基于光谱曲线形态的高光谱影像检索方法研究

随着传感器技术、数据通讯技术的飞速发展,利用各种机载和星载传感器,己经获取到各种不同的海量遥感影像数据。巨大的数据量带来了数据存储和管理的问题,如何实现从海量影像数据中检索出我们所需要的信息显得十分迫切。影像检索最早由Chang于1980年提出,是对传统信息检索的扩展。针对海量遥感影像高效检索的需求和高光谱遥感影像波段数目多的特点,分析了影像检索中的影像距离函数和相似性度量问题,基于经典的曲线简化Douglas-Peucke算法(简称DP算法)提取光谱曲线的形态特征,利用“提取特征”的思想,提出了基于DP算法的光谱曲线和影像检索(简称DPSR)方法,将光谱形态特征应用于影像检索当中。DPSR利用光谱曲线上的特征点,减小了计算量,实现了有效地匹配和检索,适合高光谱遥感影像的光谱检索。文章选择了OMISI高光谱数据的四种易混分地类进行了相似性度量的对比实验。通过与常规的分析方法光谱角匹配(SAM)、光谱信息散度(SID)的对比可以看到,DPSR在较少计算量的情况下能保持较高的计算精度,提供了一种新的影像光谱高效检索方法。此外,文章还提出了尚待进一步研究的问题。     

基于改进遗传算法主动柔性结构压电元件位置优化

基于改进的遗传算法提出了一种解决多压电片布置在柔性结构上以实现振动主动控制的有效方法.本文采用D优化设计准则,即把Fisher信息矩阵行列式最大值作为目标函数的一种优化方法.通过对结构模态振型和动力特性的研究,使用一种简单的方法将所选择的低阶模态振型转化为归一化形式,最后通过结构模态振型可确定压电片最优位置.为了达到更好的振动控制效果,压电片布置在结构模态应变最大位置处.当在结构不同位置上布置压电片时,结构各阶模态振型也将随之发生不同程度的变化.本文建立了ANSYS软件和遗传算法的接口来实现对结构的模态重分析,从而提取各阶模态振型.     

钝头机体用嵌入式大气数据传感系统的 改进三点式算法1)

针对传统的用于钝头体飞行器的嵌入式大气数据传感系统的经典三点式算法对测压孔配置约束性严格的特点,对经典三点式算法进行了改进及验证。首先,对于经典三点式算法及改进算法进行了论述;其次,针对不同测压孔配置对算法精度的影响进行了系统的评估;最后,对于传统的经典三点式算法与改进三点式算法的优劣进行了比较。结论为：(1)改进的三点式算法对于测压孔的配置敏感性变差,即对测压孔约束很宽松,可用测压孔数增加,从而使得算法的适用性更强;(2)改进的三点式算法的精度与三点式算法相当,但是需要对测压孔进行系统选取及对比验证。     

基于动力XFEM的结构内多缺陷三步反演法

论文进行缺陷反演时,利用损伤指标法,确定缺陷数目,针对损伤指标法中缺陷取值范围存在人为性,推导了缺陷搜索范围的合理取值并进一步缩减了搜索范围;同时提出了一种考虑非线性因子的改进型人工蜂群算法,加速了多缺陷反演时目标函数最小化迭代过程。最后,通过三个算例验证了该方法对结构内规则和不规则缺陷的反演均具有较好的识别效果。

     

最优二维固/固声子晶体带隙特性研究

声子晶体是一种具有弹性波带隙特性的周期性复合材料,其带隙特性受单胞拓扑形状的影响.通过拓扑优化技术,能够突破传统设计方法的局限,实现对声子晶体的主动设计.论文基于遗传算法和改进的平面波展开法,通过两阶段的优化过程,得到具有最大相对带隙的二维铜/环氧树脂声子晶体结构,并进一步研究不同带隙最优声子晶体单胞拓扑形状及其带隙特性.结果表明,利用所开发的带隙优化程序,能够得到满足带隙要求的具有全局最优的声子晶体结构;声子晶体最低带隙所对应的单胞是简单晶格结构,其散射体形状简单,而且对应的带隙频率最低,相对带隙最大,对于隔音减振最有实用价值.     

基于遗传算法的同步感应线圈发射装置参数优化

发射速度和能量转换效率是同步感应线圈型电磁发射装置（SICEML）最重要的两项指标。驱动线圈和电枢的结构参数、驱动线圈匝数以及电枢初始触发位置都会对这两项指标产生影响。以上述参数为变量,以发射速度和能量转换效率之积为目标函数,引入遗传算法对单级SICEML参数进行了优化设计,并利用有限元软件进行了仿真验证。结果表明：在储能与发射装置总体体积不变的前提下,优化后的系统效率由5.38%提高到13.6%,出口速度由38 m/s提高到61 m/s,系统性能得到明显改善。利用单级SICEML样机进行了堵驻试验,结果与仿真结果吻合较好,验证了本文提出的遗传算法的可行性。     

场景自适应的红外焦平面成像动态范围调整技术

针对红外焦平面对辐射强度较大的目标输出动态范围不足的问题,提出了一种场景自适应的红外焦平面成像动态范围调整技术。包括3个方面的内容：从图像中提取目标灰度特征,获取动态范围自适应依据;结合最小均方自适应滤波算法,对调整依据进行滤波预测后给出调节值;把灰度调节值转换成电平值,利用电平值设置红外焦平面偏置电压完成焦平面成像动态范围自适应。最后,对整体方案进行了实验验证。通过在红外焦平面成像系统中实验证明了基于场景成像动态范围自适应方法的可行性,并获得了很好的效果,成像质量有明显提高。     

The Classification of Rice Blast Resistant Seed Based on Ranman Spectroscopy and SVM

Rice blast is a serious threat to rice yield. Breeding disease-resistant varieties is one of the most economical and effective ways to prevent damage from rice blast. The traditional identification of resistant rice seeds has some shortcoming, such as long possession time, high cost and complex operation. The purpose of this study was to develop an optimal prediction model for determining resistant rice seeds using Ranman spectroscopy. First, the support vector machine (SVM), BP neural network (BP) and probabilistic neural network (PNN) models were initially established on the original spectral data. Second, due to the recognition accuracy of the Raw-SVM model, the running time was fast. The support vector machine model was selected for optimization, and four improved support vector machine models (ABC-SVM (artificial bee colony algorithm, ABC), IABC-SVM (improving the artificial bee colony algorithm, IABC), GSA-SVM (gravity search algorithm, GSA) and GWO-SVM (gray wolf algorithm, GWO)) were used to identify resistant rice seeds. The difference in modeling accuracy and running time between the improved support vector machine model established in feature wavelengths and full wavelengths (200–3202 cm⁻¹) was compared. Finally, five spectral preproccessing algorithms, Savitzky–Golay 1-Der (SGD), Savitzky–Golay Smoothing (SGS), baseline (Base), multivariate scatter correction (MSC) and standard normal variable (SNV), were used to preprocess the original spectra. The random forest algorithm (RF) was used to extract the characteristic wavelengths. After different spectral preproccessing algorithms and the RF feature extraction, the improved support vector machine models were established. The results show that the recognition accuracy of the optimal IABC-SVM model based on the original data was 71%. Among the five spectral preproccessing algorithms, the SNV algorithm’s accuracy was the best. The accuracy of the test set in the IABC-SVM model was 100%, and the running time was 13 s. After SNV algorithms and the RF feature extraction, the classification accuracy of the IABC-SVM model did not decrease, and the running time was shortened to 9 s. This demonstrates the feasibility and effectiveness of IABC in SVM parameter optimization, with higher prediction accuracy and better stability. Therefore, the improved support vector machine model based on Ranman spectroscopy can be applied to the fast and non-destructive identification of resistant rice seeds.     

声光调制实验的一种CCD成像改进方法

提出了声光调制实验的一种CCD成像改进的实验方法,即声光调制的入射光和衍射光成像于CCD上,对光斑图像进行编程处理,计算机给出光斑的位置。给出了实验步骤、图像处理算法和实验结果。