压16 kV,归一化脉冲频率1.96）,获得最佳流动控制效果,侧向力系数最高可降低83.48%;随着来流速度继续增大,流动控制效果逐渐减弱,预测在来流速度26 m/s时将完全失效。     

多源遥感图像数据融合技术综述

针对具体实践需要，对现有应用最广泛的卫星遥感图像数据融合算法进行了介绍，描述了其主要步骤，进行了定性分析，给出了图像融合效果评价的准则，指出了遥感图像数据融合的发展方向。     

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。