某机涡轮盘榫槽拉刀检测方法的探索

为解决拉刀的检测问题，采用了一种利用影像测量系统对拉刀试块型面轮廓的检测及结果评定的方法，满足了涡轮盘榫槽拉刀的检测精度，同时为公司拉刀生产提供了定量的数字化检测数据。     

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。     

基于相位重合点检测技术的频标比对系统

相位重合点检测是一种高准确度测量周期性信号参数的技术,已实际应用于高准确度频率计中。介绍了相位重合点检测技术的原理及其在频标比对系统中的应用。实际工作情况证明,采用相位重合点检测技术的频标比对系统,具有电路简单,可靠性高的优点,测量分辨力达到了100 ps量级。     

基于序列影像的小天体三维形状重建方法研究

提出了一种基于序列影像的小天体三维形状重建方法。利用小天体序列影像间的内在几何约束关系,在无精确位置、姿态数据的条件下,基于稀疏光束法平差求解小天体序列影像的相对位置、姿态。综合利用核线几何约束、半全局匹配、多视最小二乘匹配等策略进行小天体序列影像的密集匹配,重建小天体三维形状信息。由于小天体序列影像尺度变化大、纹理贫乏,导致影像匹配的误匹配率较高,在匹配过程中采用随机KD树搜索策略与拟合透视变换模型的RANSAC算法剔除粗差。利用"黎明号"探测器的绕飞段实测影像,对灶神星(VESTA)的三维形状重建进行了实验,结果证明了该方法的有效性。     

基于运动增强和颜色分布比对的运动目标检测

为检测无人机视频中的地面运动目标,提出了一种运动和颜色信息相结合的算法.采用前向运动历史图像来增强独立运动信息和抑制背景噪声,确保完整分割出候选运动区域; 提出一种迭代的、基于局部颜色分布比对的方法,去除候选区域中的背景像素,以更准确地提取单个运动目标.算法不仅节约了计算量,还有效降低了误检和漏检的可能性.多组无人机视频的实验结果表明了所提算法的高效性和鲁棒性.     

加强实验室间能力比对提高军事计量保障能力CSCD

针对军事计量的现状,分析了开展实验室间能力比对的重要性,并结合多年来全军实验室间能力比对的情况,提出了做好实验室能力比对工作应注意的几个问题;通过研究适用于军队特点的量值传递方法,建立综合、机动、快速的装备测量标淮及设备,目的是提高军事计量保障能力。     

一种新型高精度频标比对系统

基于对李沙育图进行图像处理的思想,从等效鉴相频率的原理出发,提出了一种新型的高精度频标比对系统。该系统可以捕捉图像翻转周期非常短的李沙育图,通过图像处理可以比对频差比较大的信号。并且构成该系统的设备简单,精度却可以大大提高。     

影像超单元技术在航空发动机静子叶片强度分析中的应用

为解决航空发动机静子叶片数目较多、结构较复杂,在强度分析时整体计算模型的规模较大,计算耗费时间较多的问题,利用MSC／NASTRAN的影像超单元技术,只需建立1个叶片的有限元模型就可进行1联叶片的整体分析。实际分析的结果表明：计算结果与采用整体模型的相同,大大节省了多联装静子叶片强度分析的时间。     

辐射变色薄膜剂量计性能测试及加速器应用

本课题的目的是建立用于辐射加工高剂量水平吸收剂量测量的辐射变色薄膜剂量计。通过系统研究,批量制备了以尼龙为基材,副品红氰化物为染料的辐射变色薄膜剂量计。为了验证批制辐射变色薄膜剂量测量的可靠性,选择了国际上应用较广的FWT-60膜及丙氨酸薄膜剂量计与本实验室批制的辐射变色薄膜开展实验室内剂量比对,比对结果均在±4%内符合,归一化偏差En绝对值均小于1。通过在加速器上进一步应用实验表明批制辐射变色薄膜可用于电子束辐照参数测量。     

一种深度学习分割遥感影像道路的损失函数

传统的根据光谱特征或形态学算法来分割道路,存在精度低、阈值难确定等缺点,而深度学习中已有的方法并未考虑道路的特性,只是利用通用方法来分割道路。针对上述不足,提出了一种针对道路特有形态的深度学习损失函数——形态损失函数。首先使用连通性算法将预测结果划分为若干个相互分离的连通区域,分别计算这些区域的面积与外接圆面积的比值,然后取平均值作为此批训练数据的形态损失函数,最后将形态损失函数按一定的比例与交叉熵损失函数求和,得到最终的损失函数。通过在公开的遥感数据集上使用深度学习网络进行对比试验,附加了形态损失函数后平均交并比（MIoU）、准确度（ACC）及F1 Score均有提高。从预测的图形来看,附加了形态损失函数后,预测的道路更为连续。所提出的形态损失函数可用于提高光学遥感影像道路分割的精度。