基于粗糙集和支持向量机的火炮内膛疵病识别方法

火炮内膛疵病智能识别是火炮内膛窥测的最终目标,它涉及到内膛疵病的特征提取和疵病识别两方面。首先建立了包括疵病形状、纹理与颜色特征的火炮内膛疵病特征体系;并采用模糊粗糙集理论分析了各疵病特征对疵病识别的敏感性,由此优化了疵病特征体系,降低了疵病特征维数;建立了最小二乘支持向量机小样本、非线性数据特征的多疵病分类器,提高了疵病识别效率和质量。     

基于遗传算法与支持向量机的火炮内膛疵病分类方法研究

支持向量机能够较好解决小样本、非线性数据特征的多分类问题,适用于火炮内膛疵病的分类,但其性能依赖于其参数的选取;对基本遗传算法进行改进,使用自适应的交叉算子和变异算子,并应用于支持向量机参数优化;通过对火炮内膛疵病分类精度的对比研究,改进的遗传算法确定支持向量机优化参数的方法取得了良好的效果,验证了该方法对疵病分类的有效性。     

火炮身管膛线过渡区图像处理

在线膛炮身管内膛疵病图像识别中,由于阴阳膛线之间的高度差使得二者的过渡区形成阴影,拍摄得到的图像呈现灰度不连续的交替条纹,给疵病图像的分析带来困难,因此,需要对图像进行处理,使得处理后图像灰度连续。采用对膛线过渡区图像进行全局阈值分割、移除小目标、膛线过渡区灰度填充的方法实现对膛线过渡区的有效处理。     

火炮身管内膛疵病检测现状与展望

简要回顾了火炮身管内膛疵病的光学检测方法及其局限性，详细介绍了目前重点研究的光电窥膛检测方法，分析了取得的成果和存在的问题。对火炮身管内膛疵病检测的发展方向进行了预测与展望，指出基于机器视觉的研究是一个新的方向。探讨了今后的研究思路，提出首要的任务是在软件方面实现“采集一识别一判定”的自动运行，为此需要重点研究疵病检测的机器视觉图像信息、图像的纹理特征分析技术、疵病评定体系等3方面的内容。     

基于非采样Contourlet变换的高光谱图像融合算法

高光谱图像数据具有大量波段,波段之间的相关性较高,可以利用数据融合技术来降低其分析难度.提出了一种新颖的基于非采样Contourlet变换的高光谱图像融合算法.首先对高光谱数据进行特征图像提取;再将提取出的多幅特征图像分别进行非采样Contourlet变换,并按区域能量进行加权融合;最后对融合系数进行非采样Contourlet重构.实际的OMIS高光谱遥感图像融合的实验结果表明,所提基于非采样Contourlet变换的加权融合算法能够很好地保持图像的空间特性和光谱特性,且效果明显好于典型的小波变换和Contourlet变换的融合方法.     

基于拼接算法的炮膛疵病自动识别技术

针对当前采用目测识别方法进行炮膛疵病检测时存在的识别速度慢、精度低、人为影响因素大等缺点,提出了一种基于拼接算法的炮膛疵病检测方法。该方法采用Harris角点检测算法进行特征点提取,采用归一化互相关法进行特征点初匹配,采用马氏距离提纯算法消除误匹配,采用改进的8参数透视变换优化估计算法和基于边界保持的函数加权平滑融合算法进行炮膛图像融合,并选取图像面积、短长径之比为特征参数完成疵病的自动识别。实验结果表明：该算法对炮膛图像能较好地进行拼接,而且数值化的疵病识别方法相比传统目测识别方法也更加快速、准确,可为部队和相关工程人员进行身管检测提供有益参考。     

线膛火炮烧蚀弹道解法

以烧蚀火炮的阳线磨损曲线和一种挤进压力计算方法为基础 ,建立了考虑弹带挤进过程的内弹道模型。该模型可对不同磨损程度的火炮进行内弹道计算 ,能够较好地反映火炮内弹道性能随内膛磨损程度不同而变化的特征。     

膛内时期后坐部分两种动量计算方法分析

研究对火炮动力学性能设计方法的优化,准确的设计方法对火炮系统的研究具有很重要的意义。现行的火炮后坐部分膛内时期动量计算方法得到的结果与火炮试验中得到的数据存在很大差异。为提高计算的准确性,对现行计算方法进行优化,提出了一种新的后坐部分动量计算方法。为验证新方法的优越性,建立基于弹炮耦合的某舰炮后坐部分模型,利用ABAQUS有限元分析软件对该舰炮后坐部分膛内运动时期进行仿真分析。结果表明,新方法与仿真结果吻合度较高。数值仿真结果可以为相关研究提供参考。     

火炮身管内膛损伤机理分析

身管是火炮的关键部件,也是最易损耗的部件之一。火炮在发射过程中,身管内高温、高压的气体对身管内膛造成严重的损害,使身管内膛出现裂纹、龟裂、膛线脱落,严重影响火炮的射击精度和身管寿命,甚至会产生炸膛,危害到发射人员的安全。所以急需对身管内膛损伤进行机理分析,以利于身管寿命的检测和维护。以身管损伤的一般规律为主线,从损伤的5种形式入手,详细地讨论了身管常见损伤形式的原因和影响因素,并对其进行了机理分析。研究结果表明,身管内膛损伤主要是由于高温高压的火药气体和弹丸的挤进摩擦导致的,常见的物理反应损伤为内膛裂纹、内膛挂铜和内膛烧蚀,常见的化学反应损伤为镀铬层脱落,而内膛磨损是在物理反应和化学反应耦合作用下产生的损伤。     

一种新的超分辨率图像重建算法

首先将低分辨率及相应高分辨率图像进行非下采样Contourlet变换得到细节图像对,然后通过多任务学习估计细节图像之间的映射参数对低分辨率图像进行重建.实验结果表明,该方法能够取得比传统线性插值、双三次方法更好的效果.     

基于灰度共生三角阵的炮膛图像分析

为解决炮膛疵病图像粗分类时缺少聚类和分类特征的问题，引入了灰度共生三角阵（Grey Level Co-occurrence Triangular Matrix，GLCTM）的方法。通过对炮膛样本图像GLCTM特征参量的计算与分析，确定了GLCTM的参数；根据特征参量的相关性分析结果，选择了其中7个作为炮膛图像的特征参量。样本图像的实验结果表明，炮膛图像的GLCTM特征参量取值与图像灰度的直观特点之间存在对应关系。     

坦克射击过程中炮膛内火药气体温度计算

坦克射击后出现炮膛内壁烧蚀及身管温度上升等问题，其首要因素为火药爆炸燃烧所产生的高温气体。应用内弹道零维模型，以空间平均热力学参数描述坦克射击过程中炮膛内弹道状态，采用四阶龙格一库塔法求解内弹道常微分方程组，计算出内弹道时期火药气体的压力、流速和温度等随时间的变化规律。应用指数函数拟合出后效期炮膛内火药气体温度公式，最后得到坦克整个射击过程中炮膛内火药气体温度的变化规律。通过计算结果与试验数据的对比，验证了计算结果的合理性。此计算结果可为坦克炮身管的烧蚀、热状况及红外辐射特性的研究提供理论依据。     

基于图像分析的弹丸“出膛时刻”检测算法

现代高炮武器系统在对红外目标进行连续性高炮射击时,首发弹丸的尾焰会对红外观测系统造成严重干扰,会导致红外观测系统短时间内无法观测到目标位置,带来后续弹丸无法精确打击目标等问题。利用红外图像分析技术通过对弹丸出膛时的红外图像特征进行分析,提出了一种基于红外图像分析的弹丸出膛时刻检测算法,从而相对精确地测定出首发弹丸的出膛时刻,为更精确测定弹飞时间和提高武器系统的命中率提供了理论依据和方法支撑。实验结果表明:提出的算法能够相对精确地测定弹丸出膛时刻,算法具有一定的可行性和有效性。     

基于直线特征及模板倾斜修正的图像匹配定位

针对火炮发射图像序列中运动目标后座的旋转问题，提出了基于直线特征及模板倾斜修正的匹配定位方法。该方法首先利用Hough变换提取出具有反应倾斜角特征的直线，与基准直线比较，算出直线旋转角度α，再把包含模板的基准图部分区域旋转α后截取新模板，使问题回到只有平移的情况并进行去均值归一化相关法（NNPROD）匹配。实验与分析表明，该方法可以有效地解决存在旋转、灰度对比度变化大、噪声干扰强、强光饱和等情况下的匹配定位问题，匹配精度较高。     

火炮身管寿命分析与计算

分析了射击时弹丸挤进过程 ,建立了弹丸初速下降量与炮膛内膛磨损量计算模型 ,并以某火炮为实例计算了该炮弹丸初速下降量与炮膛内膛磨损量之间变化关系 ,分析了弹道峰现象 ,为身管寿命预测提供理论依据