空间目标抖动状态红外图像仿真建模研究

空间目标容易受到太空垃圾碰撞及干扰从而产生抖动。针对空间抖动目标红外图像的模型构建问题,对天基空间红外成像系统的主要噪声进行分析并考虑杂散光影响,基于Creator与Vega软件平台相结合,提出抖动状态下空间目标表面缺陷的红外图像的建模方法。依据空间目标基本特征分析其红外辐射特性,在Creator中对空间目标缺陷进行三维建模;根据目标以及背景红外辐射特性对三维模型进行温度场分析,将分析所得结果与Vega红外模块相结合获得红外图像模型;确定抖动图像数学模型并对仿真图像施加抖动影响,然后施加杂散光影响获得最终模拟图像。实验结果表明:该方法生成的抖动状态下空间目标红外图像与实验图像相似程度高,能为空间目标探测与态势感知提供一种有效的模拟系统。

变初位数据增强和深度特征提取的工业机器人末端抖动状态识别

针对实际工程中工业机器人末端抖动程度难以通过简单指标进行有效区分,且识别过程存在外部干扰大、抖动位置分布不均的问题,提出了变初位数据增强和深度特征提取的工业机器人末端抖动状态识别方法。利用陷波滤波器滤除工业机器人末端振动信号中的工频干扰,并通过均方根阈值搜索抖动位置及改变搜索初始位置数据增强的方式,获取充足且能展现工业机器人运动状态的末端抖动数据;采用连续小波变换对末端抖动数据进行分解以获得可充分保留末端抖动冲击与震荡特征的时频图;为缓解特征降维及工况变化的影响,运用去除池化层和添加批归一化的卷积神经网络,对时频图进行深度特征提取和分类,从而实现工业机器人末端抖动状态识别。试验结果表明,所提方法在不同传感器采集方向识别准确率均达到90%以上,证明了该方法能够有效识别工业机器人末端抖动状态,并具有较好的泛化性和稳定性。

抖动状态下运动模糊图像去噪滤波方法

针对抖动状态下的运动模糊图像去噪滤波一直存在效果不佳、误差大的问题,提出并设计了基于最小化全变差与稀疏表示结合的抖动状态下运动模糊图像去噪滤波器。通过成像噪声干扰及传输信道干扰两方面对运动模糊图像产生噪声的原因进行分析,确定抖动点,采用最小化全变差法构建全变差去噪模型,并进行加权平均,引入稀疏表示法构建运动模糊图像去噪滤波器模型,达到抖动状态下运动模糊图像去噪滤波器设计的目的。实验结果表明,采用改进去噪滤波器,相比传统的去噪滤波器其去噪滤波误差、效率等均有一定的优势。

运动图像目标跟踪优化仿真

对运动图像目标进行准确跟踪,可以缩小目标的搜索范围,提高运动图像处理的效果。运动在抖动状态下,运动图像的轮廓线出现波动。传统的跟踪标记方法,主要通过提取设定的几点轮廓线轨迹点进行跟踪标记,忽略了出现大量波动时对跟踪标记的影响,导致运动图像目标跟踪效率低、误差大的问题。提出基于概率松弛的抖动状态下运动图像目标跟踪优化方法。利用高斯平滑滤波器对抖动状态下的运动图像进行预处理,融合统计背景模型对抖动状态下的运动目标进行检查,标记出目标区域运动图像轮廓线矩形的两个对角顶点,将该顶点当作跟踪的特征,利用概率松弛理论计算出前景抖动图像轮廓线最优标记,识别出当前帧中的多个抖动状态下运动图像目标区域,有效地完成了对抖动状态下运动图像跟踪标记。仿真结果表明,所提方法在抖动状态下可以精确地标记出图像中前景目标,大幅度提升了目标跟踪的稳定性。