针对小目标占有像素少导致检测精确率低的问题，提出一种基于超分辨率重建的小目标检测算法。首先，通过图像预处理对高分辨率图像分块并筛选出含有目标的子图像；其次，构建超分辨率锐化增强模块，引入锐化图像和锐化损失，以获得边缘更清晰的高分辨率子图像；然后，采用多尺度锐化目标检测模块检测目标，该模块添加边缘锐化模型，在深层特征层中进一步锐化图像边缘，弥补深层卷积对细节的损失；最后，根据子图像编号将小目标检测结果回归到原图像中，完成小目标图像检测。在PASCAL VOC数据集和COCO 2017数据集上的实验结果表明，所提算法的平均精确率（mAP）分别为85.3%和54.0%，对COCO数据集的小目标检测精确率为43.5%，高于次优值9.7个百分点。因此，所提算法可以有效减少小目标漏检的次数，提高检测精确率。

在超声振动打孔时, 微晶玻璃最大切深决定了孔壁表面质量。基于脆性断裂材料去除机理, 建立了简单实用的超声打孔材料去除率理论关系式, 得出影响表面质量的主要工艺参数为:金刚石粒径、刀具转速和进给速度。通过正交实验方法, 得到了微晶玻璃超声打孔的最佳工艺参数, 金刚石粒径650#、刀具转速12 000 rpm和进给速度5 mm/min。通过工艺参数优化后, 微晶玻璃打孔质量得到明显提升, 孔壁经过化学抛光处理后, 表面粗糙度Ra达到0.055 1 μm, 能有效提升激光陀螺腔体的真空特性和激光陀螺的性能。

导波场分析法可有效识别和表征结构损伤, 但受限于奈奎斯特采样定律, 全波场信号的采集耗时严重。为提高全波场信号的获取效率, 现有方法依靠压缩感知和激光多普勒测振技术,以少量空间测点信号重构出原始波场, 然而该类方法依赖具有一定随机性的抖动采样策略, 在商用激光多普勒测振系统上不便实现。为解决这一问题, 该文提出了一种基于均匀稀疏采样策略的导波场重构方法, 并搭建压电片激励/扫描式激光多普勒测振仪传感(PZT激励/SLDV传感)实验平台, 对含人工损伤的铝板进行实验验证。实验结果表明, 该方法可将空间测点数减少到奈奎斯特采样点数的10%以下, 并在导波场重构精度及损伤成像精度方面达到与抖动采样策略的同等水平, 且提高了导波场分析法的实用性和工作效率。

针对相关滤波器跟踪算法在目标快速运动、遮挡和表观变化时易发生跟踪漂移或者丢失的问题, 提出一种基于时间一致性和核互相关器的目标跟踪算法。该算法通过引入对图像噪声和杂波更具鲁棒性的核互相关向量, 能够更精确地预测目标的仿射变化。同时, 在学习过程中引入时间一致性约束, 以解决因核相关器时间退化导致的跟踪漂移问题。最后, 采用主灰度分量逆映射来提升跟踪器应对目标部分遮挡的能力。在公开的OTB100标准目标跟踪数据集中与提供的基准算法和其他性能更加先进的相关滤波算法进行对比, 该算法平均跟踪速度为41f/s, 相对fDSST和SAMF算法, 其跟踪精度分别提升15.6%和6.4%, 跟踪成功率分别提升33.3%和6.1%。实验结果表明, 该算法在目标快速运动、遮挡或表观变化时仍能精确地跟踪目标。

为了从目标图像上提高直线电机动子位置测量的精度、抗干扰性和实时性,引入了一种基于相关峰精确内插(FICP)的图像位移测量方法,并采用深度学习算法优选出具有强鲁棒性的栅栏图像。首先,控制栅栏条纹的宽度标准差和平均灰度梯度,生成一系列栅栏条纹图像。其次,结合线性调频Z变换和FICP算法计算相邻目标图像的位移值。然后,用位移估计值的均值误差作为评价指标,用深度神经网络建立栅栏图像质量优选模型,筛选出具有强鲁棒性的非周期栅栏图像。最后,利用线扫描相机获取运动过程中的一维栅栏图像信号,并根据棋盘标靶法确定系统的标定系数,得到实际位移值。仿真和实验结果表明,优选出的非周期栅栏图像能有效提高测量精度,证明了本方法的正确性。

矩阵运算广泛应用于实时性要求的各类电路中, 其中矩阵求逆运算最难以实现。基于现场可编程门阵列 (FPGA)实现矩阵求逆能够充分发挥硬件的速度与并行性优势, 加速求逆运算过程。基于改进的脉动阵列的计算架构, 采用一种约化因子求逆的优化算法, 将任意一个 n×n阶上三角矩阵转换成对角线为 1的上三角矩阵, 使得除法运算与乘加运算分离开来, 大大简化矩阵求逆运算过程。以一个 4×4阶上三角矩阵求逆为例, 在 Xilinx ISE平台下, 采用 Virtex5 FPGA完成算法实现与功能验证, 在 14个周期内, 使用了 2个除法器, 3个乘法器与 4个加法器实现整个矩阵求逆运算。相比于经典的脉动阵列架构, 仅占用近一半资源的同时, 性能提升了 26.43%; 相比于集成更多处理单元 (PE)的脉动阵列实现方式, 在性能近乎不变的情况下, 耗费的资源缩减到 1/4, 大幅度提升了资源利用率。

针对高光谱遥感图像的异常检测问题，为了使高光谱降维数据能更完整地保留其光谱信息，提出了基于子空间中主成分最优线性预测的波段选择方法.采用改进相关性度量的谱聚类方法将高光谱波段划分为不同的子空间，并对各子空间中的波段进行主成分分析(PCA)，选择主要分量作为重构目标；以子空间追踪法为搜索策略，从各子空间中选择数个波段对其重构目标进行联合最优线性预测；合并各子空间中的所选波段得到最佳波段子集.实验结果表明，该方法选择的波段子集可以较完整地重构原始数据，与原始数据以及自适应波段选择(ABS)方法、线性预测(LP)方法、最大方差主成分分析(MVPCA)方法、自相关矩阵波段选择(ACMBS)方法、组合因子最优波段选择(OCFBS)方法得到的波段子集相比，其波段子集具有更好的异常检测性能.

利用ANSYS有限元仿真与试验研究了脉冲红外热波检测技术的影响因素。以玻璃钢、碳纤维及热障涂层三种材料为例进行了仿真, 重点研究了环境、被测材料自身缺陷等因素对脉冲红外热波检测的影响, 并对玻璃钢和碳纤维两种材料的检测能力进行了判定。对碳纤维和玻璃钢材料进行了试验, 研究了实验条件对检测效果的影响, 并给出了玻璃钢和碳纤维两种材料的最佳实验参数。