一种新颖的图像传输系统抗干扰方案

图像传输系统在军事上的应用越来越广,对其抗干扰能力的要求也越来越高。文章介绍了几种常用的图像传输方案,对这几种方案的抗干扰性能进行了分析比较,最后提出了一个新颖的、可以应用于复杂电磁环境且具有较强抗干扰能力的图像传输系统的建议。     

基于遗传算法的快速目标匹配方法

为解决在测量图像目标识别中因采用模板匹配方法而产生庞大计算量的问题,将遗传算法应用到测量图像模板匹配中。根据测量图像的特点,利用匹配产生的相关数据变化规律,对标准遗传算法进行改进,提出一种测量图像快速匹配方法,可消除标准遗传算法的大量无效搜索。实验结果表明,该方法比标准遗传算法速度快、精度高。     

基于互信息的图像配准技术研究及应用

介绍了图像配准的基本框架和方法,提出了一种基于灰度信息的配准算法,利用互信息作为图像相似性度量的准则,通过Matlab实验证明了该算法的有效性。     

基于光流算法的粒子图像测速技术研究

光流测量技术作为一种新的空气动力学实验技术,以其像素级分辨率的矢量场测量优势获得广泛的应用。光流测量技术使用光流约束方程,配合平滑限定条件,可以进行速度场测量,获得高分辨率的全局矢量场。首先通过研究积分最小化光流测速理论和算法,采用C++编写光流速度测量程序,然后通过3种典型人工位移图像对光流计算程序进行验证,并将结果和标准位移分布进行比对分析,以指导如何在实际应用中获得高精度光流速度场,最后进行小型风洞后向台阶实验,利用高速相机拍摄示踪粒子图像,使用光流计算程序获得速度矢量场,同采用互相关算法的粒子图像测速计算结果进行比较,体现出光流计算方法像素级分辨率的矢量场测量优势。     

应用形态学算子检测SAR图像中的湍流航迹

在条件合适的情况下，利用天基和航空ＳＡＲ（Ｓｙｎｔｈｅｔｉｃ Ａｐｅｒｔｕｒｅ Ｒａｄａｒ）可以观察到海上航行的船舶及其航迹。在ＳＡＲ图像是观察到的航迹有好几种，其中，湍流航迹是在所有航迹特征中出现的概率最大的一种，它一般是以暗的线的形式出现的，针对这一特点我们提出运用形态学处子来检测ＳＡＲ图像是的湍流航迹。运用形态学的方法有它自己的优势：可以有效抑制斑点噪声，可以检测在于一室长度的航迹特征，而不     

文氏管长度对双级涡流器出口流场影响的试验研究

采用粒子图像测速仪（Particle image velocimetry, PIV）测量双级涡流器出口流场,改变文氏管长度,探讨文氏管长度对双级涡流器出口流场的影响,揭示了涡流器下游流场特征,获得了沿轴向不同位置的轴向速度和径向速度分布规律。研究表明：随着文氏管长度的增加,涡心发生径向位移,上下涡心的中心距离从22.2 mm增加到了29.2 mm,中心回流区的面积增加,轴向速度和径向速度分布特征有利于燃烧组织。     

从图像工程角度看CBERS—1卫星图像

文章从图像工程角度从灰度、纹理和边缘3个方面对CBERS－1卫星的图像进行了量化评价，并与同一地区的TM图像进行了比较，客观地反映了CBERS－1卫星的图像质量，提出了CBERS－1卫星图像的优势和需改进的方面。     

反推装置叶栅外流场PIV测试

针对某型反推力装置缩比模型试验件,应用粒子图像测速（PIV）技术开展了反推力装置叶栅出口外流场结构和测试技 术试验。在不同进口落压比下进行外流场测试,得到了叶栅出口流场速度分布和流动的基本结构。探索了粒子图像测速技术应用于外流场工程环境测试方法,提供了通过专用装置防护和减振的方法在PIV技术对气流冲击、振动、噪声等复杂环境问题的解决途径。试验结果表明：气流从叶栅出口排出后沿叶栅型面方向径直流动,落压比对叶栅出口气流速度及分布影响较大,流场形式受其影响较小,在落压比为1.2时,气流速度达到165 m/s;PIV技术结合防护、减振、远程控制等措施能够成功应用于工程外流场测试,通过试验验证确立了基于PIV技术的叶栅出口外流场测试方法,对该技术在相关工程中应用有很大的借鉴意义。     

基于改进CLAHE的航空发动机导向叶片DR图像增强

为了解决航空发动机导向叶片数字射线（DR）检测图像信息动态范围大、对比度低、细节信息不明显,缺陷区域难以识别的问题,提出一种改进型限制对比度自适应直方图均衡化（CLAHE）算法。采用CLAHE增强导向叶片DR图像对比度,同时引入基于空间均值滤波器的Gaussian掩模处理,进行DR图像降噪,提取DR图像的低频信息;采用CLAHE增强的图像与提取的DR图像低频信息线性做差,突出DR图像的高频细节信息;与CLAHE增强的图像线性叠加,进一步提高了DR图像的对比度,实现导向叶片DR图像增强。依据图像基本空间分辨率（SRB）、信噪比（SNR）、灰度平均值对DR图像增强效果进行评价。结果表明: 改进的CLAHE算法,可以同时将表征SRB的D13双丝线对应的调制深度值从49.17%提高到了56.08%,整体灰度平均值从32 400.66增加到了38 684.43,02号微小裂纹缺陷的SNR从14.10提升到了15.16。结果显示优化的CLAHE算法,相比自适应直方图均衡化（AHE）等4种经典的航空发动机导向叶片DR图像增强算法,不仅提高了平坦区域对比度,突显了边缘细节信息,而且有效提升了微小缺陷的视觉效果。     

公开SAR图像目标数据集及其在深度学习中的应用综述

由于合成孔径雷达(SAR)图像可读性较差,所以对其进行目标检测与识别处理的难度也较大.近年来,随着深度学习(DL)方法的不断发展,许多学者将其引入SAR图像目标检测与识别研究中.该类方法以数据为驱动.其中,监督学习方法更以已标注的数据为基础.但是,SAR图像目标的标注通常是昂贵且耗时的.鉴于此,本文对已公开的SAR图像...