【摘 要】
：
飞行器在高速飞行时由于受到大气湍流的影响导致探测器的成像出现模糊退化,这种现象称为气动传输效应。探测器成像的退化对飞行器的目标检测和导航制导等功能造成了很大影响,因此研究相应的复原校正方法具有重要意义。针对高速飞行器嵌入式系统下的气动传输效应复原校正问题,由于其低算力和实时性要求,本文提出基于轻量网络的参数估计算法与FTVd非盲去模糊算法相结合的气动传输效应校正方法。论文主要研究内容如下:首先,从
论文部分内容阅读
飞行器在高速飞行时由于受到大气湍流的影响导致探测器的成像出现模糊退化,这种现象称为气动传输效应。探测器成像的退化对飞行器的目标检测和导航制导等功能造成了很大影响,因此研究相应的复原校正方法具有重要意义。针对高速飞行器嵌入式系统下的气动传输效应复原校正问题,由于其低算力和实时性要求,本文提出基于轻量网络的参数估计算法与FTVd非盲去模糊算法相结合的气动传输效应校正方法。论文主要研究内容如下:首先,从复原效果和算法实时性两个方面对常用的气动传输效应校正算法进行评估,根据评估结果最终选定FTVd非盲去模糊算法,并对该算法进行鲁棒性分析。然后,提出基于轻量化网络的参数估计算法。使用深度可分离卷积结构进行参数估计网络的设计,在达到相同预测精度的条件下使网络的参数量减少了87.3%,MAdd减少了84.1%,FLOPs减少了82.8%。在预测前,对模糊图像进行裁剪获取若干固定尺寸的子图,将小尺度子图输入至网络中进行预测,进一步减少了参数量与计算量。在预测后,对子图的预测值求平均,并对预测均值进行补偿,将补偿后的预测均值作为模糊图像的估计结果,提升了参数估计算法的预测精度。最终,网络对[1,9]区间内的模糊核标准差的预测误差位于[-0.25,0.25]之间。最后,通过仿真实验对本文提出的气动传输效应校正方法的复原效果进行验证。在标准差为[1,9]区间内的高斯模糊仿真图像中,轻度模糊、中度模糊和严重模糊图像的复原结果PSNR值分别提升了2.23d B、1.52d B和1.27d B,SSIM值分别提升了0.19、0.12和0.05。对于真实模糊图像,本文方法同样具有较好的复原效果。
其他文献
复杂网络及其抗毁性研究在众多领域中具有广泛的应用,如在电力系统中的电网鲁棒性分析,在金融领域中的风险管控,在生物医学领域的致病基因研究,在疾病防控领域的免疫策略等等,表明复杂网络抗毁性研究极具现实意义。复杂网络抗毁性研究是研究网络抵抗节点或者边攻击的能力,由于网络性能对中心性节点或边的攻击敏感,其攻击方式即网络攻击策略通常体现在对网络的中心性节点或边的攻击。本文针对网络节点攻击策略及应用展开研究。
我国作为海洋大国,实现全天时、全天候的舰船目标检测与识别对于维护海洋权益是非常重要的。合成孔径雷达（SAR）具有全天时、全天候工作的特点,可以弥补光学/红外传感器在夜晚/阴雨天无法正常对地观测的不足,因此研究基于SAR图像的目标/场景解译具有重要意义。相较于光学影像的舰船目标检测与识别来说,基于SAR图像的舰船目标检测与识别更加困难。利用CNN自主学习目标特征的特点,论文系统研究了基于卷积神经网络
近年来,随着柔性可穿戴设备、纳米机器人、柔性传感器等压电电子的兴起,二维材料压电效应受到越来越多的关注。其中硫化钼作为二维材料的典型代表,近年来被广泛研究,其具有稳定性好、机械强度高、带隙可调等优点,可在现有研究上进一步推进压电技术的发展。因此,研究硫化钼薄膜大面积高质量制备和硫化钼压电效应对器件性能影响是实现其实际应用的基础。化学气相沉积法（CVD）是制备连续均匀高质量硫化钼薄膜的主要方法,具有
舰船是海上重要的监测目标,通过卫星遥感技术对舰船目标进行信息解译不论在海洋监视还是军事侦察领域都具有广泛应用前景。随着应用需求变化,不但要关注舰船目标的静态位置,更需要关注目标的状态和运动趋势信息。尾迹作为运动舰船的重要特征,可以估算舰船的运动参数信息,开展舰船尾迹检测并反演舰船运动信息的研究具有重要意义。论文研究了基于高分辨率光学遥感影像的舰船尾迹区域提取方法,并充分利用提取的尾迹区域细节信息进
无人机因其操作灵活高效、使用成本低、且可以搭载拍摄设备的优点,被广泛应用于各种领域的航行拍摄,比如区域安全评估、工业生产监测、地质资源探寻和自然地理记录。然而,无人机所拍摄的单张图像受到无人机的空中高度、成像设备参数以及视角的限制,所覆盖的区域是有限的。因此,需要采用图像拼接技术,将多张航拍图像合成一张具有宽视野、高分辨率以及更多信息的全景图像。本文以无人机航拍视角下的图像拼接技术为研究方向,从提
随着各国对无人机技术的重视,无人机的发展进入了前所未有的快速发展轨道,而目前目标跟踪是计算机视觉中的热门研究方向,目标跟踪算法也在不断地更新,将目标跟踪算法和无人机技术相结合,对无人机技术的推动有着重大作用。考虑到无人机在进行目标跟踪的过程中,经常会遇到跟踪目标被遮挡、光照变化等情况,因此,本论文基于TLD（Tracking-Learning-Detection）跟踪算法框架,以UAV123（Un
随着深度学习技术的发展,人脸识别取得了极大的进步并且被广泛应用。例如在手机人脸解锁,人脸考勤,人脸门禁,人证核验等场景已普遍应用人脸识别技术。人脸识别的过程是将人脸图像映射到一个特征向量上,然后通过计算特征向量之间的距离来确定人脸的相似度,人脸识别的训练就是降低类内特征向量的距离,同时增大类间特征向量的距离。虽然人脸识别在公开数据集上取得了很好的性能,但是应用到实际的产品中还需要大量的工作。另外,
在现代化国防军事体系中,红外弱小目标检测跟踪技术占据着十分重要的地位。其中地面移动车辆的检测跟踪技术已经广泛应用于导弹制导,卫星跟踪系统中。然而由于红外图像成像质量较差,存在较多噪声,以及高空视角下车辆目标相对弱小,缺乏特征等因素影响,实现红外图像中地面移动车辆的准确和鲁棒检测跟踪仍存在较多难点。现有基于滤波的检测算法速度较快,但是鲁棒性较差,不能适用于复杂场景;基于优化的检测算法鲁棒性较好,但时
随着人工智能时代的到来,计算机视觉技术在图像处理领域中发挥着重要的作用。目标检测与跟踪技术具有应用范围广泛、应用场景复杂的特点,这使得目标跟踪算法的研究与应用具有非常重要的意义。本文旨在利用KCF（Kernel Correlation Filter）算法并结合深度学习理论,针对原算法对目标尺度变化、遮挡、旋转等因素敏感的问题,对其进行相关研究与改进,设计出跟踪效果更好、鲁棒性更优的目标跟踪算法。首
随着“中国制造2025”战略的不断推进和我国人口红利的逐渐消失,减少人工成本和加速仓储、物流智能化已经成为智慧工厂的发展方向。补货是仓储中心重要的一部分。它占用大量劳动力,效率却不能满足需求。因此机械臂代替人工进行补货已成为新的趋势。针对货架环境下机械臂补货系统的要求和难点,论文做了具体分析并设计了基于仓储货架的ROS（Robot Operating System）机械臂补货系统的解决方案。论文将