基于边缘区域增长法的飞机图像目标分割研究

对边缘区域增长算法进行了理论分析,介绍了用边缘区域增长法对飞机图像进行目标分割的主要步骤,并将该算法对飞机图像进行目标分割的效果与Otsu算法进行了对比。结果表明,该算法所分割的图像目标边缘和实际目标边缘一致性较好,边界精确、清晰。     

核空间聚类在图像纹理分类中的简化算法

模糊c均值聚类已广泛应用于模糊模式识别领域,但对于线性不可分数据并不适用.在核方法中通过将输入数据经过非线性映射投影到高维特征空间来解决非线性分类的问题.将传统的模糊c均值聚类算法应用于核空间中,对线性不可分的样本进行了核空间聚类的分类实验,得到了正确的分类结果.由于图像分类中分类样本(对应图像像素)数目庞大,造成了核空间聚类算法中特征距离的计算量过大.因此,在核空间聚类的基础上,提出了对图像先进行过分割,再对过分割的图像块进行核空间聚类的方法,大大降低了高维空间特征距离计算的运算成本,并取得了良好的分类效果.      

双轴和三轴多路开环光纤陀螺

大多数测量角速率的陀螺应用需要两个或三个轴的陀螺构成一个组合。采用光纤陀螺技术的优点之一是可以低成本地设计多轴的陀螺组合,减少不必要的体积和电源调查。本文讨论了一种三轴开环光纤陀螺的设计,及静态漂移,刻度因数和噪声的测量结果。     

用于并行压缩感知成像系统的观测矩阵优化算法

压缩感知理论为遥感空间超分辨技术提供了一种新的实现方式。其中观测矩阵决定着压缩感知的采样规则,设计和优化观测矩阵对于保证信号的重构品质具有重要意义。文章在并行压缩感知成像系统的基础上,提出了一种基于列独立性和互相关性的观测矩阵优化算法。算法通过正交三角分解增强观测矩阵的列向量独立性,再通过特征值分解和等角紧框架约束来降低观测矩阵与稀疏矩阵之间的互相关性。同时,文章还提出了一种基于阈值分割的优化方法,将观测矩阵转化为便于硬件实现的二值矩阵,在降低了硬件加工难度的同时,进一步增强了观测矩阵的效果,提高了优化算法的实用性。仿真实验证明,文章提出的优化算法相较于传统优化算法在峰值信噪比方面提升1～2 dB,具有更好地优化效果。     

可靠性及可靠性灵敏度分析的改进点估计方法

针对低维高度非线性问题,提出了一种可靠 性及可靠性灵敏度分析的改进的点估计方法。基本思想是首先由空间分割来降低局部子空间 中功能函数的非线性程度,然后用低精度的稀疏网格积分探索子空间中功能函数的概率响应 特性,最后组合子空间中的信息来得到所需的可靠性及其灵敏度分析结果。方法的优点 是适用于低维高度非线性功能函数的失效概率和可靠性灵敏度分析,由于无需求解功能函数 的梯度函数,因此适用于复杂的隐式功能函数。另外,由于方法利用少量均匀抽样来估计对 失效概率贡献最大的点,并依据其进行子空间的划分,从而使得子空间的划分更有利于提高 可靠性及可靠性灵敏度分析的效率。用算例对所提方法进行了验证,结果表明：在低维高度 非线性条件下,所提算法的精度和效率比类似的三点估计、直接稀疏网格积分方法有明显优 势。     

基于变分分割模型的结冰冰形测量方法

结冰冰形是结冰风洞试验中关注的要素之一,针对其冰形测量问题,提出了一种基于变分图像分割技术的非接触测量方法。基本思路是对翼型结冰俯视图像进行图像分割,将获得的曲线标定后与翼型数模结合,得到最终结冰冰形。为了排除结冰图像中不相干物体和因素的干扰,更精确获取结冰冰形,提出了选择分割的思想,构造了区域特征函数,建立了新的能量函数。采用所提基于变分分割模型的测量方法,对结冰风洞试验冰形进行了测量,并定量分析了方法的误差,测试了方法的抗噪声能力。结果表明该方法对结冰冰形的测量是准确可行的,且具有较高的精度,另外,其对噪声具有鲁棒性。所提方法可推广至其他与物体形状相关的测量中。     

基于改进Unet++的丘陵地区耕地地块深度分割与提取

丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明：改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。     

基于深度监督的TransUNet可见光卫星图像分割

随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。     

基于改进正则化极限学习机的航空发动机性能参数预测

性能参数预测技术是航空发动机健康管理的核心研究内容,越来越多的机器学习算法被应用于该领域,正则化极限学习机(Regularized extreme learning machine,RELM)是其中之一.但RELM的正则化参数确定非常消耗计算资源,使其在数据量较大的航空发动机性能参数预测领域表现出不适应性.本文使用前向...     

？abry—Perot测风干涉仪数据处理

针对自主研制的星载法布里一珀罗干涉仪（Fabry—Perot Interferometer,FPI）样机,介绍了Fabry—Perot（F—P）的测风原理和风速反演算法,阐述了F—P测风干涉数据的自动化处理方法,包括干涉条纹图像滤波、分割、细化和特征数据的提取．滤波包括中值滤波和背景补偿,分割采用区域平均灰度值阈值法,借助数学形态学计算填充和消除二值化条纹的断裂点和毛刺．最后,按照骨架提取思想细化成干涉条纹线条,提取其特征数据．应用VC＋＋编程语言开发软件平台,对上述F—P测风仪数据自动化处理方法进行了验证,结果表明其可行性高、适应性强．