车牌定位与字符分割方法研究

介绍了一种改进的基于纹理特征的车牌定位方法,采用自适应阈值,实现了车牌的准确定位。设定自适应改变大小的投影切割阈值实现了字符分割。最后采用BP神经网络法来识别各个字符。实验结果表明,该方法能够较为准确的实现车牌识别,具有定位准、鲁棒性好等特点。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

冲偏出跑道事件风险影响指标分析

目前对冲偏出跑道风险的研究多基于事故统计数据,较少从飞行数据及飞行操作特征的角度进行分析。基于飞行数据,对冲偏出跑道事件开展风险分析。将飞行数据分为飞行状态、操作指令、信息3 类,以此研究飞机在起飞滑跑、着陆、着陆滑跑3 个阶段的状况及风险影响指标;通过数据所反映的操作特征,结合标准操作程序,推导出飞机偏离正常数据、与标准操作不相符的操作,得到影响正常飞行的风险因素;基于行为安全2-4 模型,建立冲偏出跑道风险评价指标体系,对实际案例的事故致因机理进行研究,着重分析操作特征及人为因素,并提出冲偏出跑道风险防控措施。结果表明：通过对飞行操作特征及飞行参数的分析,从操作类、数据类以及环境类3 个维度建立风险影响指标体系,可以降低指标因素对冲偏出跑道事件的影响;从人、机、环、管方面提出改进措施,可有效降低冲偏出跑道事件发生的概率。     

网格拓扑对DLR-F6构型数值模拟的影响

基于TRIP3.0软件平台和多块结构网格技术,开展了控制方程和网格拓扑等因素对DLR-F6构型数值模拟的影响研究。数值计算采用与试验相同的参数,采用了RANS/TLNS方程,生成了O型和H型2种拓扑的粗、中、细网格进行模拟。分别从气动特性、压力系数分布曲线和表面流态3个方面对结果进行分析。通过与试验数据的对比表明,在模拟小分离流动时,采用H型拓扑网格和RANS方程模型,获得的计算结果会更为准确。     

双组尾翼弹气动特性计算与分析

本文根据双组尾翼弹的外形特点，选用了代数网格生成方法，通过求角N－S方程，对其气动特性进行了数值计算，并对其计算结果进行了分析。由计算结果可知，此种弹的双尾翼可以为其提供一定的转速和升力，提高其静稳定性。并且此种弹已经用于型号设计。     

进入中、韩两国的「日本製漢語」研究

「日本製漢語」是日本创造的汉字词,现已成为汉语和韩语的重要组成部分。分析了「日本製漢語」产生的原因和过程,探讨了「日本製漢語」进入中国和韩国的历史、政治和文化背景,并以「同形同義語」、「同形類義語」、「同形？義語」三个类型的「日本製漢語」,从数量、语义比较研究了它们在汉语和韩语中的差异及不同用法。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

Visual inspection of aircraft skin: Automated pixel-level defect detection by instance segmentation

Skin defect inspection is one of the most significant tasks in the conventional process of aircraft inspection. This paper proposes a vision-based method of pixel-level defect detection, which is based on the Mask Scoring R-CNN. First, an attention mechanism and a feature fusion module are introduced, to improve feature representation. Second, a new classifier head—consisting of four convolutional layers and a fully connected layer—is proposed, to reduce the influence of information around the area of the defect. Third, to evaluate the proposed method, a dataset of aircraft skin defects was constructed, containing 276 images with a resolution of 960 × 720 pixels. Experimental results show that the proposed classifier head improves the detection and segmentation accuracy, for aircraft skin defect inspection, more effectively than the attention mechanism and feature fusion module. Compared with the Mask R-CNN and Mask Scoring R-CNN, the proposed method increased the segmentation precision by approximately 21% and 19.59%, respectively. These results demonstrate that the proposed method performs favorably against the other two methods of pixel-level aircraft skin defect detection.     

变背景下斑点状散布目标自动识别算法

从自动目标识别原理出发,通过对变背景下斑点状散布目标特性的分析,发现了该类目标图像中背景、噪声和斑点状散布目标的固有规律。进而,从图像像素灰度这一最基本的要素着手,研究了如何在大量的序列图像中搜索目标帧位置的方法。然后,基于目标轮廓提取和串行边界分割技术,解决了变背景下斑点状散布目标自动识别的难题。实验结果证明:该算法具有高效、快速、稳定、适用等优点,并为相关领域内的应用提供了宝贵的参考价值。     

空间目标快速轮廓特征提取与跟踪技术

为满足空间目标交会对接任务中高精度、快速的测量要求,提出了一种空间目标快速轮廓特征提取与跟踪技术。该算法首先从初始帧图像中分割定位目标所在局部区域,作为目标连续跟踪的初始值;其次基于初始帧目标局部区域完成对初始帧目标边缘特征的检测及细化处理;最后采用Hough变换完成对初始帧目标边缘的检测及细化后的局部图像轮廓直线的提取,分别选取目标轮廓四方向最优的直线参数作为最终目标轮廓直线获取的效果,并采用梯度最大法则实现两两求交获取的轮廓特征的优化提取。在目标逼近过程中,结合相邻帧图像间目标尺度动态变化的关联性,根据初始帧提取目标轮廓特征的先验信息,确定目标在第二帧图像中的轮廓位置,并依次根据上一帧图像的轮廓位置信息定位目标在当前帧所在的区域,通过局部处理实现序列图像轮廓区域特征的连续跟踪。该算法无需遍历整个图像,所需处理的目标区域大幅减小,能够有效克服由目标图像较多边缘干扰导致的轮廓提取效果差及处理速度慢的缺点,具有速度快、准确性强、稳定性高等优点。