聚焦光场成像三维粒子场重建方法

层析重建是层析粒子图像测速(Tomo-PIV)技术实现三维粒子位置和强度信息(三维粒子场)重构的核心步骤。相比于多相机的Tomo-PIV技术,单聚焦光场相机通过一次成像能够同时采集示踪粒子的散射光的方向和位置信息。因此,提出一种单聚焦光场相机的层析重建技术用于重构流场中的三维粒子场信息。为了验证本文方法的可行性及准确性,利用几何光学建立了示踪粒子的光场成像模型,利用光线追迹技术计算了粒子在聚焦光场相机中的成像,对比了被测流场中位于不同深度位置的粒子在聚焦光场相机中的成像差异;建立了基于单聚焦光场相机的层析重建数学模型,利用乘法代数重构技术(MART)对模拟所得的光场图像进行反演计算,实现了三维粒子场的重构,并利用归一化互相关系数来表征粒子的重建质量。结果表明,单个粒子在Z轴方向上的位置精度为±0.35 mm,初步证明了基于聚焦光场成像理论的三维粒子场重建方法的可行性。     

基于人类视觉特性的遥感图像优化显示及应用

在分析遥感图像主观质量（Subjectivequality）评价的基础上,提出基于人类视觉特性的优化显示技术．并应用于遥感图像压缩、相对辐射校正评价和噪声估计。结果表明：当图像以50％比例放大时,处理前后的效果不明显：以100％比例放大时,差异性开始出现;当显示比例提高到200％时,图像的噪声、条纹及退化现象比较容易发现与识别。因此,当需要比较两幅图像差异及监测图像质量变化时,建议显示比例设为200％。上述成果已成功应用于CBERS-02B卫星HR相机及后续高分辨率相机压缩方案的评价,也用于中国卫星遥感地面处理系统的图像质量监测。     

某型教练机机载天线与雷达罩的射线入射角的计算

随着现代高科技的发展,雷达大量应用于飞机、导弹、航海等领域．雷达罩的运用也日趋广泛。本文通过曲线拟合等一些数学分析方法,运用MATLAB工具,经过分析、编程、计算．最后得到机载天线与雷达罩的射线入射角,通过入射角的大小可判断此雷达罩是否符合要求。     

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.      

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.     

基于非下采样轮廓波变换的红外和SAR图像融合算法

针对现有红外和合成孔径雷达(Synthetic Aperture Radar,SAR)图像的融合算法融合质量差、边缘轮廓不清晰、效率低下、可视性差,目标检测效率低等问题,提出一种基于非下采样轮廓波变换的融合算法。首先采用非下采样轮廓波变换对预处理的红外和SAR图像进行分解,获得各自低频和带通方向图像,接着根据红外和SAR图像的特征选取其含重要目标信息的频带进行低频图像和带通方向图像融合。为了检验本文所提出算法性能的优越性,采用两组红外和SAR图像进行融合实验,与其他图像融合算法进行对比,并对融合图像进行目标检测,证明了该融合算法能有效提高多源图像目标检测率。     

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。     

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.