涡轮叶片X射线图像超分辨率重建技术

针对涡轮叶片X光无损检测系统精度低的缺点,提出一种X光DR数字图像的分辨率增强方法。该方法采用一组包含相对位移的叶片X光图像,通过一种频率域方法对它们进行亚像素精确配准,然后采用非均匀插值重建出一幅高分辨率图像。实验结果表明该方法具有提高涡轮叶片X光数字图像分辨率的能力,具有良好的应用价值。

基于卷积神经网络LeNet-5的货运列车车号识别研究

针对货运列车车号字符识别,提出了基于卷积神经网络Le Net-5的改进识别方法,考虑到卷积神经网络的层次化以及局部领域等结构特点,对网络中各层特征图的数量及大小等参数进行相应的改进,形成了适用于货运车号识别的新网络模型。实验结果表明,该方法对车号的断裂、污损等问题的解决有较强的鲁棒性,达到了较高的识别率,为整个车号识别系统的精确性提供了保障。

一种涡轮叶片DR图像分辨率增强方法

针对涡轮叶片无损检测中DR图像分辨率低的问题,提出一种基于超分辨率重建的DR图像分辨率增强方法。该方法首先获得一组包含相对位移的叶片DR图像,之后使用Keren配准方法对它们进行亚像素配准,最后采用非均匀插值法重建出一幅超出原始DR图像分辨率的图像。实验结果证明:该算法能大幅提高真实涡轮叶片DR图像分辨率,是实用和有效的。

一种改进二维投影模型运动参数估计算法

二维投影模型运动参数估计是图像序列运动分析的关键技术,针对Levenberg-Marquardt算法在解决二维投影模型运动参数估计问题时计算量大的缺点,提出了一种改进的二维投影模型运动参数估计算法。该方法通过对非线性最小平方误差函数的线性化,重新定义了目标函数,采用极小化目标函数的方法求解参数矢量,得到只与已知特征点对应关系有关的系数矩阵后,利用线性算法求解图像序列相邻两帧间二维投影模型的运动参数。实验结果表明,该算法在保证精确度的条件下,提高了计算效率。

一种改进一维投影模型运动参数估计算法

一维投影模型运动参数估计是图像序列运动分析的关键技术,本文针对经典最小平方估计算法计算量大的缺点,提出了一种改进的一维投影模型运动参数估计算法。该方法通过对非线性最小平方误差函数的线性化,重新定义了目标函数,采用Newton最优化算法求解参数矢量,得到只与已知特征点对应关系有关的海森矩阵后,利用线性算法求解图像序列相邻两帧间一维投影模型的运动参数。实验结果表明,该算法在保证精确度的条件下,提高了计算效率。

几种秘密广播技术的分析

随着网络的发展 ,信息的交换 ,数据的传递已日趋频繁 ,广播技术尤其是秘密广播技术显得尤其重要。本文详细的介绍了秘密广播的概念 ,介绍了三种秘密广播的机制 ,分析了其工作原理和流程。尤其重点介绍了多重密钥的公开密钥密码学的相关概念和其在秘密广播中的应用。

振动条件下图像显示性能分析系统关键技术

基于计算机视觉技术研究在振动环境下图像显示设备显示性能自动化检测与分析的关键技术。首先针对系统在振动环境下的图像采集设计了一套移动测量减振平台,然后引入视频运动补偿方法,以减小拍摄图像时由于摄像机的轻微振动导致的图像模糊和偏移,最后利用亚像素线段提取技术对目标图像进行了检测与分析。实验结果表明,系统能够减少振动对拍摄图像的影响,通过视频运动的补偿操作,可对目标图像进行亚像素精度检测,从而实现图像显示设备显示性能的客观分析。

空间耦合量子LDPC码的双窗口滑动译码

量子纠错码是应对量子计算过程中不可避免的噪声干扰的关键途径。和其经典情形一样,空间耦合量子LDPC码理论上也可在纠错性能和译码时延间取得良好的均衡。考虑到目前采用常规置信传播算法(BPA)的空间耦合量子LDPC(SC-QLDPC)码在译码过程中仍存在复杂度高和译码时延长的问题,受经典滑窗译码算法的启发,并结合和利用SC-QLDPC码所对应的两个奇偶校验矩阵在主对角线和副对角线上具有非零对角带的结构特点,提出了针对量子SC-QLDPC码的滑窗译码算法(称为量子双窗口滑动译码算法)。在该策略中,通过窗口在两个经典校验矩阵主副对角线上的同时滑动,保证了相应量子比特部分译码所需的相位与比特翻转错误图样信息的提取,从而使其在译码性能和时延之间取得良好均衡。对所提量子双窗口滑动译码算法进行仿真验证,结果表明其不仅能提供灵活的低时延译码输出,并且当窗口扩大时,其译码性能逼近标准的量子置信传播算法,显著提升了SC-QLDPC码的应用范围。

振动环境下显示设备显示性能分析系统原型

研究了在振动环境下,基于计算机视觉技术实现显示设备显示性能客观分析的方法。给出了系统的硬件组成与软件原型的总体结构,说明了硬件系统设计和设备选型的方法;阐述了视频运动补偿、图像中线检测与定位等关键技术的实现方法。软件模型由C++编程实现,实验结果表明该系统能够采集清晰的图像,能够实现亚像素级的目标图像检测分析,并输出检测结果。

3,7,11-三甲基-2,4,6,10-十二烷基四烯-1-醇乙酸酯的合成新方法

以C5膦酸酯和柠檬醛为原料,在碱左右下进行Wittig-Horner缩合反应制备得到目标产物C15乙酸酯,收率65.7%。

基于眼动交互的增强现实抬头显示系统

为了建立一个面向驾驶员的眼动交互增强现实抬头显示系统。首先给出了实时眼动数据的预处理与分析方法。为符合增强现实抬头显示系统的实际应用条件以及针对不同眼动跟踪设备存在的精度局限性的问题,提出了面向增强现实抬头显示系统的眼动交互界面与配套的眼动识别算法。该方法不仅保证了交互的易用性、准确性、高效性,同时也保证了交互的安全性。在此基础上,设计并实现了基于Tobii眼动仪的增强现实抬头显示交互系统。

视觉感知启发的面向出舱活动的物体识别技术研究

为提高航天员出舱活动(EVA)的工效,提出了一种基于视觉感知启发的物体识别方法。首先对视觉观察到的一定区域内的图像进行采集,然后进行二值化赋范梯度的特征提取,并预测物体所在区域的矩形框,选取比该矩形框扩大一定范围的图像作为输入,传递给深度卷积神经网络CNN进行类别识别和精定位。在自建的数据集上进行测试验证,结果表明:该方法达到了88.2%的平均识别准确率,识别速率为0.047 s,可以满足舱外物体识别需求。该方法可为信息化、智能化的出舱活动任务提供参考,对提高出舱活动任务的工效具有重要意义。

天基智能计算技术现状与发展趋势

太空任务的蓬勃发展,极大地促进了航天应用对人工智能技术的需求.智能算法在航天器上的应用、助推航天器的智能化能力的提升,已成为目前航天领域的发展趋势.但目前航天器的智能算法计算能力仍然不足,严重制约了航天领域的智能化发展.针对典型的航天智能应用,分析了智能应用对计算能力的需求,并调研了航天智能计算领域的研究现状,针对目前智能计算技术对航天智能应用的支撑情况进行了归纳总结,在此基础上指出了航天领域中智能计算技术发展应走“计算芯片系列化、计算平台通用化、配套软件统一化”的道路,构建高能效的智能计算平台和完整丰富的航天智能基础生态.本文所提出的天基智能计算技术领域中待解决的关键技术及技术战略发展路线,对航天领域在智能化变革之际抓住机遇、推动新一轮航天产业革命有着重要的意义.

基于卷积神经网络的拓扑量子码译码研究

由于量子纠错码的简并性以及传统匹配译码算法在错误相关性探测上的不足,拓扑量子码的译码问题一直以来都是很大的挑战。近年来,神经网络越来越多地应用到量子通信与量子信息中,极大地促进了量子科技的发展。这里,针对传统量子拓扑码的译码算法在错误相关性探测上的不足,搭建了卷积神经网络译码器,实现了拓扑量子码的高效译码。与传统匹配译码算法进行对比,提高了译码器对错误相关性的识别,实现了译码性能的提升。

采用类内迁移学习的红外/可见光异源图像匹配

为解决异源图像匹配中样本量过少和成像原理不同导致成像差异的问题,提出了一种采用类内迁移学习的异源图像匹配网络(PairsNet)。该网络由特征提取子网络和匹配度量子网络两部分组成。特征提取子网络中存在4条卷积神经网络分支,其通过卷积神经网络分支提取出红外图像和可见光图像的特征。将可见光图像作为源域、红外图像作为目标域进行迁移学习,通过减小两个域中样本特征的类内最大均值差异距离,实现了源域和目标域对应图像类别上精准的样本特征分布对齐。匹配度量子网络使用2个全连接层和1个softmax层进行串联,评估出异源图像特征的匹配度。构建了红外和可见光图像数据集,进行端到端的训练和测试。结果表明:与当前使用预训练模型微调的方法相比,PairsNet的准确率提升了10.54%,可见光图像匹配网络的能力可以有效迁移到异源图像匹配网络。

计算机在工业电气自动化控制领域的应用研究

文章主要阐述了计算机技术在工业电气自动化控制领域的应用方法以及原理。论述了目前工业电气自动化领域的研究发展现状,分析了基于计算机的工业自动化电气自动化控制系统结构以及控制方案。结论表明计算机的工业自动化控制领域的应用的研究具有重要的理论意义与实践推广价值。

基于深度增强学习的卫星姿态控制方法

针对卫星在执行丢弃载荷或捕获目标等复杂任务时遭遇的姿态突然发生变化的问题,采用深度增强学习方法对卫星姿态进行控制,使卫星恢复稳定状态。具体来说,首先搭建飞行器的姿态动力学环境,并将连续的控制力矩输出离散化,然后采用Deep Q Network算法进行卫星自主姿态控制训练,以姿态角速度趋于稳定作为奖励获得离散行为的最优智能输出。仿真试验表明,面向空间卫星姿态控制的深度增强学习算法能够在卫星受到突发随机扰动后稳定卫星姿态,并能有效解决传统PD控制器依赖被控对象质量参数的难题。所提出的方法采用自主学习的方式对卫星姿态进行控制,具有很强的智能性和一定的普适性,在未来卫星执行复杂空间任务中的智能控制方面有着很好的应用潜力。

一种面向舱外活动的视觉感知启发的手势识别方法

针对航天员出舱作业(EVA)时的人机交互需求,结合着舱外服手套后手部动作的工效学分析,提出了一种结合眼动仪和手势识别技术的航天员目标选取方案,使航天员真正达到"解放双手"的目的。该方案采用眼动仪获取航天员"感兴趣目标区域"的位置信息,利用摄像头捕获航天员手势动作,并基于稀疏滤波的特征提取方法和神经网络分类器对手势进行识别,根据预定义的目标选取指令实现交互功能。试验结果表明,手势识别算法的识别率可达到95%以上,为后期将该交互系统集成到航天服中提供了原型依据。

采用卷积神经网络的红外和可见光图像块匹配

红外和可见光图像块匹配在视觉导航和目标识别等任务中有着广泛的应用。由于红外和可见光传感器有不同的成像原理,红外和可见光图像块匹配更加具有挑战。深度学习在可见光领域图像的块匹配上取得了很好的性能,但是它们很少涉及到红外和可见光的图像块。文中提出了一种基于卷积神经网络的红外和可见光的图像块匹配网络。此网络由特征提取和特征匹配两部分组成。在特征提取过程中,使用对比和三重损失函数能够最大化不同类的图像块的特征距离,缩小同一类图像块的特征距离,使得网络能够更加关注于图像块的公共特征,而忽略红外和可见光成像之间差异。在红外和可见光图像中,不同尺度的空间特征能够提供更加丰富的区域和轮廓信息。红外和可见光图像块的高层特征和底层特征融合可以有效地提升特征的表现能力。改进后的网络相比于先前卷积神经匹配网络,准确率提升了9.8%。

一种自标签特征点异源图像目标检测算法

由于图像成像机理差别较大,现有的算法无法提取可见光与红外异源图像上的共有特征用来匹配,进而无法实现异源图像目标识别.针对此问题,本文提出了一种基于自标签技术的深度学习特征点提取匹配算法.算法通过设计一个粗特征检测器并在合成影像上进行训练,使得该特征检测器在不同图像上都具特征提取能力.利用本文提出的自标签方法将异源图像中共有的特征点进行提取,从而解决了现有算法无法获取异源图像共有特征的问题.并利用自标签结果进行特征点检测器和描述子的训练,最终通过匹配的特征点实现了异源图像间的实例目标识别.本文采集了不同场景下的可见光-红外无人机影像作为测试数据.在异源测试数据集上,选择了6种不同的先进算法与本文算法进行了对比试验.实验结果表明,该算法较现有的6种先进算法能够提取到更多、更精确的异源图像共有特征,与其他测试算法相比在异源图像测试数据上的平均精度有了明显提升.