基于卷积神经网络的无人机图像模糊类型识别

为了提高无人机图像模糊类型识别的准确率,提出一种基于卷积神经网络(Convolutional Neural Network,CNN)的无人机图像模糊类型识别方法。通过样本预处理策略对无人机模糊图像样本进行处理,提高了方法的识别效率,同时降低了错误率。提出一种适用于模糊图像灰度频谱图的卷积神经网络结构,并利用训练样本对网络进行训练,增强了网络结构的针对性,提高了训练模型的识别准确率。利用测试样本对训练的网络模型进行测试,验证方法的鲁棒性。实验结果表明,将卷积神经网络应用于图像模糊类型识别,取得了良好的效果,针对实验环境下的无人机运动、离焦和大气散射3种模糊图像类型的识别准确率较高,所提方法的鲁棒性强、实用价值大。     

基于分治采样粒子滤波的三维跟踪算法

粒子滤波在处理三维机动目标跟踪问题时,粒子点难以均匀覆盖目标状态空间,较低的样本多样性和算法冗余直接影响跟踪性能。针对该问题提出一种基于分治采样粒子滤波的跟踪算法,算法通过划分独立的状态子空间,使随机样本在各子空间内单独抽样,对目标机动实现降维处理,提高跟踪性能。仿真实验表明,相对于标准粒子滤波,该算法有效提高了样本多样性,具有更好的跟踪性能,对复杂机动状况适应性更强。     

基于卷积神经网络的无人机侦察图像去雨算法

提出了一种改进的无人机侦察图像去雨算法,该算法采用双边滤波和引导滤波相结合的方法提取有雨侦察图像的高频子图。根据无人机侦察图像中一般存在天空、地面等纹理相对平滑区域的特点,提取侦察图像中的纯雨区域。最后,将提取的纯雨区域作为训练样本,输入卷积神经网络中进行训练,提取图像特征信息,得到卷积神经网络的最优参数,完成神经网络训练,得到去雨侦察图像。通过仿真实验表明,该算法能够有效去除雨线对无人机侦察图像的干扰,提升侦察图像质量,具有一定的军事应用价值。     

基于云贝叶斯网络的毁伤效果评估方法

目标毁伤效果评估是为指挥员提供决策的量化的依据,是现代信息化战争中必不可少的一环。基于图像的毁伤评估技术更是现代信息化战争必不可少的评估手段,通过对毁伤图像进行特征量提取,基于贝叶斯网络的概率推理和云模型强大的知识表示,进行毁伤评估值和毁伤等级的计算。仿真结果表明,该方法充分考虑到了不确定信息的模糊性和随机性,具有有效性和可行性。     

交织结构的耐单粒子瞬变压控振荡器

为提高辐照环境下振荡器工作的可靠性,提出一种交织结构的抗辐照设计加固压控振荡器(Voltage-Controlled Oscillator,VCO),该VCO由采用交织结构的延时单元构成,该延时单元支持多数表决功能,可以抑制单粒子瞬变的影响;该VCO环路中无须引入额外的专用表决模块,可以产生均匀的多相位输出。所提出的加固差分VCO是基于130 nm体硅互补金属氧化物半导体工艺设计的。模拟结果表明,所设计的加固VCO在100 fC~800 fC沉积电荷量的轰击范围内,其所产生的最大相位偏移不超过0.35 rad。     

动态服务质量的多信道媒体接入控制传输机制

针对航空自组网在高负载下的服务质量及时延问题,提出一种动态服务质量的多信道媒体接入控制传输机制。以多信道检测统计为平台,结合优先级机制,通过在高负载网络中适当遏制低优先级业务,并且进行网络流量优化,保证高优先级业务的低时延发送;同时利用流量预测模型估计网络流量,通过粒子群优化算法进行优化,寻找合适的优先级门限值,确保高优先级业务接入率。通过计算机仿真可知,所设计的动态服务质量的多信道媒体接入控制传输机制,可在大负载网络中动态控制信道的接入,保持良好的网络吞吐量,其高优先级业务接入率达到99%以上,能有效解决航空数据链网络高业务量导致的服务质量及时延问题。     

马尔可夫随机场中应用蚁群系统的红外图像分割

利用蚁群系统(ACS)的信息正反馈和启发式的搜索特点,针对马尔可夫随机场(MRF)图像模型的局部相关特性和最大后验概率(MAP)估计,可以在较短时间内得到图像分割目标函数的全局最优解,从而可以避免传统模拟退火算法的庞大时间复杂度.通过对军用红外图像的分割实验,可以看出这种算法能够在抗噪声、保留目标边缘和降低时间复杂度方面得到较满意的结果.     

基于平稳小波变换的遥感图像融合方法

针对目前方法在多光谱图像和高分辨率图像融合中存在的问题,提出了一种IHS交换和平稳小波变换相结合的图像融合方法.首先对多光谱图像进行IHS变换后,得到I、H和S三个分量,接着对I分量和高分辨率图像进行基于平稳小波变换的图像融合,得到一幅新的强度图像,最后用新的强度图像和H及S进行IHS反变换,进而获得最终融合图像.实验表明,它优于传统的IHS变换法和小波变换法.     

基于改进Hough变换的红外图像直线检测

红外图像像素分辨率低、对比度差等特点使得红外图像的直线检测较为困难.Hough变换具有较强的抗干扰性和鲁棒性,是计算机视觉领域中非常有效的直线检测方法.本文提出一种基于改进Hough变换的红外图像直线检测方法,经过实验验证,在红外图像像素分辨率低、边缘模糊等情况下,该方法能够很好地检测出边缘直线,同时确定边缘直线的端点...     

基于深度学习的无人机航拍图像超分辨率提升算法

针对当前无人机航拍图像普遍存在图像细节模糊以及分辨率低的问题,提出了面向无人机航拍场景的图像超分辨率算法。首先,提出一种可学习的图像下采样模型进行训练数据的生成,从而有效模拟了真实场景下的低分辨率无人机航拍图像的数据特征。其次,结合无人机平台的现实需求,提出一种基于知识蒸馏的轻量化图像超分辨率网络,有效提升了模型的泛化性能和时间效率。实验表明,该算法在真实无人机航拍图像数据集上的性能不仅超过现有通用图像超分辨率算法,同时还进一步缩减了网络模型大小和处理时间,有效满足无人机平台的硬件约束和实时性要求,对于无人机航拍图像处理具有重要应用价值。