金属材料表面缺陷的激光超声检测技术

为了完成对金属材料表面缺陷深度的检测,提出了透射法检测与估计表面缺陷深度的方法。基于热弹机制和干涉接收方式,搭建了激光超声检测实验平台,实现了工件表面缺陷的非接触检测,完成了缺陷处的B-scan信号采集和成像,建立了透射系数与表面缺陷深度之间的关系。实验结果表明:由B-scan信号可见缺陷处透射声信号的幅值与表面缺陷深度有关;由透射系数-表面缺陷深度拟合曲线估计了深度0.3 mm表面缺陷,估计误差为16%,实现了表面缺陷深度的测量。     

基于深度学习的SAR图像目标检测实验

针对目前SAR图像目标检测算法只能进行单一目标检测和检测精度不高的问题,对深度学习目标检测框架在SAR图像目标检测的应用进行了实验研究,并结合SAR图像特点进行了优化。比较了基于区域建议的Faster-RCNN和无需区域建议的SSD目标检测框架在SAR图像上的目标检测精度和速度,分析优缺点;研究了预训练模型对SAR图像目标检测精度的影响;最后通过零均值规整化提高收敛速度和检测精度。实验结果表明优化后的目标检测框架,实现了SAR图像多目标识别并提高了检测精度,可以有效地应用于SAR图像多目标检测。     

基于光流动态特征与SVM的阴燃火检测方法

针对传统阴燃火检测中存在误报、漏报的问题,研究了一种基于光流场的视频检测方法。首先,利用改进的Horn-Schunck光流算法计算图像光流场,并结合阴燃火颜色特征提取可疑阴燃火运动区域;然后,提取连通域的面积、光流平均速度、方向方差、光流主运动方向、光流速度不规则度和背景模糊性等六个特征建立特征向量;最后,利用支持向量机对所有含可疑阴燃火运动区域的图像帧进行分类,从而实现阴燃火检测。实验结果证明:该方法对阴燃火识别准确度高,可有效排除多种图像干扰,在复杂环境下的适应性和鲁棒性较好。     

串联谐振变换器IGBT开路故障检测方法

针对串联谐振变换器IGBT开路故障检测问题,根据故障前后断续谐振电流波形变化特征,提出了一种故障在线检测方法。首先,通过分析变换器的等效电路,得到了单个IGBT开路故障时的谐振电流表达式。从故障机理可知,当单个IGBT开路后,输出电流的平均值减半,同时谐振电流波形在一个开关周期内比正常工况时减少了一个半波。然后,根据故障时谐振电流波形特征,设计了相应的故障检测电路,并通过DSP控制器在线检测谐振电流整形后的方波跳变沿,有效地诊断出了IGBT开路故障,由此证明了所提方法的正确性。     

高斯色噪声背景下基于正交变换的确知信号检测

Karhunen-Loève(K-L)变换可以完全去除色噪声背景下接收信号的相关性,但计算量较大,在实际应用中容易受到限制。为此,提出了一种基于正交变换的确知信号检测方法。该方法通过选取具有快速变换算法的正交矩阵来近似K-L变换,避免了直接求解噪声协方差矩阵特征值与特征向量的繁杂过程。通过仿真比较分析了一阶高斯-马尔科夫过程下基于K-L变换和基于正交变换的检测性能,结果表明:二者检测性能相近,但后者的计算效率有明显提高,具有更高的工程应用价值。     

内置频率对Duffing振子微弱二进制相移键控信号盲检测影响

采用Duffing振子实现对微弱二进制相移键控（Binary Phase Shift Keying, BPSK）信号的盲检测时,Duffing系统输出的周期态和混沌态转换之间存在过渡带。针对这一问题,推导出过渡带时长和Duffing系统内置频率之间的关系表达式;指出内置频率越高,过渡带时间越短;仿真实验给出时间频率响应曲线。内置频率的提高,会降低系统检测微弱信号的灵敏度。针对这一问题,推导出周期态下Duffing系统输出幅度作为因变量、内置频率作为自变量的表达式;仿真实验给出幅频响应曲线。针对微弱BPSK信号盲检测,建立变尺度方法和检测阵列相结合的基于S变换提取Duffing系统输出幅度包络的微弱BPSK信号盲检测模型,仿真实验验证了模型方法的有效性。     

基于数学形态学和支持向量机的跑道检测方法

提出了一种基于数学形态学和支持向量机的跑道检测方法.首先采用Otsu法对原始图像进行全局阈值化处理,并利用灰度形态学边缘检测算法对所得图像进行边缘检测;然后利用Hough变换提取线段,若线段超过一定长度,则判定其所在区域为跑道的候选区域;最后选择8个分量组成跑道候选区域的纹理特征向量,用支持向量机作为分类函数,对候选区域的纹理特征向量进行分类,判别出跑道.实验表明,该算法对跑道定位准确,误检率低.     

基于整体变分和数学形态学的空间非合作目标边缘检测

非合作目标不提供已知的目标标识器和敏感器件,无疑增加了检测识别的难度.CCD相机能够提供大量包含有非合作目标的尺寸、形状、相对位置和相对姿态等信息的高分辨率图像,用常规方法进行非合作目标图像分割时,由于空间环境的影响,使得目标的轮廓线非常零碎,常掩埋在杂乱的背景分割线中.为了克服这种问题,提出了一种保持边界的整体变分方法和数学形态学相结合的方法.先用整体变分方法对图像进行平滑的同时可以最大限度地保留图像中的轮廓、边缘等特征信息以增强目标的边缘,然后采用数学形态学的方法对其进行膨胀、腐蚀以滤除众多的背景噪声.经大量的实验验证,这种方法可以有效地提取出非合作目标的边缘信息,并可滤除大量噪声,为进一步开展非合作目标识别工作奠定基础.     

基于中值排序的自适应加权均值滤波算法

分析了MTM算法的原理、优点和不足,并提出了一种改进的自适应加权均值滤波算法。该算法基于中值排序自适应地确定加权系数,完成对含噪图像的均值滤波。实验证明,算法能较好地滤除高斯噪声和脉冲噪声,且滤波效果优于传统的中值滤波和MTM滤波,是一种简单、实用的图像滤波算法。