林地背景下伪装目标偏振成像检测算法

综合利用了偏振特征和偏振融合图像的分形特征,提出了一种林地背景下伪装目标偏振成像检测算法.首先通过模糊聚类的方法分割出偏振图像中目标的潜在区域,通过形态学方法去除微小干扰;然后在潜在区域提取分形特征,利用伪装目标与背景分形维数的差异排除背景奇异区域的干扰;最后对记录的目标区域进行判决,得到真实目标的位置和形状特征,从而...     

遗传算法在气门机构故障诊断中的应用

通过模拟柴油机气门机构的2种主要故障-气门漏气和气门间隙异常进行试验,采集柴油机缸盖表面的振动信号,计算 了柴油机缸盖振动信号的小波包能量、时域能量、最大幅值和奇异性指标。建立了振动信号的AR和ARMA模型,最后利用遗传算法进行自动再生最佳特征参数,得到了优化的气门机构故障诊断表达式,结果表明利用该表达式可以更简捷有效地进行故障诊断。     

应用图像处理进行内燃机故障诊断时应注意的几个问题

图像处理技术在内燃机的故障诊断与状态监测中应用还很少 ,本文探讨了应用于这方面时应注意的几个问题。指出利用缸盖振动信号小波包分解后的时 -频分布图的灰度直方图进行故障诊断的效果并不好 ,并分析了原因 ;进行了信号加噪声与不加噪声的诊断效果对比 ,发现噪声对基于图像处理的气门机构故障诊断的影响不大 ,验证了这一方法的工程实用性和可用性。     

分形几何在内燃机振动信号分析中的应用

本文将分形几何引入内燃机振动信号的分析之中,用分维数描述振动信号的复杂程度。对缸盖振动信号的谱分析表明,可以用分维数描述缸盖振动信号。当气门发生故障时,分维数将较正常时小,由此可判断气门状态正常与否及故障类型。     

神经网络在内燃机故障诊断中的应用研究

运用小波分析对柴油机缸盖振动信号进行分析与讨论,计算二进小波分解后尺 度１信号在各个时间段内的能量百分比,最后将此能量比作为神经网络的输入进行 训练,得到故障诊断识别网络,取得了较好的故障诊断效果。     

多重分形维数谱及其在内燃机故障诊断中的应用

采用小波模量极大值方法对缸盖振动信号去噪 ,计算数据的多重分形维数谱 ,将其用于刻划内燃机缸盖在气门不同状态时表现的非线性行为 ,从而对故障分类。结果表明 ,缸盖振动信号的多重分形维数谱当气门在不同状态时是不同的 ,可以将其作为判断气门状态的依据。     

单波长发射五通道接收激光雷达系统研制

后向散射激光雷达是探测大气气溶胶参数的有力工具,但它存在盲区和过渡区,且需要假设气溶胶的消光后向散射系数比来反演气溶胶的参数,这些限制了它的探测范围和精度。集侧向散射、后向散射和拉曼散射于一体的单波长发射五通道接收激光雷达系统,克服了上述困难。该激光雷达可以探测气溶胶的退偏比廓线、水汽混合比廓线、后向散射系数廓线和消光系数廓线等。气溶胶后向散射系数和消光系数可从地面到对流层顶进行探测,气溶胶退偏比廓线可以在对流层内进行探测,水汽混合比廓线可以在边界层内进行探测。在硬件条件的基础上,分析了各通道的信噪比和探测结果的随机相对误差。实例探测表明:该激光雷达系统数据可靠,探测范围较广。该系统的建立,为进一步深入研究气溶胶消光系数、水汽时空分布以及它们之间相互关系奠定了坚实的实验基础。     

序列图像拼接过程中误匹配的消除

序列图像拼接过程中困难之一是当重叠区域内存在多个相似部分时，就会发生误区配而导致拼接失败。在采用图像特征区域配准算法中，基于同名区域面积差、区域重心同位、区域重心距离比及配准参数复用提出了四种误区配的消除方法。实验表明，这些方法能有效地消除误匹配，提高序列图像拼接的配准率。     

空间调制全偏振计算成像场景迁移超分辨率方法

空间调制型全偏振计算成像同时获得可见光和红外通道图像,但是受探测器限制,2个通道的图像空间分辨率不一致,给后端的图像融合及目标探测过程带来不便.为此,提出基于场景特征迁移学习的空间调制型计算成像超分辨率方法.首先在分析空间调制计算成像的相同场景异源图像特点基础上,构建场景特征迁移模型;然后建立改进场景迁移卷积神经网络结构并选择修正线性激活函数,同时增加空间分辨率一致性约束;再设计最优光谱迁移响应学习策略,并作为前端输入加到超分辨率网络;最后将光谱迁移响应优化与全偏振超分辨率重建的参数联合学习,获得高分辨率偏振图像.利用实际成像系统的仿真数据及系统数据进行2倍和3倍超分辨率实验,从主观视觉效果、客观量化评价指标和偏振参量解析结果3个方面对多个指标进行评价.结果表明,文中方法在视觉效果上能够保持目标轮廓并抑制噪声干扰,在16个客观指标对比数据上取得了10个优于、3个相同和3个低于的结果,验证了该方法的有效性,为成像系统定标校正提供数据支持.     

基于卷积分析稀疏表示和相位一致性的低照度图像增强

针对低照度图像存在的对比度低、视觉效果差等问题,提出一种基于卷积分析稀疏表示和相位一致性的低照度图像增强方法.该方法基于Retinex模型,在估计照度图像时采用卷积分析稀疏表示进行约束,所用滤波器一部分人工设定,一部分由样本训练自动获得;在计算反射图像时利用单演相位一致性特征,施加相位一致性残余最小约束来恢复细节;通过联合约束并进行优化,得到的反射图像即为最终的增强结果.对大量低照度图像进行实验,并与当前先进方法相比,结果表明,本文方法不仅提高了图像的亮度与对比度,增强了细节,而且在多个客观评价指标上都优于其他方法.