液晶-变形镜自适应光学系统的数据采集与处理软件设计

为了提高自适应光学系统科研人员的工作效率,满足自适应光学系统向高低阶多波前校正器的发展需求,本文研究了一套自适应光学系统控制软件设计方法,以适应实验设备的不断更新换代,避免实验过程中软件不断更新修改所带来的问题。本文首先从功能和性能两方面分析了实验对软件系统的需求,提出基础层、功能层及表示层3层的软件架构体系,采用共享内存和临界区对象相结合的软件开发方法,确保自适应光学系统的实时性与准确性,避免资源冲突和浪费;采用Windows API事件实现多线程之间同步协调控制。基于上述思想开发了液晶-变形镜混合的高低阶自适应光学系统控制软件,可在0.6ms内完成波前采集、波前计算、控制信号计算和各设备间的同步协调控制。最后,使用该软件进行自适应光学校正:仅变形镜和倾斜镜校正后峰峰值由3.38μm降为0.95μm,均方根误差由0.66μm降为0.12μm;液晶校正器、变形镜和倾斜镜同时校正后峰峰值为0.44μm,均方根误差为0.02μm,计算总延迟为0.378ms。由实验结果可知,本文设计的软件可以实现自适应光学系统的实时校正,在保证校正精度的同时具有方便修改、功能齐全及模块化的优势,为后续自适应光学实验提供保障。     

SURF算法和RANSAC算法相结合的遥感图像匹配方法

综合利用了SURF(speeded up robust features)算法和RANSAC(random sample consensus)算法各自的优势,提出了一种SURF算法和RANSAC算法相结合的遥感图像匹配方法。首先利用SURF算法提取特征点并进行预匹配,然后用RANSAC算法剔除误匹配点对,解决了SURF算法中存在的误差匹配和错误匹配问题。通过实验验证了所提算法的有效性,并且该算法在实际应用中也取得了良好的效果。     

基于序列图像的月球着陆定位计算方法研究

针对月球着陆器计算机视觉着陆点定位系统的需求,提出了一种基于图像序列的月球着陆器着陆点定位计算方法。该方法以SURF(Speeded Up Robust Features)图像特征点提取算法为基础,通过最小二乘法迭代逐步消除误匹配点对,最后计算得到着陆器着陆时所拍摄的图像在有经纬度坐标的月面图像中的位置,并对着陆点误差进行分析以达到精确定位着陆点的目的。仿真实验使用两种月面仿真图像序列,结果表明该方法匹配准确度和稳定性较高,可以达到工程应用要求。     

使用半高斯核的冲击扩散滤波图像盲复原方法

提出一种冲击扩散模型对含有模糊与噪声的退化图像进行盲复原.该方法使用半高斯核提取图像边缘的精确方向,并且对不同的图像区域使用不同的冲击扩散策略.实验结果表明,所提出的方法能够有效地消除图像中的噪声并增强边缘,同时能够保存小物体与角落等图像结构.相比于其他方法,所提出方法的复原图像拥有更好的视觉效果与更高图像评价指标.     

基于PLC的电气自动化控制水处理系统设计

为解决现行水处理企业污水处理系统的自动化程度低、操作复杂以及管理成本高、工作效率低和安全性差等问题,文章利用PLC可编辑控制器设计开发了一款新型电气自动控制水处理系统。文章首先对该系统的总体结构进行论述,其次具体分析系统的软件设计和控制流程,并探讨系统组态和上位机监控系统的设计,最后通过某污水厂的案例得出结论:该系统的可靠性和稳定性得到了提高,同时也提高了水处理流程的智能化、信息化水平,使得企业管理运行成本得到降低,该系统的设计可以有效满足企业需求。     

开环液晶自适应光学系统:研究进展和结果

对于自适应光学系统,液晶波前校正器是一个非常有前景的波前校正器件。传统的向列相液晶波前校正器的主要缺点是偏振依赖和工作波段窄。采用了基于偏振分束器的开环光路设计和优化的能量分割方法来分别解决上述问题。结果显示,开环光路非常适合于液晶波前校正器,且新颖的能量分割方法显著提高了液晶自适应光学系统的探测能力。     

基于投影的稀疏表示与非局部正则化图像复原方法

提出一种基于投影的稀疏表示与非局部正则化相结合的图像去模糊、去噪图像复原方法.该方法结合了自适应构造字典的稀疏表示与非局部总变差,提出的正则化模型分解为三个投影子问题进行求解以提高求解效率.实验结果表明,本文所提出的图像复原方法能够有效地保持原图像的纹理细节信息,对于不同程度的退化图像上均有较好的复原结果,在视觉效果和客观评价指标上均优于相比较的现有方法.     

Bregman交替迭代遥感图像复原方法

针对多种退化因素的遥感图像复原问题,提出一种基于Bregman迭代的遥感图像消除不规则采样、去模糊和去噪总变差复原方法。在此基础上,结合非局部正则化方法,提出一种自适应计算非局部均值滤波器参数的方法。求解时使用交替最小化方法将复杂的复原问题分割为两个容易求解的子问题。实验结果表明,本文方法比其他基于Bregman迭代的方法收敛速度快、复原效果好,且加入非局部正则化后具有更好的纹理细节信息保持能力。     

移动端卷积神经网络开关柜局部放电样本生成与检测

局部放电是造成高压电气设备最终发生绝缘击穿的重要原因,也是绝缘劣化的重要标征,针对目前开关柜局部放电常规检测手段存在检测信息量少,时效性性差,诊断准确率低等问题,本文提出了一种可集成在移动端设备的卷积神经网络检测方法,并针对实际情况中存在放电类别样本不均匀的问题,提出了一种故障样本生成方法。将采集到的超声波信号经过去噪和预处理后通过短时傅里叶变换转化为二维时频谱图,输入卷积神经网络中进行局部放电模式识别,针对实际场景中出现故障样本不均匀问题,使用AE-DCGAN生成对抗网络生成故障样本。实例实验表明,本文所提出方法在移动端t710算力条件下,其准确率达到97%以上,算力达到0.27秒,生成数据样本MSE误差均低于0.067。