基于透射先验的弱光照图像增强方法

为了增强弱光照图像的纹理细节,提升整体的视觉效果,本文提出了一种基于透射先验的弱光照图像增强方法.首先,利用两种透射先验对弱光照图像分别进行独立的透射图估计,从而生成两幅富含不同有效增益的子透射图;然后,将两幅子透射图输入到所搭建的子透射图融合网络中,获得融合后的透射图;最后,将融合后的透射图代入低像素强度图像退化模型中,获得增强后的图像.实验结果证明了本方法在鲁棒性、有效信息增益和视觉效果增强等方面的有效性.     

基于透射图融合的图像传感信号温度漂移智能补偿方法

不同空间环境温度影响图像传感信号，导致图像传感信号出现温度漂移的问题，为了提升图像传感信号温度漂移补偿效果，提出基于透射图融合的图像传感信号温度漂移智能补偿方法。该方法详细分析了温度对图像传感信号的影响，确定图像传感信号的温度漂移问题，根据分析结果，引入透射图融合方法，增强处理图像传感信号质量，结合最小二乘拟合方法，构建图像传感信号智能补偿模型，修正图像传感信号，实现图像传感信号温度漂移补偿。实验结果表明，通过分析采用该方法补偿的图像传感器信号，补偿误差仅为0.65×10⁴,补偿消耗时间不超过0.4 s,验证了该方法的有效性和可行性。     

融合结构和特征的图层次化池化模型

作为深度神经网络向非欧式数据上的扩展,图神经网络（GNN）已经在图节点分类任务、链接预测任务和图分类任务中取得了显著成就。在图分类任务上,当前方法一般通过层次化的池化过程同时考虑图的局部和全局结构信息以学习高层次的图表示。在对当前的图分类模型进行对比分析后,考虑当前方法的不足,结合不同方法的优势,提出结构和特征融合池化模型（SAFPool）。SAFPool模型在池化时使用了两个聚类分配矩阵生成模块,分别是基于结构的聚类学习和基于特征的聚类学习模块,基于结构的聚类学习根据图结构信息对结构相似的节点聚类,基于特征的聚类学习则根据图节点特征对特征相似的节点聚类。二者的聚类结果加权聚合后便能获取实现聚类策略的聚类分配矩阵以同时利用图结构和节点特征信息。最后,在多个图分类数据集上通过对比实验和可视化说明了同时显式地利用图节点特征信息和图结构信息实现聚类策略的有效性。     

基于多重特征信息的图像显著性检测方法

针对海量视觉数据处理中的图像显著性检测问题,提出一种基于多重特征信息的新型方法。该方法首先根据像素的CIE Lab颜色空间和空间位置信息选用k-means算法对图像像素聚类,在初始化中心时根据蜂窝原理使用正六边形进行选种。然后用全局对比和局部对比方法分析选取的多重图像特征,并计算得到八种特征图。最后对八种特征图融合得到初始显著性图,再用阈值法得到最终的显著性图。该方法通过改进k-means算法实现良好的图像聚类以进一步分析、处理图像特征,并依据对比度、关键区域聚焦等重要原理将图像底层特征和中层特征合理融合,兼顾全局对比和局部对比,处理问题全面而高效。实验结果表明,从主观和客观两方面进行整体评估,该方法都达到了优越的性能。     

基于亮度评估技术的特征增强衍生图融合算法

针对由动态范围,光照条件,图像捕获设备等因素获得的低亮度图像,提出了一种基于亮度评估技术的特征增强衍生图融合算法来实现亮度较暗图像的对比度调整和特征增强.首先,利用亮度评估技术对低亮度图像的亮度进行评估优化处理,得到曝光率映射;然后,结合曝光率映射和改进的卡方分布函数模型来获取两幅特征增强的衍生图进行融合.最后,利用改进的衍生图融合算法得到最终融合图像.实验结果表明,所提算法的亮度误差,视觉信息保真度,图像互信息等评估参数优于近期方法,在提升图像对比度同时保留了图像良好曝光率区域,并较好地恢复了低亮度区域的边缘以及纹理等细节信息.     

基于LLF和RBD检测的红外和可见光图像融合

提出一种基于LLF和RBD检测的红外和可见光图像融合方法。运用局部拉普拉斯滤波对红外图像平滑处理和对可见光增强处理,以充分利用红外图像的目标信息和可见光图像的细节信息。在此基础上,采用增强背景检测的RBD显著性检测算法处理红外图像,以很好地检测出目标。此外,为了增强目标信息,减弱背景干扰,对RBD检测的结果进行S曲线变换。然后,对红外和可见光图像应用NSST分解得到高频分量与低频分量。最后,使用S曲线变换后获得的显著图对低频分量进行加权融合,采用绝对值取大的规则对高频分量进行融合。实验结果表明,该方法能够得到红外目标突出,细节增强的融合图像。     

基于雾气浓度估计的图像去雾算法

根据雾气浓度的视觉特征,提出一种雾气浓度估计模型.在此基础上,结合大气散射模型,提出一种新的图像去雾算法.首先,基于雾气浓度估计模型计算出雾气浓度量化图,利用模糊聚类算法在量化图中识别出雾气最浓区域并估计出全球光; 然后,对量化图中的“非雾气最浓”区域再次进行聚类处理,根据文中所提最优透射率评价指标估计出每个聚类单元的透射率,将全球光与透射图以及有雾图像导入散射模型,便可达到去雾的目的; 最后,针对去雾后图像较实际场景偏暗,提出一种基于小波域的多尺度锐化算法进行增强处理,以改善其主观视觉质量.实验结果表明,本文算法与现有主流算法相比,具有更好的去雾效果,并且其计算速度也相对较快.     

基于融合显著图和高效子窗口搜索的红外目标分割

为了快速精确地分割红外图像目标,提出一种基于融合显著图和高效子窗口搜索的红外目标分割方法.在获取图像超像素的基础上,提取每个区域增强的Sigma特征,并考虑邻域对比度、背景对比度、空间距离和区域大小的影响,构建局部显著图,接着利用全局核密度估计构建全局显著图,然后融合局部和全局显著图实现图像显著性检测,最后应用高效子窗口搜索方法检测和筛选目标,实现红外目标分割.实验结果表明,新方法的显著图结果目标区域一致高亮且边缘清晰,背景杂波抑制效果好,可实现快速精确的目标分割.     

综合引导滤波和字典学习超像素聚类图像融合

针对多聚焦图像融合易出现块效应和边界伪影等问题,提出了一种综合迭代引导滤波和字典学习超像素聚类的融合算法.首先对源图像进行超像素分割,利用密度峰值实现超像素的聚类,以超像素聚类块为处理单元提取特性形成特征矩阵;建立低秩表示模型,引入拉普拉斯正则项增加同类相邻区域空间一致性约束;构造低秩表示字典,借助自带二次惩罚项的线性交替迭代求解模型系数;通过联合低秩表示系数矩阵和误差矩阵构建初步聚焦特征图,利用迭代引导滤波优化聚焦特征图扩大多焦差异化,最后基于优化聚焦特征图和源图像获得最终融合结果.经仿真对比可知,提出算法的融合结果无论在主观视觉还是客观指标上都优于其他同类算法.     

基于特征融合的多约束非负矩阵分解算法

针对非负矩阵分解后数据的稀疏性降低、单一图像特征不能够很好地描述图像内容的问题,提出一种基于特征融合的多约束非负矩阵分解算法。该算法不仅考虑了少量已知样本的标签信息和稀疏约束,还对其进行了图正则化处理,而且将分解后的具有不同稀疏度的图像特征进行了融合,从而增强了算法的聚类性能和有效性。在Yale-32和COIL20数据集上进行的对比实验进一步验证了该算法具有更好的聚类精度和稀疏性。     

非视距环境中的无线网络残差加权定位算法

无线定位已成为物联网应用的重要研究内容,为减小非视距(NLOS)误差对传统定位算法的精度的影响。因此提出一种基于目标临时位置估计的残差幂次方加权定位算法。算法核心在于先利用分组定位得到不同目标节点估计位置,并将位置之间的差值定义为临时定位残差。然后区别于传统残差加权定位算法,本文提出用残差的高次幂作为加权函数,并通过仿真搜索最优的加权函数。仿真结果表明,当LOS-SN数目不小于2时,本文算法在定位精度上远高于传统的NLOS抑制定位算法。和传统的残差加权定位算法(RWGH)相比,本文所提算法的定位精度提高了近60%,同时降低了对LOS-SN个数的要求。和半正定规划(SDP)相比,定位精度提高了近38%,并降低了计算复杂度。     

青藏高原冻土温度64通道监测系统设计

为了服务青藏高原铁路建设需要,本文在分析青藏高原冻土水热物理特性基础上,研究了冻土测试专用热敏电阻的非线性特性,通过实验逐点测试传感器温度值并进行分段拟合,得到热敏电阻的阻温关系曲线。结合青藏高原恶劣自然环境,设计了一种适应于青藏高原不同深度冻土温度监测系统。引入四线制方法,巧妙地设计了64通道温度监测电路,实现了不同深度冻土温度监测功能。根据测试精度要求,提出一种温度校正方法,解决了热敏电阻测量不稳定,信号畸变等问题。经过系统性能分析与实验室测试,结果表明系统能够满足不同深度冻土温度监测精度要求,功耗较低,具有良好的工作性能。     

水下石油管道巡查机器人控制系统的设计

水下石油管道是海上油气田生产设施的重要组成部分,必须定期或适时对其进行检测以保障其安全运营。针对水下石油管道巡查及检测的目的,采用STM32主控芯片、串口摄像头、舵机和通信模块,搭载最新版本的μC/OS-Ⅲ实时操作系统,设计了一种鱼雷型仿生式水下机器人。该机器人应用在浅水层区域,通过WiFi远程控制并实现水下画面上传至上位机,上位机处理图片使泄漏点特征清晰。通过系统调试和记录分析表明,该水下机器人可以远程无线控制和无线图像传输,能够实现水下巡查任务,并且具有控制系统简单化、功能灵活化、性价比高等优点。利用水下机器人可以对水下石油气管道完好性进行巡查,防止出现泄漏事故,杜绝安全隐患。功能多样的水下机器人将成为机器人研究领域的热点之一.     

基于七元传声器阵列的声源定位算法及性能分析

为了准确定位声源所在空间位置,提高声源定位性能,在分析方位估计算法的基础上,建立七元传声器阵列模型,提出一种声源定位算法。根据阵元间的矢量关系,推导出声源方位计算公式,实现声源定位。利用阵列参数,水平偏角、仰角和声源到阵元中心距离,与定位性能关系,对测距测向精度进行分析。结果表明,该算法声源坐标误差为1.0%,方位角误差为0.5%,具有较好的定位效果。     

一种双层树型高能效多链路由算法

针对PEGASIS协议算法的单链维护成本高,COSEN协议算法的交叉链和长链多、数据逆传递严重等缺陷,提出一种双层树型高能效多链路由算法(TTEMR)。TTEMR算法把网络节点分为两层,底层将网络节点构造成多条分链,选取主链头和分链链头构造顶层链头链。对成链过程中产生的孤立点进行树型结构化处理以降低数据传递路径长度,优化主链头和分链链头选取策略及成链规则,并对Sink附近的普通节点和链头进行不入链操作以减少数据逆传递。仿真实验结果表明,与LEACH、PEGASIS和COSEN算法相比,TTEMR算法在每轮节点的存活数量、网络的稳定周期和生命周期、每轮剩余总能量及单位链路段平均路径长度等性能方面表现优异。     

基于能量收集和链路感知的无线体域网路由协议研究

为了提高无线体域网的能效和数据传输可靠性,提出一种基于能量收集和链路感知的无线体域网路由协议(EHLA)。针对传感器能量匮乏且电池不易更换等问题,引入能量收集技术为传感器补充能量。通过分析网络的能耗和信道特性,建立由剩余能量、链路质量和节点间距离所组成的多目标成本优化模型。最终根据EHLA路由协议得到最佳的下一跳转发节点和到Sink节点的最优路径。仿真分析表明,与现有EVEN和ELR-W协议相比,该协议有效地增加了网络寿命和数据传输可靠性。     

胶粘剂对表贴式聚酰亚胺光纤布拉格光栅应变传递的影响分析

光纤布拉格光栅传感器用于测量结构的应变时,需与被测基体相粘黏,使其与基体协调变形,故胶粘剂的选取对其测量结果有直接的影响。针对此问题,本文对表面粘贴式应变传递模型进行了改进,建立了更为合理的模型,并通过理论分析出了影响应变传递率的主要因素,得到了其传递率随胶体剪切模量的增大而增大的结论。通过控制变量法,用480胶、AB胶、401胶、环氧树脂、3311胶这五种不同胶粘剂,将聚酰亚胺光纤光栅粘贴于等强度梁表面进行对比实验,得到了相应的应变传递率,其结果与理论模型计算值相比误差在5%左右,为表面粘贴式光纤光栅测量应变的工程应用提供了重要的参考。     

基于MIMU车轮力传感器姿态解耦方法研究

为了克服编码器在车轮力姿态解耦中的局限性,设计了一种基于MIMU车轮力传感器姿态解耦方法。首先介绍了该方法的基本框架,并建立了坐标系和描述了姿态角。随后提出了一种梯度下降算法用于解算车轮的姿态,该算法能有效地结合加速度计和磁力计对MIMU中陀螺仪的输出进行补偿,使解算结果更加准确。最后的实验表明该解耦方法结果良好,为车轮力传感器姿态解耦提供理论基础。     

深度学习在藻类分类识别中的应用

为了解决藻类分类识别中人工选取特征困难的问题,提出了一种基于深度学习的藻类分类识别方法。首先,对训练和测试样本集数据进行处理,得到所需数据的格式;其次,研究各种深度学习模型,理解卷积层、全连接层等的作用,基于Caffe设计深度学习网络模型;最后,根据设计的深度学习网络模型,比较各个模型的性能,得到最好的模型。实验结果表明,使用该方法做藻类分类,优于张松等基于视觉词包模型训练SVM分类器的方法,得到比较理想的效果。     

基于Dubins曲线的无线传感网聚类移动数据采集算法

利用类车型Sink节点实现无线传感器网络的移动数据采集,可以有效延长网络生命周期。考虑类车型移动Sink节点的Kinematic约束,本文提出了一种基于聚类间Dubins平滑曲线的移动数据采集算法。整个无线传感器网络被划分为多个不重叠的聚类区间,聚类内采用最小生成树路由方法实现传感器节点的无线多跳式数据传输,Sink节点按聚类之间规划的Dubins曲线寻访数据采集点进行移动数据采集,从而兼顾移动数据采集的平滑性和节点能耗的优化性。仿真结果验证了本文算法可以在保证移动路径平滑的约束条件下提高无线传感器网络的能耗效率。