残差超复数偶对分解的多光谱和全色图像融合方法

提出一种残差超复数偶对分解的多光谱和全色图像融合方法。用超复数分别对多光谱图像和全色图像的残差图像建模,并对多光谱图像的超复数残差模型沿彩色空间的灰度轴方向分别进行超复数偶对分解,得到包含亮度信息的单部分和包含色度信息的复部分。分析表明用高分辨率全色图像的超复数残差图像来替换低分辨率多光谱图像分解后得到的复部分,可以恢复出高分辨率的多光谱图像的残差,从而实现多光谱图像和全色图像的融合。仿真结果验证了所提方法的有效性,同时验证了该方法不存在人眼可见的光谱畸变。各种现有图像融合评估方法的评估结果表明:该方法优于亮度、色度、饱和度(IHS)、主元分析（PCA）和小波变换的融合方法。     

驻涡燃烧室凹腔供油位置对流场影响的PIV实验

采用PIV(particle image velocimetry)技术,对凹腔供油位置不同时凹腔内的冷态流场进行对比研究.通过分析不同来流速度对腔内涡的形成及其稳定性的影响,从而研究不同供油位置对涡稳定的影响.实验表明,供油位置在凹腔前体,油气掺混孔处的射流对涡有破坏,供油位置在凹腔后体,油气掺混孔处射流对涡没有破坏作用,在不考虑供油方式等因素的情况下,凹腔后体供油优于凹腔前体供油.研究结论可为该驻涡燃烧室进一步的热态燃烧性能实验研究提供依据.      

用PIV技术测量径向进气旋转盘腔内的流动

将PIV(particle image velocimetry,粒子图像测速仪)技术应用于多功能旋转换热实验台,测量了不同工作状态下径向进气旋转盘腔间的速度场.介绍了实验装置、实验方法和误差分析方法;给出了旋转盘腔间速度场的瞬时值和平均值,测量结果表明了PIV技术能够测量复杂旋转盘腔间的流场,并定量分析影响因素(旋转雷诺数和流量系数)对速度场的影响;同时,分析得出激光反光的控制和示踪粒子的均匀稳定散播是实验成功的关键因素.      

互击式气-气喷注器混合场影响因素流动显示

虽然针对互击式气-液喷注器开展了大量研究,但对互击式气-气喷注器的了解甚少。为了深入理解互击式气-气喷注器气气混合过程的特点,利用粒子图像测速(PIV)系统对其开展了流动显示实验研究。实验结果表明:对于O-F-O互击式气-气喷注器,气流撞击角度和氧/氢动量比直接影响着气流撞击作用的大小,控制着气流混合过程;对于喷孔间距保持一定时,撞击角越大,气流间的相互作用越强,气流混和效果越好;氧/氢动量比越大,气流间撞击力越强,混合距离越短,对中心气流的挤压作用越厉害,其流场分布三维特征越明显;可以通过组合高的氧压降、低的氢压降和大撞击角来设计混合效果较好的互击式气-气喷注器。     

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。     

基于TV-L1模型的多尺度遥感影像分解方法

TV—L^2模型是一种有效的遥感影像分解方法,但采用TV—L^2模型进行遥感影像分解会出现分解不彻底的情况。基于TV—L^1模型的多尺度遥感影像分解方法是一种将TV—L^1模型和多尽度方法结合起来对遥感影像进行分解的遥感影像分解方法。实验证明,基于TV—L^1模型的多尺度遥感影像分解方法继承了Tv—^L2模型利用全变分分解的优点,解决了TV—L^2模型分解不彻底的问题,并且通过尺度调节实现了多尺度分解。实验结果表明,该方法在遥感影像分解中取得了理想的效果,可以进一步地扩展应用。     

基于图像分析的显微视觉自动聚焦系统

开发了用于显微视觉对准装配的自动聚焦系统.系统采用基于图像空域分析的聚焦方式.首先通过对比,选择计算量最小的y向一阶差分算子作为系统的聚焦测度;然后通过合理选择聚焦窗口,优化了聚焦效果;最后提出一种不同于通常爬山法的自动聚焦策略,实现该方法的核心是建立聚焦函数与离焦量之间的函数关系,本系统采用3次样条插值估算未测聚焦函数值的办法构建了这种函数关系.应用结果表明该系统自动聚焦的准确性与实时性满足要求.     

基于小波的非线性模型的孔探图像压缩

针对涡轮发动机内部图像细节丰富的特点,为了实现在高压缩比下对细节信息的保留,以不影响发动机内部故障检测,采用小波域的非线性表示和建模方法,利用多尺度边缘检测对边缘进行定位,通过轮廓加剖面模型在定位的边缘进行边缘影响区域划分;之后通过阈值将边缘影响区域进一步划分为较重影响系数区域与较轻影响系数区域,在不同区域应用不同的编码质量控制,从而实现了一种基于小波着重于边缘的图像编码系统.实验结果表明,与一般的小波图像压缩方法相比较,在不同的压缩率下,峰值信噪比均得到小幅度的提高,并且从视觉感官上也得到较好的效果.      

星敏感器中快速星跟踪技术

跟踪模式是星敏感器的主要工作模式之一,跟踪过程的快速性直接影响星敏感器的整体性能.提出了一种快速星跟踪算法.在跟踪算法的3个耗时环节,分别采用了分区星表、阈值映射、先排序后匹配识别这3种方法,以提高跟踪过程的快速性.其中分区星表法将整个天区分成了若干个子天区,使得在星体映射时,只是搜索星敏感器视轴指向附近的部分子天区,而不是搜索整个天区,减少了搜索星体的数量;阈值映射法,在满足精确度的情况下,设置被跟踪星体的数量阈值,只有被跟踪的星体数目少于此阈值时,才进行星体映射,减少了映射次数;先排序后匹配识别法,先根据星体在星图中的坐标值进行排序,然后再进行匹配识别,减少了那些距离较大的无谓的星体间的匹配识别.仿真测试结果表明,这3种方法的采用,提高了跟踪算法的快速性,提高了星敏感器的整体效能.      

基于NN与SVM的图像质量评价模型

为了有效地评价图像质量,利用峰值信噪比(PSNR,Pear Signal to Noise Ratio)和结构相似度(SSIM,Structure Similarity)作为图像质量的描述参数,给出"野点"的定义,提出"野点预测"并基于神经网络(NN,Neural Network)与支持向量机(SVM,Support Vector Machines)建立新的质量评价模型:神经网络用来获取质量评价映射函数,支持向量机实现样本分类.采用UTexas图像库数据进行仿真试验,质量评价模型预测图像质量的单调性比PSNR提高7.42% ,质量评价模型预测结果的均方误差平方根比PSNR提高36.06％,模型性能测试中"野点"的数目相对减少,模型性能得以提高.试验结果表明该模型的输出能有效地反映图像的主观质量.