基于区域分割的红外与可见光图像融合算法的研究(英文)

由于红外图像和可见光图像的成像特点不同,因此在航空监视领域红外图像和可见光图像融合有重要的研究意义。由于非下采Contourlet变换具有更好的方向性、较高的逼近精度和更好的稀疏表达性能,能有效的提取图像的特征信息。因此我们在非下采Contourlet域,以空间频率为度量标准对红外图像进行阈值分割,经过分割将红外图像和可见光图像分别划分为目标区域以及背景,随后对红外图像和可见光图像进行边缘检测从而得到边缘区域,针对三个不同区域分别选择不同的融合规则进行融合。通过两组不同灰度差异的红外与可见光图像的实验,将基于像素点,窗口策略的融合算法和本文所提出基于区域算法进行了主观和客观的对比,试验结果表明基于区域分割的红外与可见光图像融合算法不仅能有效提取出红外图像中的目标信息还能有效的保持可见光图像的所反映的光谱信息,因此本文提出的算法是一种有效且可行的图像融合算法。     

改进Hilbert-Huang变换在齿轮故障诊断中的应用

针对Hilbert-Huang变换中齿轮故障信号经验模式分解的第一阶固有模态函数通常为非单一信号分量以及经验模式分解产生虚假低频分量的问题, 提出一种改进Hilbert-Huang变换方法.首先在频谱中确定故障信息频率范围, 并依据该频率范围和二进小波分解的特点确定需提取的相应频带的二进小波系数, 然后采用相关系数筛选法剔除小波系数经验模式分解所产生的虚假分量, 最后通过局部瞬时能量提取故障特征, 实例表明改进的Hilbert-Huang变换可以有效的提取齿轮故障特征.      

绕水翼空化非定常动力特性的时频分析

为了解绕水翼附着空化的流体动力特性,用实验方法研究了绕水翼的空化流动现象。实验在空化水洞中完成,采用高速摄像技术观测了不同空化阶段的空穴形态,并测量了水翼所受的升阻力。利用时频分析中的Choi-Williams变换和小波变换对水翼升力信号进行了分析处理,得到了水翼升力信号在不同空化阶段的时频特征。结果表明：在不同的空化阶段,对应于各种不同的空化形态,其流体动力的频谱特性也表现了不同的特点。在没有空化产生时,水翼升力的时频无规则,升力随时间的变化不存在周期性;在片状空化阶段,升力信号变化的频率随着空化数的减小而减小;在云状空化阶段,空穴波动增强,升力信号的周期性更加显著,而此时频率基本不随时间和空化数变化。     

基于时频分析的双通道SAR自旋目标检测

强地杂波背景给微动目标检测带来很大困难,为此在详细分析距离向压缩数据域自旋目标回波特性基础上,提出了基于双通道合成孔径雷达相位中心偏置天线(SAR/DPCA)和沿航迹干涉(ATI)杂波抑制的两类自旋目标检测方法,并作比较分析.在DPCA模式下,微多普勒频率沿频率(m-D)轴有一整体平移量,其与目标自旋中心的方位向坐标成...     

基于Hilbert-Huang变换和盲源分离的滚动轴承耦合故障诊断方法

结合Hilbert-Huang变换和盲源分离的优点,提出一种基于Hilbert-Huang变换和盲源分离的滚动轴承耦合故障诊断方法。该方法首先对滚动轴承故障信号进行EMD分解（经验模态分解）,得出各个本征模态函数IMF,并对IMF进行包络解调,然后用盲源分离方法对所得到的解调信号进行盲源分离,最后对盲分离后的信号进行频谱变换,从频谱图上可以清晰地观察出滚动轴承的故障特征频率。本文建立了转子-滚动轴承故障实验台,模拟了滚动轴承耦合故障,应用本文方法进行了实例分析,结果充分表明了本文方法较单一Hilber-Huang变换具有更好的降噪能力,更加突出了滚动轴承故障特征。     

二元进气道非均匀超音来流试验研究

介绍一种二元进气道模型在非均匀超音来流中的初步研究结果。试验在DLR小型超音风洞上进行。为造成非均匀来流条件,试验中将部分或全部试验段顶壁附面层引入进气道模型。结果表明,进气斜板产生的头激波与来流附面层相互作用的性状在不同的附面层隔道下变化极大。随隔道高度增加,激波附面层相互作用距离L起初亦增加,当全部附面层被排移后,L大幅度下降。与均匀来流试验结果相比较,当来流顶壁附面层全部被进气道吞入时,该进气道总压恢复σ及质量流率m分别降低18％及15％(M_∞=2.19),同时出口面总压畸变大幅度增加。文章分析了原因及对进气道性能影响的强度。     

基于小波分析的压气机失速故障检测

当发动机发生失速时，会引起压气机内压力信号的变化，这种压力信号的变化可以看作信号的奇异点，利用小波分析所具有的时－频特性和多分辨分析的特点，结合对压气机内压力信号频率成分的研究，通过检测模极大值的方法来确定信号的奇异点，进而探测压气机的失速故障，结果表明，利用该方法可以准确地检测压气机失速故障。     

基于多特征图像增强深度卷积神经网络的航天用电子元器件分类算法

为了实现航天用电子元器件的全自动及非接触识别,并减少由照明系统造成的图像亮度不均、偏色等问题对检测结果的影响,通过结合局部、区域和总体三个层次特征提升物体检测精度,提出了一种基于多特征图像增强深度卷积神经网络(MFIE-DCNN)的航天用电子元器件分类算法。MFIE-DCNN算法包含多特征学习和深度学习,其学习过程类似于人类视觉系统,能够对形状、方向和颜色特征进行深度挖掘,突出元器件边界信息,抑制背景杂波干扰。实验结果表明,该算法能够区分电路板板载元器件的种类,检测准确度优于传统算法。对比基于稀疏自动编码器的深度神经网络,检测结果提高了近20%。     

EXTENDED SELF SIMILARITY OF PASSIVE SCALAR IN RAYLEIGH-BENARD CONVECTION FLOW BASED ON WAVELET TRANSFORM

Wavelet transform is used to analyze the scaling rule convection flow from two aspects. By utilizing the method of extended self similarity (ESS), one can find the obtained scaling exponent agrees well with the one obtained from the temperature data in a experiment of wind tunnel. And then we propose a newly defined formula based on wavelet transform, and can determine the scaling exponent ξ(q) of temperature data. The obtained results demonstrate that we can correctly extract ξ(q) by using the method which is named as wavelet transform maximum modulus (WTMM).``     

基于解析小波的光流计算方法

在基于小波变换的光流计算中,实值小波系数的相位振荡和多分辨率计算的累计误差是影响光流计算精度的两个主要原因.通过引入解析小波以降低相位振荡的影响,同时结合M估计子能够有效抑制参数估计产生的大误差项,提出一种多尺度多分辨率的光流计算方法.实验表明,与现有的基于小波变换的光流计算方法相比,提出的方法不论在光流计算的精度还是可计算范围上都有很大程度的提高.