客机驾驶舱复杂光环境下不舒适眩光评价方法与预测模型

不舒适眩光是影响客机驾驶舱光环境下飞行员视觉功效的关键因素之一,而驾驶舱内的眩光来源的种类和物理分布特征都尤为复杂。本研究通过相关分析与线性模型,考察了复杂光环境变量与不舒适眩光评价之间的关系,并比较了不同眩光指标在非均匀、非规则眩光源条件下其预测不舒适眩光评价的准确性。结果发现,日光眩光概率(DGP)较日光眩光指数(DGI)、统一眩光指标(UGR)能够更好地预测复杂光环境的眩光评价水平。

基于二阶段目标增强网络的低照度复杂环境下绝缘子故障检测方法

从低照度户外环境中航拍采集的绝缘子影像,存在照度低、背景复杂、绝缘子故障目标小等缺陷,严重影响低照度环境下绝缘子故障检测准确性。为解决上述问题,文章提出一种基于TOE-Net的低照度复杂环境下绝缘子故障检测方法,提出TOE-Net进行图像预处理方法,再使用YOLOv7-OL作为故障检测模块检测小目标绝缘子故障。在二阶段目标增强网络(two-stage object enhancement network,TOE-Net)中,设计零目标图像增强损失函数实现预增强网络(preparation enhancement network,PreEnNet)和深度增强网络(deep enhancement network,DeepEnNet)的无监督学习;使用信道级注意力模块跳跃式通道注意力机制(skip squeeze excitation networt,Skip_SENet)和跳跃式通道注意力机制(skip convolutional block attention module,Skip_CBAM)模块改进原始小目标特征增强单次多框检测算法(small object detection enhancement single shot multiBox detector,SDE-SSD),从而提升定位网络的小目标检测能力;设计弱监督机制使预增强网络根据小目标特征增强SSD的要求来提升图像增强能力,直到小目标特征增强SSD能够从增强图像中准确定位绝缘子串位置;使用深度增强网络深度增强绝缘子串区域,提升各类故障的特征显著性。故障检测模块中,将YOLOv7目标检测算法改进为面向小目标YOLOv7,在原模型中添加结合多尺度特征自适应融合网络的小目标检测通道,并将原始损失函数的CIOU改进为BIOU,从而提高模型的小目标检测性能。在低照度环境绝缘子故障检测实验中,该算法与5种目前常用目标检测算法相比具有较大优势,并且相较于低光目标检测算法IA-YOLO、GenISP with RetinaNet,m AP提升9.77%、10.35%,检测速度提升7.23%、10.16%,证明该算法适用于低照度复杂环境下小目标绝缘子故障检测任务;在正常光照绝缘子故障检测实验中该算法仍保持出色性能,证明该算法能够实现常规光照条件下绝缘子小目标故障检测。

复杂光场环境下多重聚焦深度图像三维重建

在复杂光场环境下图像采集和重建受到多重聚焦深度像素分布的随机性影响导致重建效果不好。提出基于亚像素特征偏移修正的复杂光场环境下多重聚焦深度图像三维重建方法。采用深度引导滤波方法实现对图像的边缘保持修正和滤波处理,根据多重聚焦深度图像在空间域偏移特征分布,采用融合空间信息的端元特征提取方法提取图像的谱特征点,结合亚像素特征偏移修正方法实现对复杂光场环境采样图像的像素偏移特征点修正,考虑像素空间差异和强度差异,根据光强纠正结果实现对图像的三维重建和特征配准。仿真测试结果表明,采用该方法进行复杂光场环境下多重聚焦深度图像三维重建有效解决了重建模糊的问题,得到较为精细的重建结果,光场偏移修正能力较好。