“高分”科技改变生活

高分一号卫星在长征二号丁运载火箭的托举下成功飞天,并在预定轨道稳定运行,我国高分辨率对地观测系统重大专项的天基系统建设之战正式打响。至此,中国航天科技集团公司在高分专项的接力赛中高质量、高效率地跑下了第一棒,并开始将接力棒转交到数据接收处理和应用系统的手中。对于高分专项的实施而言,造好星和用好星同等重要,只有把卫星的应用     

基于投影约束的C臂外参数优化方法

C臂外参数计算是手术导航系统实现图像空间与手术空间映射的关键环节.标记点提取误差将使外参数偏离真值.采用投影方法系统分析选点误差对外参数计算的影响,发现相机光轴方向平移参数收敛性弱、易受误差干扰.利用不同平面上投影距离之比作为约束对线性方法所得外参数进行修正.借鉴二/三维图像配准方法,采用修正后的估计外参数与已标定内参数进行重投影,根据几何方法直接求出外参数修正量,避免反复迭代优化.仿真结果表明,该标定方法对误差具有一定免疫性,能够提高外参数精度.      

融合热特征的机场航站楼热成像显著人体检测模型（英文）

弱光背景下的目标检测是航站楼夜间巡检机器人的主要任务之一。然而,那些能够在计算资源有限的机器人平台运行的算法往往难以确保航站楼中人体目标的检测精度。为此,本文提出了一种融合热特征的显著人体检测模型。该模型仍然以U-Net神经网络作为基本架构,但是在解码器模块结构和模型轻量化方面重新进行了设计。一方面,在模型的解码器部分增加了由热特征分支和显著特征分支构成的融合模块,进而设计对图像高温区域更为敏感的预测损失函数,以提升算法在复杂场景下的检测精度;另一方面,通过精简编码器网络结构和控制解码器通道数的方式对模型进行了轻量化改进,以降低算法对计算资源的需求。4个数据集上的实验结果表明,本文方法既能确保较高的检测精度和很好的算法鲁棒性,又能以40 f/s以上的检测速度满足巡检机器人实时检测的需要。     

基于HOG和SVM算法的磨粒图像在线监测技术

为了解决发动机润滑油液磨粒图像监测只适用于微流且易受气泡干扰等问题,设计了一种可适用于相对大流量工作环境的油液磨粒光学图像在线监测系统,区分气泡和磨粒。通过该监测系统,批量采集了一系列磨损颗粒和气泡图片,用于后续图像分类算法的训练与测试。采用了一种基于背景差分和大津法的运动物体提取算法提取出大量磨粒及气泡图像样本,运用基于方向梯度直方图（Histogram of oriented gradients,HOG）进行特征提取和支持向量机（Support vector machine,SVM）分类算法对气泡和磨粒进行识别。实验结果表明,该监测系统能有效采集磨粒及气泡图像并进行自动识别。与基于形态学特征提取算法以及K最近邻（K-nearest neighbor,KNN）等传统分类算法相比,HOG-SVM算法分类精度更高,识别准确率可达83 8%。     

基于单应性矩阵的模型迎角单目视频测量方法

风洞试验中模型迎角的精准测量是降低阻力系数误差的重要途径之一,为此,提出了基于单应性矩阵的模型迎角单目视频测量方法。该方法通过两个单应性矩阵,获取试验过程中相机实时位姿和标记点物方空间位置坐标,应用坐标旋转关系,完成试验模型的迎角测量。数值仿真试验结果表明：迎角测量误差与待测标记点到风洞壁板间的距离偏差近似为线性关系,因此,当标记点不满足共面条件时,可根据该特点进行测量误差修正。静态标定和风洞迎角测量试验结果表明：修正系统误差后,迎角实测数据的测量准度在0.01°以内,精度不超过0.012°。本文方法易于实施,工程实用价值强。     

用于BVI噪声试验的新型涡发生器设计与分析

针对直升机特有的旋翼桨/涡干扰(Blade vortex interaction,BVI)噪声计算精度低且试验数据缺乏问题,也为了开展旋翼气动噪声特性分离方法的验证试验研究,本文设计了一种能够用于BVI噪声试验的新型多段翼型组合式涡发生器。首先通过CATIA软件建立涡发生器出口端翼型段在不同迎角下的试验模型,再使用FLUENT软件建立涡发生器的流场仿真计算模型,比较分析了不同翼型段迎角下的涡流流场。随后用粒子图像测速法(Particle image velocimetry,PIV)技术系统测量了不同翼型段迎角、距离涡发生器出口端的长度及流速等参数变化下的涡流流场,对不同试验状态下的涡核、涡强等参数进行了对比分析。针对涡量偏弱的缺点,对传统单级涡发生器进行了改进,设计研发了双级涡发生段。试验证明其能产生更强且稳定的涡,为BVI噪声试验提供了模拟的桨尖涡,试验结果表明了涡发生器的有效性。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

基于射线追踪的快速雷达图像仿真方法

为了解决目标识别、隐身目标设计等研究领域对雷达图像需求日益增加的问题,提出了一种基于射线追踪的快速雷达图像仿真方法。该方法利用射线追踪计算每一个射线管的散射电场及其在雷达成像平面的投影坐标,通过将所有射线管的贡献在像域进行累加得到1幅二维雷达图像。通过对不同路径射线的聚类,可实现对散射贡献的分离,从而建立目标部件与强散射源的对应关系,并对复杂目标雷达图像进行解释。给出了Slicy目标的快速雷达图像仿真与算例分析,分析结果表明:基于射线追踪的快速雷达图像仿真方法可对复杂雷达图像进行有效预测,并能对强散射源进行成因分析。     

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。