无线紫外光MIMO通信系统信道容量估算方法

无线紫外光通信系统易受大气散射等因素的影响,导致通信信道容量估算准确率较低。为此,提出一种无线紫外光多入多出(Multiple-Input Multiple-Output, MIMO)通信系统信道容量估算方法。根据信道特征,构建无线紫外光MIMO通信系统的信道容量估计模型,获取无线紫外光的单次散射传输特性,利用符号补码式的方法改进空时编码,设定高级检测器中符号的接收能耗,使每个符号保持在标准功率数值范围内,完成通信系统信道检测式编码。根据不同发射角和接收角计算无线紫外光通信的路径损耗比,通过泊松随机分布获得最终通信系统信道容量的估算结果。实验结果表明,所提方法的传输速率可高达8 Mbps,误码率始终低于10-3bit/s,估算准确率在90%以上,估计时间低于4 ms,估算效果好,可为通信行业发展提供理论依据。

基于天空区域分割的快速去雾算法研究

针对传统暗通道先验去雾算法在处理户外含雾图像时,出现天空区域颜色失真和处理速度慢的问题,提出一种可自适应识别天空区域的快速去雾算法。在天空分割方面,选用图像中细节特点明显的亮度分量为研究对象,结合最大类间方差法(OTSU)和动态参数建立自适应识别天空区域算法模型,得到最佳分割阈值,分割出有雾图像的天空区域和非天空区域,并根据天空区域计算出大气光值。在提高处理速度方面,在使用引导滤波优化透射率过程中引入图像下采样算法,保证复原后图像质量的同时减少算法耗时。最后经过与多种经典算法对比,文中算法在视觉效果上细节更加自然,SSIM、PSNR和MSE的综合指标均超过其他算法,并且处理速度较快。主观和客观评价结果均表明,文中算法在视觉效果和时间效率方面都优于其他几种算法,具有一定的实用价值。

基于改进暗通道先验的海上低照度图像增强算法

针对基于暗通道先验的低照度图像增强算法在处理极端海上低光环境下图像时会存在光晕效应、色彩失真的问题,提出了1种基于暗通道先验的自适应海上低照度图像增强算法。首先,通过选取图像类型划分指标,将数据集中的图像分类,并通过Otsu方法和图像直方图分布,获取图像的区域划分阈值,将图像进行划分得到局部区域图,分析各类图像的局部区域图之间的关系;最后,通过对不同的局部区域图采用不同的改进暗通道先验算法进行处理,将1个图像中的2个增强后局部区域图合并,得到整张图像的增强结果,并对增强后图像进行主客观的图像质量评价。实验结果表明,该算法解决了现有算法在处理极端海上低照度图像时存在光晕效应和色彩失真的问题,并使不同环境下的海上低照度图像都能达到较好的恢复效果。

适用于瞬态条件的多通道序列前光成像系统设计

为满足在瞬态条件、不同物距下获得稳定高质量序列图像的成像需求,设计了四通道序列前光高速成像系统。系统采用像空间平行分光,以成像原理为出发点,对系统的设计关键进行分析。以理论计算参数为设计依据进行分镜组(物镜组、场镜及准直镜租、汇聚镜组)设计并分别进行像差独立校正,加入场镜减小系统体积和重量,提升光能利用率,通过视场和光瞳的准确衔接提高光束的传输效果,在此基础上对分镜组进行整合优化,加入分光器件形成最终的四通道序列前光成像系统。设计物距可调光路,使用中通过调节物镜组手轮保证系统在0.5 m~∞物距下的成像质量,同时保持一次像面位置不变,增强系统性能稳定性的同时降低了装调难度。系统可根据实际需要对接收端进行更换,且在分光区域加入分光器件后可拓展至八通道系统。利用装调后的序列前光成像系统进行实验室检测和现场试验,其主要光学性能良好,各通道实测分辨率可达到72 lp/mm,成像一致性大于98%。现场试验结果表明,该光学系统可满足瞬态条件下序列图像的拍摄要求。

基于自适应大气光值补偿的改进暗通道煤矿井下图像去雾算法(特邀)

视频监控是保障工业生产和人员安全的重要手段。但在一些特殊领域,监控图像常会受到粉尘散射的影响而产生雾化现象、导致图像质量退化。此外,由于这些生产环境在照明、目标景物方面具有特殊性,常用的暗通道去雾算法存在色彩偏移、过暗、光晕等现象。以煤矿井下监控图像为目标,针对井下粉尘、水雾导致图像模糊、照度低、色彩信息不丰富的问题,提出一种改进的快速暗通道算法。该算法对大气光值进行基于像素自身颜色信息的自适应补偿校正,以减小色偏的产生,并针对井下图像提出了自拟合的亮度和饱和度增强函数。除对井下图像进行处理外,还将该算法用于常用去雾图像数据集,结果表明该算法对多种场景在有效去雾的同时很好地矫正了色偏及光晕现象,并提高了亮度和色彩饱和度。该算法为井工煤矿等产业以及生活场景的去雾提供了一种新的手段。

基于不均匀光照校正和优化透射率的夜间去雾

针对夜间有雾天气场景下的光照不均匀、图像不清晰问题,提出了一种基于夜间不均匀光照校正和优化透射率的去雾算法。首先针对光照不均匀问题,使用基于伽马函数的图像自适应校正算法,消除不均匀光照对图像的影响;其次,由于夜间图像大部分颜色较暗,通过改进局部大气光获得大气光值;利用Sigmoid函数融合亮通道与暗通道得到粗透射率,经过联合双边滤波细化,再对光源处透射率进行优化,并使用伽马函数增强得到最终透射率;然后根据大气散射模型得到初步恢复图像;最后经过引导滤波细化,得到最终图像。实验结果表明所提算法在夜间场景中能有效去雾,且能较好的保持图像颜色对比度。

融合门控变换机制和GAN的低光照图像增强方法

针对低光照图像增强过程中存在的配对图像数据依赖、细节损失严重和噪声放大问题,提出结合门控通道变换机制和生成对抗网络(GAN)的低光照图像增强方法AGR-GAN,该方法可以在没有低/正常光图像对的情况下进行训练。首先,设计特征提取网络,该网络由多个基于门控通道变换单元的多尺度卷积残差模块构成,以提取输入图像的全局上下文特征和多尺度局部特征信息;然后,在特征融合网络中,采用卷积残差结构将提取的深浅层特征进行充分融合,再引入横向跳跃连接结构,最大程度保留细节特征信息,获得最终的增强图像;最后,引入联合损失函数指导网络训练过程,抑制图像噪声,使增强图像色彩更自然匀称。实验结果表明,该方法在主观视觉分析和客观指标评价方面相较其他算法均具有显著优势,其能有效提高低光照图像的亮度和对比度,减弱图像噪声,增强后的图像更清晰且色彩更真实,峰值信噪比、结构相似度和无参考图像质量评价指标平均可达16.48 dB、0.93和3.37。

基于视觉传达技术的无参考低光照图像增强方法

为了优化低光照图像增强效果,提出基于视觉传达的无参考低光照图像增强方法。所提方法通过全景成像技术重构低光照图像,并采用计算机原理模拟光学成像系统,引入多重分形法和半软阈值指数衰减法去除重构图像上的噪声。通过亮暗双通道系数计算图像增强过程中的最佳透射率,并以此透射率对低光照图像展开增强处理。实验结果表明,所提方法重构图像完整、图像整体质量高、SIMM值接近于1,在不影响图像清晰度的前提下实现了图像去噪,对低光照图像的增强效果明显,避免了增强过程中的图像曝光,做到了图像细节的完整保留。

基于改进YOLOv5s的轻量化交通灯检测算法

针对目前交通灯检测算法网络模型参数量过大、实时性差的问题,提出了一种基于改进YOLOv5s的轻量化交通灯检测算法.首先,用轻量化网络MobileNetv3替换原主干网络并引入注意力机制,在对检测精度影响不大的前提下降低模型参数量;然后,使用深度可分离卷积替换颈部网络中的传统标准卷积,进一步降低模型参数量;接着,针对交通灯尺度小的特点,删除检测大目标的检测层;最后,改进边框回归损失函数,提升边框检测精度.同时,为了能实时部署在嵌入式平台,该算法对网络进行通道剪枝实现模型压缩和加速.实验结果表明,该算法在嵌入式平台NVIDIA Jetson Xavier NX上能达到48.1帧/s的检测速度,相比原始YOLOv5s牺牲了1.5%的mAP,但是该模型体积压缩了54.3%,检测速度提高为原来的2.6倍,可以满足在交通道路中实时对交通灯检测的需要.

高低频通道特征交叉融合的低光人脸检测算法

低光条件下捕获的人脸图像存在着噪声严重、对比度低等不足,极大影响了现有人脸检测器的准确性,另外,现有的低光图像检测算法欠缺小区域人脸信息的提取能力。为此,提出一种基于深度学习的两阶段人脸检测算法,即利用现有的低光图像增强算法对人脸图像进行增强后再进行检测。为提升检测算法对人脸信息的提取能力,设计一种新型的高低频通道特征交叉融合方法,该方法首先使用高低频通道特征可分离模块分离出不同尺度特征的高低频信息,然后对上述信息进行交叉融合,提升网络提取高频细节信息和低频色域信息的能力,进而提高检测网络的性能。对比试验和消融试验验证了该研究方法的有效性,试验结果表明该方法优于基准方法4.0%mAP。

水下无线光通信模型及其实验研究进展

为了分析水下无线光通信技术在海洋湍流中的传输行为,基于水下非视距(NLOS)传输模型、水下信道模型和相关实验,对水下无线光通信技术进行了全面总结,并分析了蓝绿光在3种不同NLOS传输模型下的传输特性。结合先前的实验结果,阐述了光在水下传输过程中吸收散射及湍流效应对水下折射率结构常数和概率分布的影响机理。同时,对水下光通信实验进行了总结,通过研制的光学系统验证了不同传输速率和不同距离下的水下光通信性能,并对水下无线光通信未来的发展方向进行了展望。

基于通道注意力与光照权重的无监督低照度图像增强

现有部分无监督低照度图像增强方法在增强图像曝光不足的区域时会降低其高光区域亮度,导致增强后的图像出现伪影;单一的TV损失既无法区别照明特征图的细节,还会忽略照明特征图边缘明暗度差异突出的地区,导致光晕现象的产生。为此,提出一种基于通道注意力与光照权重的无监督低照度图像增强方法 VARRNet。首先,VARRNet将图像转化为HSV空间,将V空间与Retinex理论结合以避免损失信息;其次,为了防止在亮度增强过程中生成伪影,设计了一个亮度估计网络引入通道注意力ECA分配输入特征图的权重,以恢复曝光不足区域的亮度,并有效保持高光区域的亮度;最后,在亮度估计网络中结合TV损失与光照分量权重来保留增强后特征图的丰富细节信息,消除强边缘处的光晕。在与当前流行的5个低照度图像增强方法进行比较实验发现,VARRNet在亮度增强、细节保留、色彩恢复、伪影抑制和光晕去除等方面均取得了更好的可视化效果。

飞机及分系统雷电效应标准及测试浅析

对国内外关军用及民用飞机平台、分系统及设备雷电标准进行分析,针对雷电直接效应和雷电间接效应的所有测试项目,详述每个测试项目的适用区域、波形要求、测试配置等。结合现有国内雷电设计验证标准及测试存在的不足,提出提升测试设备与试验验证技术匹配性、扩展军用标准测试领域、统一同军种同一平台要求等建议。通过对军用机载平台、设备及分系统关于雷电设计验证标准及测试的分析,为相关产品设计师及试验人员提供设计指标参考,明确产品关于雷电防护的设计要求及验证要求,做到有的放矢,提高设计费效比。

基于NOMA-VLC系统的GWO-DNN信道估计方法

为了解决室内非正交多址(NOMA)可见光通信(VLC)信道估计方法的可靠性和用户公平性低问题,提出了一种在NOMA-VLC系统中使用灰狼优化(GWO)算法对深度神经网络(DNN)进行信号补偿和恢复的方法,即GWO-DNN信道估计方法。该方法引入非线性收敛因子和二维混沌映射,有效提升了系统可靠性和多用户传输公平性。实验结果表明:在误码率(BER)为10^(-4)时,所提方法比最小均方误差(MMSE)方法最高可获得4.3 dB的信噪比(SNR)增益,两用户的SNR差异由3.2 dB降到0.9 dB;在不同阶次的正交幅度调制下,所提方法的性能均优于MMSE方法,且调制阶次越高性能改善越明显。

大型水厂取水工程自流式取水通道施工技术分析

本文以一个具体的水厂取水通道建设项目为案例,探讨了在施工过程中遇到的关键技术挑战。文章详尽地描述了在深水环境中结合明挖和暗挖技术进行取水通道施工的方法,以及如何在施工期间保护水源地的水质和水生生物。同时,对施工中关键的防水、止水措施和管道保护技术进行了详细的分析,旨在为相似的工程项目提供参考和借鉴。

基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法

现有煤矿井下图像去雾方法在处理煤矿井下图像时未能在提取图像深层次特征信息的同时进行光照校正,处理后的图像存在细节信息丢失或图像偏暗的问题。提出一种基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法。首先,井下原始图像通过图像分化模块(IDM)进行双边滤波、光照估计和暗原色处理后得到光照图、暗原色图和光照反射图。然后,对暗原色图进行预处理,作为权重引导参数对光照反射图进行引导滤波,以恢复图像细节特征信息。最后,将光照图作为权重参数对图像进行光照校正和特征提取,通过多次光照校正解决颜色失真问题,同时增加网络深度,进而去除黑暗区域的退化,实现图像细节的重构,从而得到清晰图像。主观评价结果表明:基于暗通道引导滤波和光照校正的煤矿井下图像去雾算法在去除雾气的同时,保留了更多的结构纹理及背景细节,使整个图像更加接近于对应的清晰图像。客观评价结果表明:与次优算法PMS-Net相比,在训练集和测试集上信息熵分别提高0.32和0.11,标准差分别提高3.58和1.89,平均梯度分别提高0.008和0.004,说明所提算法可有效降低煤矿井下图像的雾气。消融实验结果表明,所提算法在测试数据集上的信息熵、标准差、平均梯度均高于其他网络组成模型,说明所提算法去雾效果最好,且能有效保留图像细节和边缘信息。

商用车独立悬架多通道台架耐久试验方法开发与验证

为提高底盘悬架系统零部件台架耐久的验证周期和可靠性,提前发现潜在质量性问题,降低验证成本和后续市场问题,提出一种适用于轻型商用车使用场景的悬架系统台架耐久试验的方法,通过虚拟试验场和整车模型,按动力学仿真技术对悬架系统部件各相关连接点处进行受力分析提取载荷;通过合理的台架方案和载荷转换搭建悬架台架耐久试验进行验证。该台架耐久验证方法能更有效地体现零部件在整车耐久试验过程中的状态,验证更加全面、准确、快速。

基于自适应天空区域分割的图像去雾算法

针对暗通道算法在处理图像中天空区域时会出现色彩失真和光晕现象以及大气光值错误估计的问题,提出一种改进的暗通道先验去雾算法。利用雾图中天空区域的物理特征粗略分割图像天空区域,从天空区域中对大气光值进行估计;设计一种自适应双阈值分割方法用于天空区域的精细分割,提出一种基于亮通道先验的透射率估计方法,将亮通道先验模型估计的天空区域透射率值和暗通道先验模型估计的前景区域透射率值进行融合;引用一种快速引导滤波器对融合后的透射率进行边缘细化,基于大气散射模型完成图像的复原。实验结果表明,该算法很好地克服了暗通道算法的缺陷,保留了复原图像的视觉真实性。

融合平均曲率与直方图分析的暗通道先验去雾算法

针对当前暗通道先验算法存在的边缘模糊、过饱和以及大气光值错估问题,提出一种融合平均曲率与直方图分析的暗通道先验去雾算法。首先,计算输入图像微观几何表面上所有像素点的平均曲率,并以归一化的平均曲率强度为权重融合小尺度与大尺度传输图;其次,分析存雾图像三个通道的直方图,确定是否存在过亮区域并估计全局大气光值;最后,利用大气散射模型得到清晰的去雾图像。与其他算法在HAZERD等公共数据集上的实验对比结果表明,该算法能够解决当前暗通道算法存在的问题,且具有更高的鲁棒性与实效性。

基于天空分割和暗通道先验的图像去雾算法

针对传统暗通道先验算法对天空区域去雾时出现的颜色失真等问题,提出一种基于天空分割和加权计算大气光值的去雾算法。首先基于有雾图像中天空区域梯度小、对比度低和亮度高的特征实现天空区域的分割。其次基于天空分割的结果加权计算大气光值,有效避免了图像中小面积高亮区域对大气光值预估的影响,防止恢复的图像偏暗。最后通过对不同区域透射率的结合,实现图像的复原。实验结果表明:该算法能够对包含天空区域的有雾图像有效复原,解决了天空区域颜色失真的问题,且去雾后的图像细节清晰、颜色自然。