公路路面不平度的数值模拟方法研究

研究了一种公路路面不平度的数值模拟新方法,该方法直接对给定的公路路面不平度功率谱密度进行研究,经过一系列处理获得路面的不平度值.充分考虑了所关心的汽车固有振动频率和行驶速度影响后,利用该方法对C级公路路面进行数值模拟,模拟结果表明:利用该方法所得路面不平度的功率谱密度与给定的功率谱密度是准确一致的.      

太阳X-EUV成像望远镜的图像优化处理

太阳X-EUV成像望远镜主要用来监测和预报影响空间天气变化的太阳活动,成像资料专门服务于空间天气预报研究.为了满足望远镜的空间适应性,望远镜获取的图像会受到其结构调制形成的噪声干扰.本文主要对望远镜所获取的图像进行优化处理,讨论了傅里叶变换的物理意义及其在图像处理中的应用.通过二维离散傅里叶变换,将图像变换到频率域空间;选用巴特沃思陷波滤波器滤波,通过程序设计,实际调试,在尽量减少图像失真的前提下,滤除图像中的周期性噪声.优化后的图像有利于进一步分析太阳活动现象.      

基于脊波变换的一种红外图像增强技术

在研究红外图像特性的基础上,提出了一种基于多尺度脊波变换的红外图像增强方法。脊波变换特别适合于具有直线或超平面奇异性的高维信号的描述,在导引头红外图像处理中使用脊波变换来检测图像的边缘和跟踪是一种有效的方法,而且具有较高的逼近准确度。首先,利用脊波变换技术对红外图像进行处理。然后,对脊波变换系数进行增强。最后用脊波逆变换对红外图像重构。结果表明,该方法对导引头的红外自动目标识别是快速和有效的。     

JPEG图像压缩技术的实现与优化

文章以空间监控系统为背景,深入研究了JPEG图像压缩标准的实现方法,并基于FPGA对其进行了实现和优化。文中给出了详细的实现方法和优化过程,测试表明达到了很好的效果。     

用综合判别相关识别进行末制导

论述了综合判别函数 (SDF)的基本理论和光学实现途径 ,提出了一种基于综合判别相关器的导弹末制导系统。该系统具有光学系统运算速度快 ,对畸变目标识别能力高等优点 ,在导弹原有惯性制导系统上进行改进 ,成本低。分析和实验结果表明 ,这种基于综合判别相关器的导弹末制导系统具有并行处理速度快、识别率高的优点 ,有广阔的应用前景     

二维时频面的MTI滤波算法研究

分析了传统的动目标显示（MTI）滤波算法的缺陷，提出了一种二维时频面的MTI滤波算法，该方法利用时频分析多通道滤波和时频局域化的特点，在时频平面内进行二维滤波，从而获得良好的杂波抑制能力，且具备 的自适应性和鲁棒性，最后，根据实验结果给出了此种滤波算法与其他滤波算法的对比效果。     

基于小波变换的高超声速边界层动态图像分析

利用小波变换技术,研究高超声速下动态尖锥周期俯仰摆动的边界层转捩图像。通过基于二维小波变换的图像消噪和图像增强算法,优化动态实验图像,根据小波变换图像的奇异性提取沿时间历程变化的尖锥边界线和边界层图像,得到尖锥的俯仰摆动周期和迎角变化范围。结果显示边界层厚度的变化周期与尖锥的俯仰摆动周期存在相位差,随着迎角增大,背风面转捩点向尖锥前缘移动。实验结果表明,基于小波变换的图像处理技术不仅能够作为高超声速尖锥实验流动显示进行定性观察,还可以实现对高超声速边界层转捩实验的精确观测和定量分析,成为一种重要的量化和自动化的实验技术和分析手段。     

一种基于预测和变换混合设计的超光谱图像压缩方法

提出了一种新的超光谱图像压缩方法。该方法针对三维小波压缩编码方法对专有数据的特殊属性利用效率较低的缺陷,设计了一种应用于超光谱图像的预测编码和变换编码相混合的实现方案。首先,由超光谱图像的高谱间相关性,推导出图像各波段间的一般表达式。然后,根据这一表达式建立了超光谱图像的波段预测方式。该预测方式以波段为单位,参考波段采用小波变换编码技术进行压缩。为了提高预测的精度,参考波段选择器和波段预测器分别基于超光谱图像的数学统计规律和各波段直方图形状相似的特性进行设计。最后,将预测偏差值通过三维小波编码技术进行压缩。实验结果表明,本文设计的方法与目前先进的超光谱压缩技术相比能够提供具有竞争力的性能提升,且具有良好的兼容性、灵活性和渐进传输能力。     

滚动轴承早期故障的特征提取与智能诊断

在基于小波变换的滚动轴承故障诊断研究中,目前普遍存在小波变换参数选取和故障特征计算无法自动完成的问题。基于此,提出了一种基于二进离散小波变换的滚动轴承故障特征自动提取技术,实现了小波函数参数的自动选取和故障特征的自动提取。同时,基于结构自适应神经网络方法建立了滚动轴承的集成神经网络智能诊断模型。最后,利用实际的滚动轴承实验数据验证了所提方法的有效性。     

基于复Shearlet域高斯混合模型的SAR图像去噪

 结合双树复小波的平移不变性、多分辨率性和剪切波变换的灵活可选的多方向性,提出一种新的图像表达方法——复Shearlet变换。针对合成孔径雷达(Synthetic Aperture Radar,SAR)图像的相干噪声特点,建立了复Shearlet系数域的高斯混合模型(Gaussian Mixture Model,GSM),在此基础上应用贝叶斯最小二乘法进行系数估计,最后进行复Shearlet反变换得到去噪以后的SAR图像。仿真结果和分析表明:本文提出的算法相比其他变换域去噪算法,不仅去噪后的图像的峰值信噪比(Peak Signal to Noise Ratio, PSNR)有所提高,而且去噪后的图像更平滑,且与Shearlet域高斯混合模型相比,本文算法速度快了两倍多。