一种基于边缘特征提取的景像匹配方法

下视景像匹配制导中,实时图和基准图的拍摄高度、方位和图像比例尺不完全一致,两图的轮廓形状存在旋转和变形等差异,边缘特征提取方法受图像灰度分布影响存在变形和移位,易导致匹配错误。用侧抑制竞争方法,图像边缘特征提取快速准确,不发生移位,对灰度变化也不敏感。在此基础上,用扩展边缘特征法,克服轮廓变形对边缘匹配的影响,提高精度。试验结果表明,此方法模型简单、抗几何变形能力强且便于实现。     

车载多接入边缘网络中联合资源分配和动态任务卸载方案

针对车联网中车辆移动速度过快产生的任务卸载失败问题,设计了一个有效的任务卸载风险评估模型,并提出了联合资源分配的动态任务卸载方案。将时间、能耗和风险共同建模为系统效用,通过联合优化卸载决策、资源分配来最大化系统效用。优化问题被公式化为混合整数非线性规划,在给定卸载决策的情况下,利用凸优化技术解决计算资源分配问题,功率分配通过分式规划技术来优化。仿真分析了车辆移动性对系统效用的影响,证明了所提方案的合理性。     

激光加热辅助引弧微爆炸加工工程陶瓷的试验研究

为验证激光加热辅助技术改善引弧微爆炸加工质量和提高加工效率的可行性,探索加工工艺参数对加工过程的影响规律,设计了激光加热辅助引弧微爆炸加工试验系统,并通过试验研究了工艺参数对材料去除率和崩碎的影响规律。试验结果表明：激光加热辅助引弧微爆炸加工陶瓷可以提高材料去除率,改善崩碎情况;加工效率随激光功率的增加而提高,随光斑尺寸的增大而降低,随距离的增加先提高后降低;崩碎随激光功率的增加而减少,随光斑尺寸的增大先减少后增多,随距离的增加先减少后增多。研究结果为激光加热辅助引弧微爆炸加工机理的研究和工艺参数的优化提供了参考依据。     

Beltrami流及其在图像去噪中的应用

偏微分方程是图像处理主要的方法之一,一般通过其对应的变分模型给出方程的意义,并依此设计优化原偏微分方程以取得最佳的处理效果。针对图像去噪问题,基于经典的Beltrami几何流方法提出了图像流形上一种新的度量张量模型,具有该度量模型的Beltrami流具有清晰的几何意义,并依此提出了该度量模型中参数的优化选择方法。同时,该模型为经典的偏微分方程去噪方法提供了统一框架,且参数的优化选择使得Beltrami流在平滑噪声与边缘保持方面取得了良好的平衡。实验表明该方法提高了图像去噪效果,尤其是对于边缘丰富的图像效果更加明显。     

多模态图像智能目标识别对抗攻击

基于深度学习模型的新一代智能化多模态(可见光/红外/雷达)图像识别系统已逐步在航空航天情报侦察、人机交互增强作战系统、无人作战平台自动图像目标识别以及多模复合图像末制导等多个军事场景中得到广泛应用。然而,由于深度神经网络模型在理论上存在不完备性和对抗脆弱性、多模态图像目标识别深度网络结构设计与优化在工程上存在迁移性等因素,使得现有识别系统在鲁棒准确性方面评估不足,给系统在未来战场复杂对抗场景中的广泛部署带来极大的安全隐患。为此,本文通过研究多模态图像智能目标识别系统军事场景应用的风险模型,分析系统存在的潜在攻击面,开展基于深度神经网络的多模态图像识别对抗样本攻击技术和对抗鲁棒准确性评估等关键技术研究,以期提升系统在复杂电磁环境条件下的鲁棒性和准确性。     

燃烧室前缘扩张角对旋转爆震冲压发动机的影响

针对圆柱形隔离段-燃烧室构型的旋转爆震冲压发动机,开展了总温为860 K、马赫数为2的来流条件下的直连式试验,探讨了燃烧室前缘扩张角(θ=30°,45°,60°,90°)对爆震波传播特性、工况范围及压力分布的影响。结果表明:当燃烧室前缘扩张角为90°时,燃烧模态均为爆燃燃烧;随着扩张角的减小,燃烧模态将会向锯齿波和混合模态(包含单波阶段)转换。当燃烧室前缘扩张角为30°时,旋转爆震的自持工况范围最宽且燃烧室压力最高;同时,随着燃烧室前缘扩张角减小,实现混合模态的当量比下限降低。此外,分析了燃烧模态对来流的影响,发现:锯齿波/混合模态燃烧室内存在的周期性高频压力扰动会使隔离段内的激波串位置前移;混合模态对超声速来流的影响最为显著。     

智能化边海防建设

随着新一代人工智能在军事领域的不断应用,智能化战争已经悄然来袭。边海防建设作为国防和军队建设重要一环,关系国家安全稳定。本文着眼于以人工智能为核心的新技术在边海防建设中的应用,对智能化边海防建设相关问题进行了探索研究,为边海防今后建设发展提供了理论参考依据。     

多功能复杂信号侦察可配置计算模型

复杂信号侦察处理是多功能数字阵列雷达(MFDAR)的重要组成部分,可以服务于MFDAR的雷达与通信信号侦察以及电子战等多种用途,其中信号侦察的实时性与功能的灵活适应性是MFDAR的关键。在详细研究MFDAR信号侦察处理特点基础上,提出了两阶段可配置的信号处理流程,构建了基于混合结构的宽带信号侦察可配置计算模型BSRRCM。BSRRCM对"非确定、非单向"的信号流进行了描述,利用"固化典型流程、设置有限配置点"的思想,BSRRCM将应用分解成可完全重配置的典型处理流程和可局部重配置的功能任务序列,快速映射到合适的计算平台上,在确保信号处理实时性前提下使系统获得了动态的灵活配置能力与可扩展性。     

并行规约与扫描原语在ReRAM架构上的性能优化

规约与扫描是并行计算中的核心原语,其并行加速至关重要。然而,冯·诺依曼体系结构下无法避免的数据移动使其面临“存储墙”等性能与功耗瓶颈。近来,基于ReRAM等非易失存储器的存算一体架构支持的原位计算可一步实现矩阵-向量乘,已在机器学习与图计算等应用中展现了巨大的潜力。提出面向忆阻器存算一体架构的规约与扫描的并行加速方法,重点阐述基于矩阵-向量乘运算的计算流程和在忆阻器架构上的映射方法,实现软硬件协同设计,降低功耗并提高性能。相比于GPU,所提规约与扫描原语可实现高达两个数量级的加速,平均加速比也可达到两个数量级。分段规约与扫描最大可达到五个(平均四个)数量级的加速,并将功耗降低79%。     

面元法的红外制导图像边缘检测

红外图像通常存在着噪声大、目标和背景之间具有较小的灰度差、边缘较模糊的特点,使现有的方法不能有效地提取红外图像的边缘。而图像的表面积特征能较好地针对红外图像的这些特征提取出边缘,因此利用图像的表面积特征提出了一种实用的面元边缘检测法。在对图像灰度值变化情况进行分析的基础上,使用了一种十字面积计算公式以满足边缘检测的需要。通过噪声误差对面元法和梯度法计算结果的影响分别进行分析,发现面元法比梯度法的噪声抑制能力至少高两倍,而且在边缘处的噪声抑制能力更高。将面元法几种常用模板算子法的红外图像边缘检测结果进行实际对比后发现,所提出的面元法对红外图像的目标边缘检测能取得良好的结果。