机载聚束式合成孔径雷达的成象处理设计

针对机载聚束式合成孔径雷达工作模式可在小目标范围内实现高分辨力成象的特点，提出了一种以解线性调频技术为核心的，适于聚束式ＳＡＲ成象的灵活高效的信号处理方法和流程。     

基于视觉的码头集装箱AGV导引系统

根据码头环境的特殊性,提出了一个应用在码头的集装箱装卸自动导引车(A u tom atic gu ided veh icle,AGV)系统。本系统是基于视觉导引的,采用先识别,后跟踪的方式。在识别时根据识别的标志线的特点,提出了改进的Sobe l算子和可调节参数的Hough变换的方法;在跟踪时,提出了一种用自适应模糊的负反馈来改善系统识别质量和频率稳定性的思想,并应用到了该系统中。文中还提出了一种简单有效的防止图像抖动的方式,使得传送给机车控制系统的参数更加平滑、稳定。实验证明,该系统可以满足AGV在码头工作环境中的全天候工作,并且保证AGV在8 m/s的速度下,系统的识别精度在5 cm以内。     

Inconel718多通道放电烧蚀铣削加工技术研究

为了提高高温合金Inconel718电火花放电烧蚀加工效率,改善工件表面质量,使用多通道放电烧蚀加工新方法对Inconel718进行多通道放电烧蚀铣削加工试验。研究表明:在多通道放电烧蚀加工过程中,放电通道的个数是随机的;在一个脉冲放电周期中,随着通道数目的增加,电压波形呈阶梯下降,总回路电流波形呈阶梯上升。对比常规电火花烧蚀加工,多通道放电烧蚀加工的总回路电流提高,使得材料蚀除率提高73.7%;同时,多通道放电分散放电能量,使得多通道放电烧蚀加工后工件表面粗糙度较常规电火花烧蚀加工下降14.6%,工件表面微裂纹变少,裂纹的宽度和长度变小。     

融合背景图像信息和多特征压缩的相关滤波跟踪算法

针对相关滤波类跟踪算法目标背景图像信息利用率较低、目标特征表达能力较弱的问题,提出了一种融合背景图像信息的多特征压缩跟踪算法。首先,在上下文感知滤波器的基础上,将背景图像信息加入位置滤波器。其次,提取颜色名(Color Name, CN)特征与梯度直方图(Histogram of Oriented Gradient, HOG)特征,使用最大响应因子及平均峰相关能量(Average Peak-to-Correlation Energy, APCE)评估跟踪结果的可信度,实现两种特征的自适应融合。最后,利用特征降维简化模型的复杂度,实现算法运行速度的提升。实验结果表明,改进后的算法在遮挡、形变、尺度变化等复杂环境下均具有较高的鲁棒性,其跟踪精度和成功率指标均优于DSST及其他主流的跟踪算法,并且仍保持了实时性。     

基于图像化变差函数的性能数据异常明别

为提升发动机性能监控的智能化水平,实现性能数据的高效利用,提出了基于图像化变差函数的发动机性能数据异常 判别方法。 通过研究发动机性能数据的标准化修正方法和图像转化方法,将数值型表示的发动机性能数据转化为发动机性能图像。 通过引入变差函数理论,采用 4 方向的变差函数值表示性能特征值,融合不同时刻不同参数的性能数据。 在提取发动机性能图像关 键特征点的基础上,定义性能图像间的差异距离,实现基于变差函数的发动机性能图像异常判别方法,从而实现对发动机性能状态 的判别。 选用若干组实际发动机性能数据对方法进行验证O 验证结果表明:该方法运算高效,实现了高维性能数据的降维和对性能 图像运行状态的分类,从而判别发动机性能数据的运行状态。     

Softmax分类器深度学习图像分类方法应用综述

基于深度学习的人工智能图像分类方法研究是当前计算机视觉领域的研究热点。面向深度学习中的Softmax图像分类方法,首先回顾了图像分类技术的发展历程,接着介绍了图像识别技术中的分类器,并解释了Softmax回归函数的分类实现原理。基于Softmax回归分类器的应用,详细阐述了多种图像分类技术,具体包括浅层神经网络、深度置信网络、深度自编码器和卷积神经网络。同时,对比介绍了各种级联模型的具体结构、训练方法、实际应用、分类效果以及优缺点。最后,从Softmax回归分类器、深度学习网络模型和高维数据分类三个方面对基于Softmax回归分类器的深度学习模型在图像分类方面的发展与应用前景进行了展望。     

一种月面采样量的在轨自主测量方法

月面采样量的在轨自主测量是实现月面自主采样的必要环节。本文设计了一种月面采样装置,根据图像信息实现对月面采样量的在轨自主测量。针对图像中目标与背景灰度差较小、背景区域噪声较多的特点,采用了改进型最大类间方差法与连通标记自适应去噪方法,实现了采样区域较为准确的分割。针对单目相机无法直接获取采样区域尺寸的特点,利用已知物体尺寸进行在轨自主标定,结合图像中提取出的采样区域,完成了采样区域尺寸的计算,实现了采样量的在轨自主测量。试验结果表明,在轨自主测量结果与实际结果吻合,本文提出的在轨自主测量方法有效。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

高超声速飞行器脆性透波材料大热流冲击下断裂性能试验

高超声速飞行器在俯冲段、高机动变轨或瞬间外露定位探测设备时,快速变化的高热流密度气动热会对天线窗、天线罩等部件产生强烈的热冲击。判断脆性材料透波部件在大热流密度冲击下是否出现断裂破坏及确定断裂时间点,对于高超声速飞行器能否最终锁定并击中目标具有极为重要的意义。本文建立石英灯红外辐射式大热流冲击试验系统,最大冲击热流密度可达1.5 MW/m²,并对SiO₂和Al₂O₃2种脆性材料进行了高速热冲击试验。热流冲击模拟准确,控制结果与预设热流的相对误差小于1.0%。同时,采用数字图像相关方法实时采集热冲击过程中脆性材料表面散斑图像的动态变化,成功捕捉并获得了断裂时间点这一重要关键参数。通过对散斑图像的分析计算,得到了脆性试验件断裂前的表面应变的变化。试验结果为高超声速飞行器透波天线窗等信号探测定位部件在高速大热流热冲击下的安全可靠性设计提供了重要依据。