受水体自身吸收和悬浮颗粒强散射的作用,水下光学成像存在严重的“帷幔效应”,造成场景中目标细节信息被淹没在背景散射光中,图像对比度大幅降低。由于目标和背景信息所具有的唯一性和差异性,从光场的偏振特性发展出的水下偏振成像技术可以对水下背景散射光进行有效抑制,利用目标信息光与背景散射光的偏振差异特性将二者有效分离,实现清晰化成像。目前,水下偏振成像技术发展迅猛,已在众多领域具有广泛应用和全新的研究成果。系统地介绍了水下偏振成像技术的基本原理、实现算法和成像效果,并依据现有技术的优缺点对水下偏振成像技术的未来发展进行分析展望。

天文导航中星点的定位精度至关重要,会影响天文导航的精度。传统的基于线性插值的星图分辨率提高方法是直接利用线性关系来计算插入的灰度值,但忽略了原函数自身的变化特征。针对星点的成像特征,提出了一种基于改进线性插值的星点定位方法。首先建立星点的成像模型并推导出一维模型,求取二阶导数以获得凹凸分界点,然后给出改进线性插值的权值因子的计算方法,进而完成星点的定位。仿真结果表明,与传统方法相比,所提方法的平均偏离误差降低了15.4%,能够有效地提取星点中心。

光热、光化及光机械等多种激光-生物组织相互作用研究的基础都是对激光辐照下生物组织内部光分布的准确描述,而准确描述组织内部光分布的有效手段是采用各类数学模型及模拟方法。主要概述了目前国内外描述组织内部光分布的主要理论、研究模型及定量分析方法,对各方法模型的适用范围、优势及局限等进行了横向对比分析,同时对大多数仿真及实验的理论基础进行了纵向回顾,并将重点聚焦于总结国内外学者在理论上的最新突破及对实际问题的解决,以方便读者快速、全面地追踪前沿。最后总结了目前该领域研究中所面临的几个主要问题,并对今后的发展方向进行了展望。

视频异常行为的检测对保障公共安全至关重要,对基于深度学习的异常行为检测算法进行了分类与总结。首先,介绍了异常行为检测的整体流程。然后,根据神经网络训练的方式,从有监督学习、弱监督学习和无监督学习三个方面论述了深度学习在异常行为检测领域的发展与应用,同时分析了不同训练方式的优缺点。最后,介绍了常用数据集以及性能评估准则,分析了不同算法的性能,并展望了未来的发展方向。

传统显微镜通常需要通过更换不同倍率物镜同目镜来改变系统的放大倍率,且放大倍率不连续。将连续变焦光学系统设计应用于显微成像系统中便可以实现成像放大倍率的连续变化。概括性地总结了各种类型的连续变焦光学系统及其变焦原理,接着介绍了不同类型的连续变倍显微镜,最后对连续变倍显微镜的未来发展方向进行了讨论与展望。

血迹作为暴力案件现场出现率较高的生物检材,其检验鉴定工作可为案件的快速侦破提供大量信息。高光谱成像技术可对案发现场的血迹检材进行无损、快速成像,相比于检测血迹的化学试剂法和传统的光谱分析方法,高光谱成像技术具有图谱合一的显著优势。在简要分析高光谱成像特点、数据表达方式和数据处理方法的基础上,介绍了高光谱成像技术在**、生态、食品等领域的应用,重点研究了高光谱成像技术作为血迹检测的一种技术手段在潜在血迹显现、血迹组分分析、血迹分类识别和血迹陈旧度预测中的应用现状,并对其在应用过程中遇到的挑战和后期重点研究方向及发展前景进行了总结和展望。

针对现有能见度检测方法复杂度高和检测精度低的问题,提出了一种基于监控图像的道路能见度检测方法。首先,通过暗亮原色先验理论求取暗亮原色的透射率;然后,利用自适应去雾权值和自适应滤波窗口优化大气光值和大气透射率,将车道线首尾端点的透射率与优化后的暗亮原色透射率一一对应;最后,结合车道线首尾端的距离计算大气消光系数和能见度。实验结果表明,本方法可在100~600 m内实现高精度检测,相对误差小于10%。相比其他方法,本方法的检测效率更快、精度更高且更容易实现。

对文物的保护和修复是一项覆盖考古、物理、化学及生物等多学科交叉的工作,利用各种科技手段无损地表达文物的历史意义一直是文保工作者的发展方向。太赫兹作为近二十多年来的新兴学科,被广泛应用于各个领域,例如安检、药品质量监督和半导体等,尝试将太赫兹应用到文保领域也是近年来的研究热点。主要讲述太赫兹飞行时间成像在漆器盒子样品上的应用。实验结果表明,研究的漆器盒子样品具有至少两层结构,胎体是木质材料,在木质材料的表面涂漆并在上面描绘不同的图案,达到装饰的目的。并且可以通过太赫兹飞行时间成像检测漆盒中的胎体也就是木质结构内部是否存在损坏。

由于分布式全息孔径成像系统的相干性及振幅扩散函数(ASF)的旁瓣效应,成像分辨率的分析非常困难。将瑞利判据两点间分辨率模型推广为多点间分辨率模型,并根据多点ASF在不同相位分布下的叠加曲线判断观测点与其最邻近点的分辨性能。采用遗传算法将观测点与其最邻近点的谷峰比作为目标函数,通过优化多点间相位分布求得某角间距下的最大谷峰比,当最大谷峰比不大于0.81时,则可以分辨该观测点能与最邻近点。求得任意相位发布下,均满足谷峰比不大于0.81的临界角间距,即可将其视作系统角分辨率。仿真和实验结果表明,该方法能够较准确地分析系统分辨率及等效孔径。

提出一种红外与微光图像融合新算法,即在Tetrolet变换下基于柯西模糊函数的融合算法,用于改善融合图像对比度低、细节信息缺失、融合效果较差等问题。首先,源图像通过Tetrolet变换,分解出两组高低频系数;然后,针对低频系数,提出区域能量-柯西模糊函数规则,针对高频系数,采用区域拉普拉斯能量和进行处理;最后,利用Tetrolet逆变换将得到的新高低频系数转换为最终的融合结果。实验结果表明,本文方法在提高融合图像对比度、保留图像细节等方面具有一定的优势。

三维点云快速点特征直方图(FPFH)特征提取的邻域半径采用预设固定值,导致特征描述具有随意性、不全面性、低效性等问题,点云配准整个过程自动化程度低、耗时长。针对该问题,提出一种三维点云配准中FPFH邻域半径自主选取算法。首先,计算多对点云圆周密度并且保留最大圆周半径;其次,设置迭代次数,根据迭代次数和每对点云最大圆周半径自动划分单次邻域半径,通过划分的邻域半径提取FPFH特征并用于采样一致性算法配准;最后,统计多对点云圆周密度及对应的最优邻域半径,使用多项式拟合法求出映射函数,形成FPFH特征提取优化算法。结果表明,所提算法能够根据点云圆周密度自动选取最佳邻域半径,有效降低了点云描述的不全面性和冗余度,在提高点云配准自动化程度的同时提高了点云配准速度和精度。

针对视频图像中多目标运动、边缘特征模糊、目标跟踪难度大的问题,提出了一种基于多目标视频图像边缘特征的核相关滤波跟踪算法。首先,将视频图像中目标运动轨迹的3帧图像时间作为线性段。然后,利用线性判断方法捕获目标,利用动态边缘演化技术准确提取捕获目标的边缘特征;并结合视频图像梯度角度直方图与颜色信息,获取梯度角度-色度饱和度直方图颜色特征,得到跟踪目标的特征权重。最后,利用核相关滤波跟踪算法,通过循环移位和循环矩阵、岭回归模型学习分类器实现视频图像的多目标跟踪。实验结果表明,本算法的多目标跟踪成功率高达99%以上,且在尺寸变化、颜色变化、存在遮挡物等复杂环境下每秒能跟踪的图像数量大于65 frame,具有优越的跟踪性能。

针对马尔可夫链蒙特卡罗(MCMC)算法的计算量大以及统计结果中含有严重噪声等问题,提出一种基于分层模型和低秩近似的X射线图像重建方法。首先引入全变差(TV)正则项来构造目标函数,并基于Jeffreys先验定义超参数以建立分层贝叶斯模型。然后采用变量分裂法得到分裂形式下各变量的条件概率密度分布。最后根据正向模型所具有的低秩性质来计算低秩近似的目标分布函数,从而得到关于待求参数的闭合解。结果表明,所提方法可以有效解决贝叶斯逆问题中存在的计算量大等问题。相比于现有的基于不确定性量化重建方法,所提方法在有效抑制图像噪声的同时能够更好地保留图像的边缘细节。

基于深度学习的表情识别方法存在参数量大、实时性差等问题,针对此问题,提出一种基于轻量卷积网络的多层特征融合的人脸表情识别方法。首先使用改进的倒置残差网络为基本单元搭建轻量卷积网络模型,然后采用池化、1×1卷积、全局平均池化法筛选卷积网络中的浅层特征,并对这些筛选的浅层特征与深层特征进行融合用于表情识别。在两个常用的真实表情数据集RAF-DB和AffectNet上对所提方法进行测试,识别准确率分别达85.49%和57.70%,且模型参数量仅有0.2×10 6。

为了提高入侵检测系统的准确率,提出一种基于乌鸦搜索算法的反向传播(CSA-BP)神经网络模型。BP神经网络是解决非线性问题的重要方法,但是其预测能力容易受到初始参数的影响。针对这一问题,将相对百分误差作为模型的目标函数,通过乌鸦搜索算法极强的全局搜索能力找到最优权值和阈值。然后,利用5组标准的数据集对CSA-BP模型进行验证。最后,将CSA-BP算法用于入侵检测系统,结果表明,该算法使入侵检测系统准确率更高,达到了96.6%,且加快了收敛速度。

为实现多种类水稻病害的自动识别,采用卷积神经网络对水稻干尖线虫病、白叶枯病、细菌性条斑病等8种水稻叶部病害图像进行识别。将病害图像通过随机旋转以及亮度和对比度随机改变等方法进行样本扩充后,随机划分80%的图像作为卷积神经网络的训练样本,20%的图像作为测试数据。将训练样本直接输入AlexNet网络与LeNet5网络中进行训练,得到AlexNet_model和LeNet_model。在AlexNet网络上采用模糊C均值聚类(FCM)图像处理和在每层激活函数后添加批归一化层(BN)的两种方法对图像进行识别,得到模型FCM_model和BN_model。结合4种模型识别结果及性能评价指标的分析,可知 BN_model的识别效果最佳。BN_model模型的最终测试识别准确率达99.11%,比AlexNet_model、FCM_model和LeNet_model分别提高了0.23个百分点、0.59个百分点和4.43个百分点。该模型识别能力与泛化能力强,为基于卷积神经网络的水稻病害研究提供了参考。

点云数据量十分庞大,合理地精简点云数据是点云数据处理的重要研究内容。针对传统点云精简算法存在的细节缺失、空洞等问题,提出一种基于多参数k-means聚类的自适应点云精简算法。该方法基于KD-Tree创建点云k邻域,结合曲面拟合对点云数据进行曲率和法向特征计算,运用多参数混合特征提取方法对点云特征及边界进行检测并保留;并由KD-Tree索引确定初始化聚类簇心,进行k-means聚类,聚类结果根据最大曲率偏差作细分精简。将本文算法、曲率采样法、均匀网格法与随机精简法分别应用于不同类型的点云模型中进行实验,结果表明,本文算法在复杂模型下的标准偏差均优于后三者,且可以较好地保留点云的细节特征信息,精简效果与模型完整性优于均匀网格法与曲率采样法。

基于鞋样的视频追踪技术是公安机关刑事侦查的一种常用技战法,在公安实战中起到巨大的作用,然而该项技术大量依赖于人工筛选,工作量大且效率低,容易出现漏检的状况。鉴于此,提出一种基于SSD(Single Shot MultiBox Detector)模型的鞋子自动检测算法,实现对行人鞋子的自动检测与定位。首先对SSD模型的结构和先验框参数进行设计,使其符合鞋子检测的实际应用。然后采用调节网络参数的方法提高网络的检测性能和稳定性,完善适用于鞋子检测的网络模型和方法,最终得到准确且高效的单类别鞋子检测网络。最后在课题组前期构建的鞋样本数据库中进行性能评价。实验结果表明,所提算法的平均精度达到0.891。

针对多聚焦图像融合过程中,如何准确地检测聚焦区域以及克服检测过程中存在的配准错误和噪声敏感问题,提出一种结合滤波算子与双尺度分解的多聚焦图像融合算法。首先,对源图像进行高斯拉普拉斯滤波处理,并将获得的滤波图像与源图像作差分运算,分离出多源聚焦图像的高频信息;然后,利用基于结构的双尺度焦点度量方法对多源图像的边缘与局部高频信息进行分解处理,生成含有边缘互补信息的初始决策图;最后, 采用基于一致性检验方法对得到的初始决策图进行分步细化处理,生成融合决策图,并按照逐像素加权平均规则获得融合图像。实验结果表明,与其他聚焦策略相比,该聚焦区域检测方法对不同噪声具有更高的鲁棒性和更强的聚焦区域识别能力, 处理时间小于0.5 s。

针对暗通道和线性变换算法的局限性,提出了一种基于改进线性变换的迭代优化去雾算法。首先,从最小颜色分量出发,建立大气耗散函数与最小颜色分量的自适应线性变换模型,以获得介质传输率的初始估计;然后,针对雾图中明亮区域的介质传输率进行自适应修正;其次,使用Kirsch和Laplacian算子构成的高阶滤波器进行迭代处理,得到最优介质传输率;最后,将优化后的介质传输率和基于四叉树子块搜索法获得的大气光值代入大气散射模型,得到复原图像。实验结果表明,本算法能恢复出清晰、自然的图像,对单幅图像的去雾效果较好。

针对小目标(像素占比小于0.02)检测存在的目标特征容易丢失、分辨率低的问题,提出了一种基于改进YOLOv3(You only look once)卷积神经网络的检测方法。首先,对数据集中的小目标进行复制变换增强,以提升训练过程中网络对小目标的注意力。其次,针对浅层视觉信息与深层语义信息的尺度融合,提出了跨尺度检测层的网络结构,提高了网络对小目标的适应能力。最后,针对高分辨率图像的检测效果,提出了深度和广度结合的残差块组传递结构,丰富了深层特征图的感受野。实验结果表明,相比YOLOv3网络,改进跨级尺度预测层的网络检测小目标的精确率提升了1.9个百分点,召回率提升了5.9个百分点;优化感受野的网络检测小目标的精确率提升了31.6个百分点,召回率提升了46.4个百分点。

为了解决当前去雨算法恢复效果差、时效性一般的缺陷,提出了一种结合时间方向梯度与水平方向梯度的快速视频去雨算法。首先,将有雨图像分为背景层和雨痕层,并用背景层的时间方向梯度和雨痕层的水平方向梯度以及各层对应的预训练高斯混合模型作为先验条件,构建模型函数;其次,利用半二次分裂法对所得非凸函数进行等效变换,获得用于最小化的目标函数;最后,利用快速总变分法优化模型函数,得到模型函数的最优解。实验结果表明,相比其他算法,本算法的去雨恢复效果更优、时效性更好,且速度更快,平均峰值信噪比提升了1 dB以上。

在对点云进行三维重建中,不可避免地会产生各种噪声。现有方法中,在三维空间中通过分析和计算点云几何关系去除噪声点,存在计算复杂、耗时等缺点。提出了一种基于图像处理的点云滤波算法。首先对点云进行预处理,将点云映射到图像上,其次通过图像处理方法去除噪声区域,重新恢复成三维点云,最终得到不包含噪声的点云。详细分析了所提算法的实现过程,并通过实验结果验证了所提算法的有效性、实时性。

大部分现有深度聚类方法都试图最小化重构损失,然而深层特征的判别能力与重构损失并没有必然联系,并且这些深度聚类方法通常只关注从样本自身提取的有用特征,很少考虑样本背后的结构信息。为解决这些问题,提出一种新的结构化深度判别嵌入编码网络聚类(SDDECC)算法,用于无监督图像聚类。首先在多层卷积自编码器网络中引入最大化互信息与最小化先验分布约束,然后使用传递算子将深度判别嵌入编码网络(DDECN)模块学习到的特征表示融入到图卷积神经网络(GCN)模块中,最后利用Kullback-Leibler(K-L)散度联合双网络结构产生的潜在特征分布端到端地完成聚类训练。实验结果表明,SDDECC算法能够有效提取更多有鉴别性的深层特征,并且由于在GCN中融合了样本的属性信息和结构信息,最终该模型取得了良好的聚类效果。

新型真空太阳望远镜(NVST)作为研究太阳物理最主要的光学太阳望远镜之一,在采集图像数据过程中会遭受各种噪声干扰,影响对观测数据的研究。一些基于标准监督深度学习的方法在图像去噪领域取得显著成果,但对于干净数据难以获取的天文图像领域该类方法变得不适用。针对此问题,本文将基于自监督深度学习的图像去噪方法应用于NVST图像去噪。为定量评价网络模型性能,首先对经过重建的数据添加仿真噪声;其次将含噪数据通过噪声水平估计网络对噪声水平进行估计;接着利用自监督卷积盲点网络对图像特征进行学习,同时使用贝叶斯推理对图像进行恢复;最后通过峰值信噪比和结构相似度评价指标、相关性分析和功率谱分析对实验结果进行定量分析。实验结果表明,不论对于仿真噪声数据还是实际观测数据,相较于实验中其他图像去噪方法,本文方法能有效降低噪声对NVST图像的干扰,提高图像信噪比。同时也为干净图像数据难以获取的其他工程领域提供解决思路。

针对传统神经网络无法对相似度较高的中式菜品进行有效分类的问题,提出了一种基于改进残差网络的中式菜品识别 RNA-TL (ResNet with Attention and Triplet Loss) 模型。该算法先融合多尺度特征以提取深层次图像的语义信息,然后增加一层注意力机制层,给予图像重要部分更多的关注,最后利用三元组损失(Triplet Loss, TL)计算类间相似度并将结果输入到支持向量机(Support Vector Machine, SVM)中进行分类。实验表明,相较于其他主流算法模型,RNA-TL模型在中式菜品公共数据集上以及课题组采集的数据集上的识别准确率表现出更优越的性能。

针对传统视觉同时定位与地图构建(vSLAM)相机跟踪模块在动态环境中无法精确定位的问题,提出一种基于语义的视觉里程计。首先,在利用金字塔Lucas-Kanade 光流追踪匹配帧间特征点的同时,对图像进行像素级的语义分割。然后,将语义信息与几何特征紧密结合用以准确地剔除图像中的外点,使得位姿估计和建图仅依靠图像中值得信赖的静态特征点。最后,提出了一种多尺度的随机抽样一致(RANSAC)方案,对匹配点进行步进采样,每步使用不同的尺度因子,在降低外点检测时间的同时,提高了外点检测的鲁棒性。在TUM数据集上的实验结果表明,在高动态序列中,相比于ORB-SLAM2,本文方案的绝对轨迹误差和相对位姿误差改善了90%以上,而相比于同类型的DS-SLAM,本文方案在降低外点检测时间30%~40%的情况下,提升了位姿估计的鲁棒性。

水下探测作业过程中,水体因外界环境而产生扰动,从而使水下的折射率发生变化,增强水体对光的散射作用,导致水下光学目标成像模糊,成像质量降低。鉴于此,采用鬼成像方式克服水下扰动,利用参考光场和测量光场的二阶相干性分别测量某一时刻参考光束在采集平面上的光场分布与测量光束的在采集平面上的总光强,根据总光强重建鬼成像。实验过程中,利用超声波对水体进行扰动,对比鬼成像方式与经典成像方式的成像结果并比较两种成像结果的峰值信噪比,研究鬼成像系统在水下抗扰动能力。实验结果表明,在水下扰动的环境中,鬼成像方式的图像质量高于经典成像方式。

为了克服迭代最近点(ICP)算法鲁棒性差、配准精度低的问题,提出了一种改进的基于快速点特征直方图(FPFH)的ICP点云配准算法。首先,基于改进内部形态描述子和法向矢量角的变化来提取点云特征;其次,使用指数函数优化欧氏距离,并将优化的欧氏距离作为FPFH算法的权重系数,用于特征点描述,从而保证利用初始对齐估计得到更准确的点云位置;然后使用双重约束和单位四元数算法完成初始配准;最后,给ICP算法构建双向k维树,并使用点对的欧氏距离与最大欧氏距离的比值来计算每个点对的权重,将权重作为ICP迭代误差函数的加权系数,以减少迭代时间并减少不良对应关系在配准中的影响。实验结果表明,本文算法的配准精度较ICP算法提高2~6个量级,并且具有更强的鲁棒性。

为提高视觉同时定位与建图(SLAM)回环检测的准确率和召回率,提出一种基于改进线带描述符(LBD)和数据依赖度量的点线特征视觉SLAM回环检测算法。首先,针对现有LBD二进制转换操作只在各个条带之间比较大小而忽略条带内部属性,从而导致匹配正确率低的问题,增加了条带描述子内部对比操作。然后,考虑到视觉单词词频分布信息对相似性的影响,采用基于数据依赖的方法进行图像相似度计算。最后,在公开数据集上对不同算法进行验证,结果表明,所提算法能够在100%准确率的情况下,获得更高的召回率。

针对传统安全帽佩戴识别算法检测精度低、鲁棒性差的问题,提出了一种基于深度学习的安全帽佩戴检测方法。该方法以YOLOv3检测算法为基础,对其网络结构和损失函数加以改进。首先,通过增加特征图弥补原YOLOv3算法对小目标检测效果不佳的问题;然后在增加特征图的基础上,使用K-means聚类算法对收集的安全帽数据集进行聚类,选择出合适的先验锚框;最后,采用GIoU Loss作为边界框损失,在损失函数中加入Focal Loss,减少正负样本不均衡带来的误差。实验结果表明,相较于YOLOv3检测算法,改进后的算法在平均精确率上提高了3.47%,在安全帽识别精确率上提高了4.23%,在安全帽识别上具有一定的先进性和有效性。

针对全卷积孪生神经网络SiamFC在目标跟踪速度以及网络判别能力上有待提升的问题,提出了一种基于改进SiamFC的实时目标跟踪算法。将原网络结构中的第二层卷积层替换为深度可分离卷积,通过减少参数计算量,提高了跟踪速度;为了提高网络判别能力,第三层卷积层使用混合深度卷积,通过不同尺寸的卷积核提取特征,实现多特征融合,提取到鲁棒性更强的特征;采用预处理后的ILSVRC2015数据集,使用随机梯度下降法对网络进行训练,并在OTB2015、VOT2016、ILSVRC2015数据集上对算法性能进行测试。实验结果表明,该算法和SiamFC算法相比,在跟踪成功率、跟踪精度以及跟踪速度上都有一定的提升,并能够满足实时跟踪要求。

基于深度学习的裂纹检测方法严重依赖大量的像素级标注信息,为此提出一种基于半监督学习的裂纹检测方法。该方法将多尺度模块引入到裂纹检测的网络模型中,仅利用小部分的像素级标注数据进行全监督训练。对于无标签数据,融合多种显著性区域检测方法生成伪标签,可以减少对像素级标注信息的依赖。在裂纹数据集上对改进网络进行实验验证,并与常用语义分割网络和弱监督实验基准从主观评价、精度、召回率和F1-score的角度进行比较。实验结果表明,改进网络可以有效提升裂纹的识别准确率,提出的半监督训练策略在仅需6.25%像素级标注信息的情况下,能够取得与全监督方法相当的识别精度和召回率。

行车间距检测是汽车主动安全辅助驾驶系统的关键技术之一,为了提高车辆行驶过程中行车间距检测的精度与实时性,提出了一种实时单目深度估计方法。首先,构建畸变模型并用相机标定算法进行单目相机标定。然后,以车牌作为前车目标定位基准,采用颜色、轮廓的车牌筛选算法快速提取前车车牌信息。最后,基于方向梯度直方图特征和支持向量机实现车牌的精准定位。实验结果表明,相比其他方法,融合已知车牌的透视N点深度估计模型精度高、实时性好。本方法对前车车牌定位的识别率为99.326%,行车间距的检测误差小于10%,处理一张图像所需的时间约为170 ms,满足车辆行驶过程中对车间距检测的应用需求。

为了均衡水印的视觉不可见性与鲁棒性,解决数字多媒体产品的版权保护和内容认证问题,提出了一种基于结构森林边缘与尺度不变特征转换(SIFT)的鲁棒水印算法。首先,将彩色图像从RGB颜色空间转换到Lab颜色空间,并提取L分量的1024个SIFT稳定点作为水印的嵌入位置;然后利用训练好的随机决策森林模型提取图像边缘作为水印图像,对水印图像进行离散小波变换(DWT) 得到低频子带,将低频子带划分成不重叠的子块,得到每个子块的最大值并利用Arnold变换进行加密。实验结果表明,所提算法具有良好视觉不可见性的同时,能够有效地抵抗剪切、斑点噪声、运动模糊等攻击,具有较好的鲁棒性,并且有效地保护了图像的原始边缘特征。

针对距离向量-跳距(DV-Hop)定位算法定位误差大的问题,提出一种基于DV-Hop测距修正的动态调参差分进化算法(IDV-Hop-DPDEL)。利用多通信半径广播锚节点位置信息,结合节点远近度修正待定位节点与锚节点的测距值;通过动态调整差分进化算法中的变异因子和交叉概率因子,提高搜索精度,得到待定位节点的最优位置。为了验证算法的有效性,在保证其他参数都固定的情况下,令节点总数、通信半径及锚节点占比在一定范围内变化,实验结果显示,IDV-Hop-DPDEL算法的平均定位误差比DV-Hop算法低51.56%,且与其他两种经典改进DV-Hop算法相比,IDV-Hop-DPDEL算法的性能较优。

为了提高科考人员探测未知环境时的安全系数,实现无接触测量,同时解决二维平面成像无法获取物体距离信息和尺寸信息的问题,设计并实现了一套基于单点脉冲激光测距仪的三维扫描成像系统。首先,利用方差过滤和高斯拟合提高单点激光测距的精度。其次,修正云台角度偏差后通过云台的转动有序扫描并获取物体表面的点云数据。最后,利用具有噪声的基于密度的聚类算法对获取的点云噪声进行滤波,得到轮廓分明、角度清晰、距离准确的三维点云图像。在室内对普通纸盒的成像实验结果表明,该系统测量距离、物体面积以及角度拟合的误差均小于5%;在室外对200 m内的大型建筑进行成像,结果表明,该系统能有效探测未知环境和感知障碍物。

针对车载激光捷联惯导系统行进间对准过程中晃动干扰、惯性器件常值误差等导致的对准精度降低的问题,提出了一种基于旋转调制的抗干扰车载激光捷联惯导系统行进间对准方法。针对行进间对准过程中存在的晃动干扰,采用惯性系下的姿态实时更新方法跟踪姿态变化,以克服角晃动干扰,并对比力方程进行积分以减小线振动干扰,同时结合姿态最优估计求得起始时刻的姿态,在更新方向余弦阵过程中,采用“单子样+前一周期”的等效旋转矢量算法减小不可交换误差对姿态解算精度的影响。接着采用单轴连续旋转调制方法实现对惯性器件常值误差的自补偿。仿真结果表明,该自主初始对准方法能够在行进间对准过程中克服干扰,消除惯性器件常值误差的影响,提升对准精度。

采用一种斜入射纵波探头在管内壁上形成爬波,以达到检测厚壁管内壁缺陷的目的。首先采用有限元方法模拟斜入射纵波在内壁上形成爬波的过程;然后使用激光超声可视化技术观察爬波在内壁上的形成过程,以验证有限元仿真的结果;最后通过超声波探伤仪连接研制的爬波探头,得到爬波在内壁人工缺陷上的反射信号。实验结果表明,超声纵波在管内壁上发生模态转换形成爬波,而爬波能量和纵波的入射角有关;探头和缺陷之间的距离影响着缺陷反射信号的幅值和出现时间;纵波在内壁上只是部分转换为爬波,还存在其他模态的超声波。试制的爬波探头可有效地检测厚壁管的内壁缺陷,为保障厚壁管的运行安全提供有效的无损检测方法。

目标跟踪应用中,针对迭代扩展卡尔曼滤波(IEKF)在模型失配和噪声时变情况下出现精度下降甚至发散的问题,提出了一种基于多重渐消因子的自适应IEKF算法。该算法首先通过一个基于正态分布的限定记忆新息协方差估值器来计算新息协方差估计值,并根据估计均方误差把多重渐消因子分配给各数据通道;再依照χ 2检验原理判断系统是否异常,仅在系统异常时才引入渐消因子;最后利用目标与观测站间的径向距离和方位角信息,实现了IEKF迭代次数的自适应控制。仿真结果表明:与传统IEKF相比,在系统模型失配时所提算法的位置、速度和加速度平均估计误差分别减少86.97%、33.18%和15.56%;在过程噪声时变时则分别减少60.35%、18.42%和6.02%;在量测噪声时变时则分别减少50.60%、18.78%和5.41%。结果表明,所提算法有效提高了滤波精度,鲁棒性也进一步提升。

通过消光系数反演椭球颗粒群的几何参数是颗粒测量领域的重要问题,传统基于进化算法的反演技术需多次数值积分求解消光系数,效率较低。针对该问题,提出了一种基于机器学习的计算方法。首先,参数化表达颗粒群的粒径与形状;然后,基于反常衍射近似理论建立椭球形颗粒消光系数的训练及测试数据集;最后,用多层感知器人工神经网络实现颗粒群参数与消光系数之间的映射,并研究了神经元数目、波长、颗粒群分布模型等因素对预测精度及效率的影响。实验结果表明,当隐藏层神经元数目为20时,预测平均误差低于0.05%,单机预测时间约为0.6 μs。该技术提供了一种高效准确的消光系数计算工具,进一步结合进化算法有望实现球形及椭球颗粒群粒径与形状参数的实时反演。

重质矿物油的检验分析在交通肇事案件处理过程中具有重要作用。为了实现对重质矿物油种类的准确区分,本文采集了汽机油、柴机油、润滑脂、齿轮油和液压油5种重质矿物油共计120份样本的红外光谱和拉曼光谱数据,结合光谱融合的相关方法,建立了基于支持向量机(SVM)的重质矿物油分类判别模型。实验结果表明:使用单一光谱数据进行建模分类的准确率较低;对初级光谱融合数据进行建模分析时,5种重质矿物油的分类识别准确率稍高于前者,最高可达75%;使用中级光谱融合数据结合主成分分析建模能够实现5种重质矿物油的完全区分,在26维矩阵上特征提取得最好,分类识别率为100%。使用光谱数据融合结合SVM建模分析,能够实现重质矿物油的完全区分,该方法提高了检验鉴定效率,能够满足公安机关提出的快速、准确的检验要求,为基层民警处理相关案件提供了理论支撑和方法参考。

针对主观颜色分析受照明光源、观察者等因素影响的问题,本文采用可见光谱识别不同朝代典型壁画的颜料信息,然后根据色度学理论,客观地分析了古代壁画的颜色特征和历史流变。本文搭建了非接触式获取系统,并采用该系统对莫高窟不同朝代典型洞窟壁画的可见光谱数据进行了无损采集。此外,本文模拟古代工艺制备颜料样本,测量其可见光谱和粒径尺度数据,建立颜料标准数据库。分析颜料的可见光谱与其物质成分、粒径及颜色特性之间的关联,并据此构建基于可见光谱的壁画颜料的识别方法,识别莫高窟典型洞窟壁画的颜料信息。本文通过将识别的颜料信息与颜料标准数据库数据进行对比,客观地分析了莫高窟壁画的颜色特征和历史流变。

香烟烟灰是法庭科学研究的重要物证之一。利用化学计量学方法,采用能量色散型X射线荧光光谱(XRF)仪对42个香烟烟灰样品进行检验,实现了对香烟烟灰的快速无损检测。首先,前期对X射线荧光光谱数据做标准化处理,通过组内平方误差和法确定K的取值,同时借助K-均值聚类法对样品进行初步聚类区分并解释聚类结果反映的样品和化学成分信息。然后,结合主成分分析法和单因素方差分析法验证聚类结果。最后,利用判别分析法建立判别函数模型,建立了基于K-均值聚类法的分类模型。结果表明,利用组内平方误差和法对K进行取值的K-均值聚类准确可靠,聚类结果在主成分分析中也得到了很好的验证,不同类别均得到了较好的区分,单因素方差分析中各个元素均具有良好的显著性,判别分析显示分类模型的准确率达到 100%。此分类模型方法简单快速、结果准确可靠,为公安基层实际办案提供了参考。

计算机配色逐渐成为主流配色方式,用于保证包装印刷等产品在颜色复制过程中的一致性。光谱基础数据库是计算机配色的基本条件,其建立方法过于复杂,影响了计算机配色技术的推广和应用。根据Kubelka-Munk理论分析,建立光谱基础数据库的过程中样条质量浓度(简称浓度)、油墨浓度梯度和油墨梯度数量对配色结果有较大影响。为了优化光谱基础数据库、获得更加准确的配色结果,基于单因素实验法、正交实验法及相关评价方法,提出了一种在配色建库过程中最佳的浓度梯度、梯度数量及样条油墨的浓度范围的组合。实验通过建立的数据库对潘通色进行配色,对色差进行计算,并结合极差进行分析。实验结果显示优化的光谱基础配色数据库很大程度上减少了建库工作量,同时通过计算获得的目标配色结果的精度高,符合生产要求,说明该方法能有效选取最佳参数组合。

子午型龙虾眼透镜较方孔型龙虾眼透镜具有更好的聚焦能力,为了研究子午型龙虾眼透镜反射表面的特征对X射线聚焦成像特性的影响,基于棱镜展开原理,建立了子午型龙虾眼透镜的光线追迹算法,并基于菲涅耳反射原理,分析了膜层材料、膜层厚度及膜层表面粗糙度对不同能量X射线聚焦特性的影响。研究结果表明,子午型龙虾眼透镜对X射线的聚焦能力主要取决于反射表面的传递效率,传递效率由选用的膜层厚度与粗糙度决定,同时受到通道锥顶角的调制。同时,X射线的能量决定了子午型龙虾眼透镜的有效物方孔径角,透镜视场与有效物方孔径角的匹配也会影响子午型龙虾眼透镜的聚焦能力和焦斑分布。