MILS机载安全操作系统设计

针对构建MILS安全嵌入式操作系统需求,提出一种基于微内核的安全机制。通过微内核的安全监控机制和时空隔离结构,为系统提供安全性和可靠性的基础支撑,避免操作系统中访问控制机制被篡改、绕过,采用任务间时空隔离和消息传递机制使得各个安全关键任务独立运行,通过受控的消息机制进行交互,有效保证了各个模块的独立安全性。采用微内核架构能够进一步形式化验证,从而在安全的系统结构的下提高任务的安全性和可靠性。     

面向多层次网络拓扑发现算法的研究

以往的拓扑发现算法只关注网络层设备的拓扑发现,而忽略数据链路层的设备,提出一种面向多层次的拓扑结构发现算法,该算法在发现网络层设备的基础上又发现了链路层的设备,并经过优化提高了算法的效率。     

卫星姿态控制系统在轨实时健康评估

面向航天器在轨智能自主管控的技术需求,提出一种基于多级模糊综合评价架构的卫星姿态控制系统的在轨实时健康评估方法.根据卫星姿态控制系统的性能特点,按实际功能将其划分为姿态测量、控制器和执行机构3个部分.在确定各部分单元部件健康信息的基础上,基于模糊综合评价算法对各部分的健康度分别进行评估.基于评估所得到的姿态测量、控制器和执行机构3部分健康信息,根据各部分对系统健康的影响情况结合变权综合原理确定健康影响权重,采用模糊综合评价算法实现对姿态控制系统整体健康性能的综合评估.仿真实验结果表明,所提出的方法能够有效实现卫星姿态控制系统的在轨实时健康评估.     

基于加强模糊聚类的航空行李图像超像素分割

在自助行李托运系统拍摄的行李图像库中检索错误运输的行李时,图像背景会严重影响检索精度。针对该问题提出了一种加强模糊聚类算法（EnFCM）的超像素分割方法,实现了行李目标区域的提取。通过多尺度形态学重建梯度图像,设计了自适应上限尺度的分水岭超像素预分割算法,得到多个独立的超像素区域。对超像素图像进行直方图统计,并结合分水岭分割参数和实际行李图像内容的类别数量进行超像素的加强模糊聚类,得到行李区域。通过多个实际行李图像的分割实验验证了算法的有效性,平均分割精度达到93%,超过多个典型的分割算法。     

基于空间分割的影像条带噪声去除方法

光学遥感卫星影像中包含系统条带噪声和随机条带噪声,由于多种因素的干扰,即使进行系统条带噪声去除后,仍残留部分随机条带噪声。文章通过分析现有卫星遥感影像中的随机条带噪声特性,基于常规的随机条带噪声去除方法,提出一种新的基于空间分割的条带噪声去除算法。该方法以影像的均值、中值以及梯度值构建判定准则,将影像分为动态范围变化较小的多个区域,同时将地物边缘单独提取出来予以保留;然后采用标准矩匹配的方法对单独区域进行处理,在剔除噪声的同时抑制灰度畸变的产生;最后采用中巴地球资源卫星04星（CBERS-04）数据作为试验对象进行了随机噪声去除试验,试验结果表明新方法在去除随机条带噪声的同时很好的保持了原始影像的纹理信息。     

自适应K-means图像分割方法

本文提出了一种自适应K-means图像分割方法,该方法通过用Otsu方法来初步选取阈值作为初始K-means聚类中心,然后经过K-means聚类方法对图像进行分割,最后根据K-means获得的聚类中心与Otsu所确定的阈值进行平均计算,作为图像分割的阈值.实验结果表明:该方法自动快速形成的分割阈值较为合理,对图像能达到更好的分割效果,可以进一步提高后续图像匹配与定位的准确性.     

基于预浸纱自动铺放缺陷的分割算法

为保证预浸纱自动铺放成型制件的性能,基于图像处理技术,根据预浸纱表面图像沿纤维方向灰度均匀的特性,提出了一种结合灰度补偿和差影分割的缺陷分割算法。利用图像灰度补偿矩阵对图像进行灰度补偿,依据图像的灰度误差服从正态分布的特点剔除图像矩阵中的极大误差点,并建立标准背景图像,以允许差值系数K作为判据进行差影分割。结果表明:该算法对气泡、异物两种典型铺放缺陷分割效果好、速度快,为实现自动铺放缺陷在线监测提供了良好的理论基础。     

基于改进二维Ostu算法的SAR图像分割方法研究

INS/SAR组合导航系统对SAR图像分割提出了较高的实时性和准确性要求。文章针对SAR图像的特点与二维Ostu方法在区域划分以及运行速度上的缺陷,提出了一种改进的二维Ostu方法,更为准确地划分了目标和背景区域,并且将阈值搜索空间由二维降为一维。经仿真验证,该方法具有良好的分割效果并能有效提高分割速度,满足了组合导航系统相应的设计要求。     

空间距离变换的彩色图像目标识别方法

研究了彩色图像的分割算法,提出了运用彩色图像的颜色特征相似性进行图像的分割;然后将分割的目标进行检测,运用无监督网络,即竞争网络学习训练聚类,将图像中不同的目标提取出来。在识别方面,研究了一种运用空间距离变换方法来识别的算法,计算出区域半径测试样本点在区域内还是区域外,以达到识别的目的。实验结果表明,本文提出的分割算法和识别算法可以很好地运用到实际中,识别率可达90%以上。     

基于LOFC时间窗分割算法的航迹聚类研究

针对传统聚类算法在聚类过程中缺乏时间信息而仅考虑三维坐标点的聚类,同时未考虑航空器运行速度和航向变化对聚类结果的影响,以及由于二次雷达机载设备、地面设备和信号遮挡等原因造成的实测数据源中存在离群点异常数据,离群点很难被有效识别出来从而使得非正常航迹点的影响放大,得不到理想的聚类效果等问题。本文提出LOFC算法,引入时间窗分割概念,将航空器进场平均速度值和航向变化值作为确定聚类簇大小的影响因子对进场航空器航迹点数量进行分割,引入离群点检测以及离群点剔除率等概念对离群点进行识别和剔除。对进场二次雷达数据仿真分析,从仿真结果中可以看出,新算法能有效地对离群点进行识别和剔除,当影响因子α取值为0.7时,航迹的曲率最小,得到的中心航迹的平滑程度最佳,验证了新算法对于聚类和离群点识别与剔除具有可行性和优越性。