三层面分析法探究航空电子系统未来发展

近些年来随着人工智能、信息网络等技术的成熟,航空电子系统迅速发展,关于未来航空电子系统如何应用于作战的讨论层出不穷。通过三层面分析法对航空电子系统各种创新活动进行整合,从而构建面向未来的合理且持续的方法论来研究航空电子系统领域。首先系统梳理了航空电子系统的研究背景和现状,接着深入剖析了三层面分析法模型,重点从3个层面详细分析了航空电子系统的应用情况:有人机航电系统效益降低及其原因,当前航空电子系统的不断改进和两类创新归纳,未来高度自主的无人机航电主导的设想及其3个推动因素。

基于图像匹配技术的飞机识别

从图像匹配原理着手，采用了3种模板匹配方法：基于德耳塔相关度量，基于改进Hausdorff距离算法和基于序贯相似性检测算法，对机场飞机进行匹配和识别。实验结果证明了这3种方法的有效性。

一种细节保持的Retinex图像增强算法

针对基于Retinex理论的Kimmel变分模型在图像增强中存在人工伪影等问题,对其模型进行了改进.改进的模型增加了保持细节信息的因子,并在模型求解过程中采用了基于金字塔的提升算法,计算复杂度明显降低,然后对求解得到的图像进行正态截取拉伸处理,取得了较好的图像增强效果.

一种基于反馈机制的闭环图像去雾算法

针对目前去雾算法易受大气环境随机性和复杂性影响而造成自适应性不强的问题,该文提出一种具有反馈机制的自适应闭环去雾算法。该算法首先通过基于人眼视觉的特征认知评价进行参数初始化;然后利用去雾强度评价结果对反馈校正局部对比度参数进行调节,从而对去除加性光照后的图像进行自适应局部对比度提升;最后借鉴去雾后图像的自然度设定迭代终止条件,决定是否输出去雾结果。实验表明该算法能够自适应提升不同退化类型、不同退化程度下的雾天图像对比度,且去雾结果的信息熵和清晰度质量评价指标优于已有算法。

基于分形特征纹理图像分割方法

基于地毯法估计分形维数,提出了图像局部分形维数的最优估计方法。然后利用边缘信息和区域增长的方法,对自然场景的分形维数图像进行分割。仿真实验表明该方法分割效果很好,优于基于Hurst变换分割方法。

H.264帧间模式选择新算法

对H.264编码中的视频序列连续帧的时间相关性和相邻宏块的空间相关性进行统计、分析,提出一种基于时空相关性的帧间模式快速选择算法。仿真实验结果表明提出的模式快速选择算法可在保证视频编码质量同时,很大程度上降低编码器的计算复杂度,平均节省编码时间约65%,平均信噪比下降约0.31dB。

一种基于噪声拓扑结构的红外图像去噪方法

基于红外脉冲噪声的特点,提出了一种新的非常有效的脉冲噪声的去噪算法。该算法首先利用噪声的拓扑连通性实现对图像的脉冲噪声点的标识,然后利用噪声点周围非噪声点的信息,对其进行修复。最后仿真结果表明,在信噪比和细节保留方面,该文算法要明显优于标准中值滤波。

DVB-C QAM调制器的实现

介绍基于CATV的数字视频广播系统 (DVB -C)中的QAM调制器 ,包括QAM调制器的系统结构。

无人机图像匹配制导系统方案

为实现无人战斗机精确制导实际需求,根据作战的实时性和精确性特点,提出了一种基于图像匹配技术的制导方案。该制导方案引入地标信息,研究匹配方法,分析匹配计算量,提出了基于高速数字信号处理芯片来实现匹配制导的方法。软件仿真结果表明,匹配单元的结构完全能够满足制导系统功能实现的需要。

银行币箱字符识别系统的实现

利用数字图像处理技术开发银行币箱自动识别系统。从币箱图像中确定字符位置，提取字符的特征。接着基于Hausdorff距离进行模板匹配，获取冠字、年号和箱号等字符信息。试验结果表明该方案是有效的。

基于视觉物理模型的去雾算法

针对现有图像去雾算法不能有效增强复杂大气环境下退化图像的问题,结合单色大气散射模型、大气传输函数(ATF)以及Retinex提出了一种基于视觉物理模型(VPM)的图像去雾算法。新模型可同时描述非均匀光照退化、雾霾退化以及噪声退化等复杂大气环境下的图像退化。模型求解过程首先使用变分法消除环境光退化,然后引入马尔科夫随机场将场景反射率求解问题转换为了最大后验概率问题,最后利用对比度抑制自适应直方图均衡来校正场景反射率亮度,从而实现图像去雾。实验结果表明VPM能够指复杂大气环境下退化图像的增强,使其物理保真度和视觉愉悦性得到有效改善。

无人机图像匹配制导技术研究

为了提高制导精度,精确制导武器在末端使用图像匹配制导技术。文中从图像匹配的基本概念着手,分析了图像匹配算法,匹配制导的基本原理,最后提出了无人机图像匹配制导系统的组成方案。

TMS320C5402在电视数字传输复用器中的应用

首先简介传送流语法和TMS320C5402 DSP芯片,然后重点介绍该芯片在复用器中的应用,最后谈谈对该芯片进行软件编程的体会。

PC与TMS320C5402DSP实现串行通信

利用DSP的McBSP和DMA来实现通用异步接口UART,并以复用器和计算机的串行通信为例,给出了UART软件实现的详细流程。

基于小波核SVM的水声信道盲均衡算法

推导并提出了一种快速收敛的基于小波核支持向量机的恒模盲均衡器(WSVM-CMBE)。该方法以支持向量机为框架,利用信号的恒模特性构造代价函数,采用小波核函数,并自适应调整核函数中的伸缩因子。通过水声信道仿真实验,并与采用高斯核函数的支持向量机恒模盲均衡器(SVM-CMBE)进行比较,结果证明该方法提高了收敛速度。

基于多尺度分块卷积神经网络的图像目标识别算法

针对图像在平移、旋转或局部形变等复杂情况下的识别问题,提出一种基于非监督预训练和多尺度分块的卷积神经网络(CNN)目标识别算法。算法首先利用不含标签的图像训练一个稀疏自动编码器,得到符合数据集特性、有较好初始值的滤波器集合。为了增强鲁棒性,同时减小下采样对特征提取的影响,提出一种多通路结构的卷积神经网络,对输入图像进行多尺度分块形成多个通路,每个通路与相应尺寸的滤波器卷积,不同通路的特征经过局部对比度标准化和下采样后在全连接层进行融合,从而形成最终用于图像分类的特征,将特征输入分类器完成图像目标识别。仿真实验中,所提算法对STL-10数据集和遥感飞机图像的识别率较传统的CNN均有提高,并对图像各种形变具有较好的鲁棒性。

基于景深约束的单幅雾天图像去雾算法

本文提出一种基于景深约束的单幅雾天图像去雾算法,该算法首先对退化模型进行变换以满足Kimmel变分框架的要求;其次,考虑到人眼视网膜锥细胞对绿光的敏感性,将绿光分量作为大气传输图变分求解模型的输入;最后,利用景深图像特性,在8邻域快速求解中对能量函数进行约束,从而有效提升去雾图像的视觉效果.实验结果表明本文算法在获得最佳去雾效果的同时,具有较好的实用性和较少的计算资源消耗.

基于分类学习的去雾后图像质量评价算法

针对现有去雾后图像质量评价算法少、针对性弱和有效性差等问题,本文提出一种基于分类学习的去雾后图像质量评价算法.该算法通过分析去雾后图像本身所蕴含的质量特征,提取出基于图像增强、图像复原、统计先验以及人类视觉系统(Human visual system,HVS)的度量指标;并在本文数据库基础上,利用支持向量机(Support vector machine,SVM)将质量评价问题转换为分类问题.实验结果表明,该算法与已有评价方法相比,在获得高效分类评价结果的同时,具有较好的实用性和主观一致性.

消除光晕和细节增强的多尺度Retinex红外图像增强

针对传统Retinex算法处理红外图像存在光晕伪影和细节增强不足的缺点,本文提出一种消除光晕和细节增强的Multi-scale Retinex(MSR)红外图像增强算法。首先,以局部方差和局部复杂度构造引导滤波的自适应平滑增益,然后,采用改进的引导滤波核函数估计照度分量,在对数域对多尺度Retinex数学模型求解,获取消除光晕和细节保持的多尺度反射分量。最后,为进一步增强细节和提升亮度,对反射分量依灰度等级进行自适应增强,并通过偏移调整和Gamma校正改善图像亮度,得到最终增强图像。实验结果表明,本文算法相对其它的Retinex增强算法,可有效地消除光晕现象,突出细节,可获得视觉效果良好的增强结果。

一种深度神经网络SAR遮挡目标识别方法

提出了一种利用深度神经网络的合成孔径雷达图像部分遮挡目标的特征提取和目标识别新方法.该方法首先对合成孔径雷达图像进行预处理,然后提取预处理后合成孔径雷达目标的小波域低频子带图像作为训练数据,最后利用深层稀疏编码模型进一步提取合成孔径雷达遮挡目标的有效特征向量作为目标的特征以完成目标识别.采用MSTAR数据库中的3类目标进行目标遮挡模拟及识别实验.结果表明,新方法可以综合利用遮挡目标的局部和整体结构信息以提高目标的正确识别率,是一种有效的合成孔径雷达遮挡目标特征提取和目标识别方法.