基于孪生神经网络在线判别特征的视觉跟踪算法

基于孪生神经网络的跟踪算法是利用离线训练的网络提取目标的特征并进行匹配,从而实现跟踪。在离线训练过程中,网络学到的是相似目标的通用特征,因此当有相似目标干扰时,用这种通用特征表达特定目标将会导致跟踪性能下降,甚至丢失目标。为提高对相似目标的判别能力,通过在线更新网络参数,使网络能够在通用特征的基础上,进一步学到当前目标的特定特征,这样不仅能有效地区分目标与背景,还能消除相似目标的干扰。实验在OTB50和OTB100数据库上进行,结果表明该算法可以提高对网络提取特征的判别力,实现对目标的稳健性跟踪。     

基于共同视域的自监督立体匹配算法

提出了一种基于共同视域的自监督立体匹配算法,该算法根据视差的左右一致性来确定双目图像的共同可视区域,从而抑制被遮挡区域产生的噪声,为网络模型的学习提供了更加准确的反馈信号。研究结果表明:在没有任何标签数据的前提下,所提算法的预测误差降低了11%～42%,且与有监督立体匹配算法的性能相当。     

TC4钛合金超高周疲劳性能研究

应用基于压电超声疲劳技术开发的20kHz超声疲劳拉压试验系统,在室温下完成了对称载荷作用下TC4钛合金的超高周疲劳试验,并分析了次表面断裂的试件断口。结果表明:疲劳循环大于10~7周次时,试件仍会发生疲劳断裂,且疲劳强度会随循环次数的增加而下降,不存在明显的疲劳极限;TC4钛合金断口呈现"类鱼眼"形貌,能谱分析未观察到裂纹源处夹杂物的存在;疲劳断面的粗糙度随与疲劳源区距离的增大而减小,裂纹在后期扩展速率较快,并伴随少量塑性变形。该TC4钛合金次表面疲劳裂纹的产生是由其微观组织的不均匀或晶粒内部的滑移带导致的。     

用于校准能见度仪的标准散射体定标系统中光学系统的误差分析

为了实现用于校准能见度仪的标准散射体的快速高精度定标,依据标准散射体校准前向散射式能见度仪的校准原理,建立定标系统中光学系统的误差分析方法.分析标准散射体定标系统的工作原理,结合其光学系统、机械结构的加工及装调偏差,建立了标准散射体定标系统的光学系统模型并设计实验证明其正确性.分析影响定标系统中光学系统精度的主要误差,得到标准散射体定标系统中光学系统的误差传递模型.通过对畸变偏差、像面位置偏差、主点位置偏差、像面倾斜偏差和焦距偏差的分析,提出了一种系统综合误差分析的方法并建立了综合偏差模型,对每个偏差单独分析,得出畸变偏差、像面位置偏差、主点位置偏差、像面倾斜偏差和焦距偏差的偏差范围依次为0.024 mm,0.399 mm,0.02 mm,0.28 rad和0.392 mm.该研究为提高用于校准能见度仪的标准散射体定标系统的精度以及校准时误差的来源分析与补偿提供理论依据.     

用于校准能见度仪的标准散射体定标系统的校准方法

为了实现对用于校准能见度仪的标准散射体的快速准确定标,通过测量标准散射体不同散射角的散射系数,实现对标准散射体不同散射角所模拟的大气能见度进行准确定标并对定标系统进行校准.根据定标系统的组成与工作原理,确定定标系统的校准方法并建立相应的校准链,并设计校准链的各组成部分的校准方法.通过对已知散射系数的标准散射体进行定标,验证校准后定标系统定标结果的准确性,进而验证了定标系统校准方法的正确性.实验结果证明:定标系统对标准散射体的散射系数定标结果的误差为7.93%;经由定标系统定标的标准散射体所模拟的大气能见度的最大误差为8.61%,满足用于校准能见度仪的标准散射体的使用要求.     

用于校准能见度仪的标准散射体定标系统中光学系统的设计

为了实现校准能见度仪中标准散射体的快速准确定标,建立了用于校准能见度仪的标准散射体的定标系统.研究了定标系统中全景成像折反光学系统的设计方法.根据抛物面反射镜的光学特性推导出抛物面面型的计算方法.根据定标系统对光学系统的要求,完成全景成像色度计光学系统的设计.对全景成像折反光学系统进行建模仿真并设计实验验证光学系统的设计与仿真结果的正确性.实验结果表明:全景成像折反光学系统的空间检测俯仰角范围为0°~90°,方位角范围为0°~360°,且最小角分辨率为1°,与仿真结果基本一致,满足用于校准能见度仪的标准散射体定标系统中光学系统的设计要求.     

平面三维显示技术的研究现状

平面三维显示技术是近年来最新出现的虚拟现实显示技术,其最大的特点是观察者无需使用任何辅助附加设备,直接用肉眼就可看到屏幕上显示的三维图像。为推进三维显示技术的发展,进一步研究了视差立体成像原理,并据此介绍几种平面三维显示方法及其工作原理,包括障栅立体显示、微柱透镜阵列立体显示、偏振片立体显示和基于微柱透镜立体显示原理的多视点系统,阐述并分析了系统的优缺点。以日本三洋公司的四视角立体显示装置、南京大学的多视点三维显示系统和NEC液晶科技的HDDP三维显示系统为例,描述了国内外该项技术近期的研究现状,分析了存在的技术难点,展望了该应用领域的发展前景。     

基于主成分回归的温度分布反演研究

多谱辐射测温是一种非接触温度测量方法,目前常用的多谱辐射测温只能反演出一个近似温度值,而无法给出实际的温度分布。针对此问题,基于普朗克定律,采用主成分回归算法,以强激光毁伤靶材温度测量为例,在脉冲能量为34.2 J的激光入射条件下,从热辐射谱中反演出近似温度值为2 700 K,拟合相对偏差为0.5%,当温度分布范围为2 600～2 800 K时,拟合相对偏差减小为0.13%,减小了温度反演偏差。首次给出了基于主成分回归方法的温度分布反演,提高了非接触式温度测量的表征精度。     

复杂气象条件下机载中波红外系统对地目标探测识别仿真与运用研究

针对3～5 μm机载中波红外系统复杂气象条件下对地目标探测识别问题,在理论研究的基础上,采用PcModWin大气仿真软件,进行了清洁大气、雾、云、雨等气象条件下的模拟仿真实验,分析了不同气象条件下不同距离范围内该波段红外辐射透过率分布曲线和峰值参数的变化规律,结合大气分子学理论,证明了探测角度、大气能见度、雾型、云层类...     

基于孪生网络模型的岩石光谱自动分类方法

岩石光谱是岩石物理化学性质、成分和结构的综合体现,如今已经被广泛应用于岩石分类研究中。岩石光谱数据具有高维的特征数量,在样本数量有限的情况下训练时,往往会产生维数灾难现象。由于岩石光谱的数据收集困难,这在产生极大的人力成本的同时也导致收集到的岩石光谱数据往往十分有限。因此如何能够在样本数量较少时,对岩石光谱数据取得较为准确的分类效果成为了如今热门的研究课题。利用辽宁兴城地区的典型岩石光谱数据,基于Python编程语言在训练样本较少的情况下构建了孪生网络分类模型,并以Triplet Loss作为损失函数,实现了3-way-1-shot分类模型,在测试集上取得了97.8%的分类准确率。同时使用了决策树、随机森林、支持向量机和K-近邻四种传统机器学习方法在相同训练样本下建立分类模型与之对比,通过绘制学习曲线,验证了这四种传统机器学习方法在小样本的情况下不具备良好的分类功能。由于将原始光谱数据转化为图片数据之后并不会影响孪生网络模型的分类效果,因此可以将岩石光谱分类问题转化为图像分类的问题,进而使用图像分类的方法和手段。实验结果表明,孪生网络模型在岩石光谱样本数量较少的情况下仍然能够取得优秀的...