从二维视图识别三维目标的多网络融合方法

提出了一种从二维视图识别三维目标的多网络融合方法,基于单个网络分类的置信度概念,有效地结合多个网络的输出结果作出最终分类判决,应用三个多层前向网络（隐层神经元数,初始权值等取不同值）,设计了基于分类确认度的多网络融合结构,对四类车辆目标进行的识别实验表明,所提出的多网络融合方法明显优于单个网络的识别性能。     

基于空间特征的光谱分类算法研究

随着成像光谱仪器的广泛应用,利用数据立方体进行物质分类与识别成为一项重要的研究内容,分类算法对最终的目标识别准确度与精度具有很大的决定作用。目前常见的分类算法主要利用了光谱维信息,从光谱匹配的角度进行物质分类。由于仪器探测的物质反射光谱不仅反映了物质种类,还与物质表面的几何结构,表面粗糙度等有关,因此仅仅利用物质的反射光谱进行物质分类识别具有一定的误差。该文在利用可见光反射光谱进行分类的基础上,结合图像空间特征,对分类过程进行控制,达到提高分类准确度的目的。利用该分类算法进行真假叶片识别,结果表明其具有较好的空间连续性,很大程度上克服了麻点效应,验证了算法的有效性。     

照度对测量三代微光像增强器MTF的影响分析

通过探讨像增强器MTF测试仪用光源的出射光照度对测量结果的影响,对透过测量狭缝的光强分布进行了分析.调节狭缝面的入射光照度,对不同照度作用下的调制传递函数进行了对比测量,经与微光像增强器的饱和输出亮度比较,得出:三代微光像增强器的MTF测试值随入射光照度分布呈抛物线分布,其最大值与微光像增强器的自动亮度控制特性有关.适当选择入射光照度,可确保被测像增强器既有足够的输出信噪比,而不进入饱和区域.     

基于形态学成分分析的静态极光图像分类算法

为了解决海量极光图像手工分类效率低下的问题,提出一种静态极光图像自动分类系统,使用形态学成分分析将极光纹理从复杂背景中分离出来,从纹理中提取特征并利用支持向量机进行分类.实验结果表明:该算法分类正确率较之于传统方法均提高约10%,当分类器支持向量机+线性核函数时,分类速度最快,最适合于海量数据的处理.     

HI-13串列加速器辐射防护联锁系统改造

新建HI-13串列加速器辐射防护联锁系统采用PLC自动化控制,增加与优化了原系统的联锁控制逻辑,在充分保证人员辐射安全的同时,使系统状态显示更直观,操作更方便.     

温度自动巡检与控制仪

本文概述了应用此仪器进行“新酒老化用微波能设备的微机控制”研制项目的一个实例,它要求酒窑进口温度70℃、出口温度20℃,若偏离此值,则控制执行机构调节微波能设备的电压和槽出口处阀门流量的大小,此仪器的电脑系统只用了数块Z80芯片,执行机构是步进电机。     

基于1.2m望远镜系统实时自动调焦的清晰度评价算法

望远镜自动调焦技术在提高天文观测效率和观测精度方面有着重要的作用。针对云南天文台1.2 m望远镜系统在观测空间目标时受外界多重因素影响下的像点离散、能量分散等问题,提出了一种改进定心精度的半通量直径（HFDICA）实时自动调焦清晰度评价算法。该方法在进行图像预处理的基础上,采用改进的强度加权质心法（improved IWC）,以亚毫米的精度迭代计算星像质心;然后测出星像HFD,根据HFD值用双曲线法拟合出V型调焦曲线。经过大量实验表明,该算法在指导望远镜调焦时能够迅速找到焦点位置,其精确定焦率与高精度天文图像处理软件IRAF的计算结果相当,在调焦过程中平均处理时长为4.7 s,耗时仅为IRAF的1/10,满足1.2 m望远镜自动调焦的实时性与精度要求。所提方法的调焦效率大致提高37%,具有一定的可行性与实用性。     

基于X射线微焦CT的燃料颗粒空间距离自动测量方法

在某燃料元件产品中燃料颗粒随机弥散分布在非金属材料中,表征燃料颗粒的分布状况进而评估产品工艺质量具有重要意义。针对该问题,对三维空间内相邻燃料颗粒的间距测量进行了研究,使用X射线微焦计算机层析成像（CT）对该类产品进行了三维扫描成像,从而得到了三维CT图像。在三维CT图像的基础上,提出了一种结合改进型空间直觉模糊C均值聚类和三维区域生长的自动算法,用于分割图像中的燃料颗粒以得到每个燃料颗粒的空间结构。然后,通过计算质心获得燃料颗粒的中心坐标,进而自动计算出相邻燃料颗粒的空间距离。通过仿真实验验证了所提算法的可行性,通过标准球实验验证了测量误差,并通过实际燃料元件测试了相邻燃料颗粒间距的自动测量,表明了所提方法对燃料颗粒间距测量的有效性。     

基于分区搜索算法的快速聚焦策略研究北大核心CSCD

针对爬山算法在自动聚焦中出现的诸如准确率差、速度慢等问题,提出了一种结合自适应步长和两步搜索法的分区搜索算法。方法根据聚焦评价函数值大小和曲线线形将聚焦评价曲线分为平缓和陡峭两个区域,平缓区域使用自适应步长进行搜索,提高自动聚焦搜索速度;陡峭区域使用两步搜索法,避免假峰值干扰所导致的聚焦错误,提高自动聚焦准确率。实验结果表明,分区搜索算法相较于爬山算法聚焦速度提升了11.25%,且具有更好的准确性和抗干扰能力。     

基于不同卷积尺度融合与近红外光谱的土地分类模型研究

为了提高基于近红外光谱的土地覆盖分类模型的准确率,以欧盟统计局发布的土壤近红外光谱数据为研究对象,研究基于短时傅里叶变换(STFT)预处理方法和不同卷积尺度融合的土地覆盖分类模型,实现耕地、林地和草地的快速区分。为适应二维卷积要求,将一维光谱的400～2 500 nm波段的4 200个波长进行短时傅里叶变换,转换成二维图像同时提取光谱数据的频谱信息。将样本按6∶2∶2的比例随机划分为训练集、验证集和测试集。建立单一尺寸卷积核卷积神经网络(CNN)以及多尺寸卷积核融合的卷积神经网络土地覆盖分类模型,为了防止模型出现梯度消失现象,网络采用ReLU激活函数以及批标准化(BN)、 Dropout等方法。并采用早停法(early stopping)训练网络,防止模型出现过拟合风险。首先,探讨了不同STFT窗口长度(64, 100和128)、不同卷积核尺寸(3×3, 5×5和7×7)等对模型分类效果的影响规律。实验结果显示：当STFT窗口长度为100、窗口重叠长度为50%时,模型总体分类准确率均最高;模型的分类准确率随卷积核尺寸的增大而降低,较小尺寸卷积核模型准确率更高,卷积核尺寸为3×3的CNN...