混合搜索法在显微镜自动对焦中的应用

针对基于显微镜的自动对焦系统,本文提出了一种爬山搜索法和函数逼近法相结合的混合搜索算法。该算法中的爬山搜索法采用粗精结合的两段式算法。在粗略对焦时,大步距选用速度较快的灰度方差函数;当精细对焦时,小步距采用灵敏度较高的Laplacian函数;通过比较三幅图片来缩小对焦区间并且在该区间内采用函数逼近法来拟合出最佳对焦位置。该方法不仅大大减少了自动对焦所需要的图片数量,而且可以大幅度提高搜索精度。经实验验证,提出的新的搜索算法可以使搜索精度优于1 μm。     

面向自动对焦的图像预处理技术

从噪声、亮度一致性及视场变化等角度分析了在对焦系统中进行图像预处理的必要性。提出维纳滤波与亮度归一化相结合的图像预处理技术,去除固定模式噪声和亮度变化的影响。实验表明,经过预处理后明显改善了对焦评价函数曲线的形状:曲线更加平滑,局部峰值得以去除,同时曲线灵敏度提高78%。所提出的预处理技术使对焦搜索避免陷入局部极值,在提高对焦速度与对焦精度两方面均有应用价值。     

面向对象的光学系统自动对焦方法

基于光学系统的焦深及其与工件的相对位置关系等硬件因素,提出光学系统面向对象的快速对焦运动控制方法。该方法采用灰度差分法来构造聚焦特征值评价函数,并使成像系统的运动轨迹尽量短。将对焦过程分为纯线性运动、粗调焦和细调焦三个阶段,每个阶段控制参数的确定方法不同,但总的原则是尽量减少运动和缩短图像处理中的运动距离,尽量增大最小运动步长,利用变步长的浮动阈值搜索方式,克服局部聚焦和完全不能聚焦的情况。实例证明,该方法可以提高对焦效率和可靠性,35mm的对焦距离大约耗时10s左右。     

实时自动对焦的研究

提出一种自动对焦技术,其调焦评价函数棗图像的平面微分平方和能够反映图像高频分量的能量。用计算平面微分平方和的方法在空间域上计算相邻像素亮度差值的平方和,对应于在频率域上计算图像高频分量的能量和,此值越大,图像对焦越准确。用平面微分平方和计算一行图像(N个像素)的调焦评价函数时,计算时间仅为2 (N -1)个时钟周期。     

数字成像系统的自动对焦技术

目前我国照相机自动对焦(AF)技术仍然处于空白，已经成为严重制约我国民族照相机工业发展的主要技术瓶颈之一。从2001年下半年起，杭州照相机研究所承接了科技部的专项基金。组织专家联合攻关，研制AF光电系统。     

三目显微视觉系统自动对焦调整

在高功率激光物理实验的微小靶位姿检测中,由于摄像机景深小,靶在进入相机视场当中时所成图像易为离焦模糊图像,使图像中靶的图像特征不明显,降低靶的位姿检测精度。针对这一问题,本文提出了一种应用于三目显微视觉系统的微小靶自动对焦方法,根据三目显微视觉系统的结构特点设计了自动对焦方案,并针对不同相机中图像的不同特点分别提出了对应的清晰度评价方法。最终实验结果表明,本文所设计清晰度评价方法具有较好的单峰性和灵敏度;三目显微视觉系统在竖直方向的有效调焦可移动范围为5mm,水平方向的有效调焦可移动范围为3.2mm。     

结合复小波域和空间总变分的无参考图像清晰度评价

目的针对频域和空域相结合的清晰度评价方法耗时太长、与主观评价一致性不高等问题,提出结合复小波域和空间总变分的感知清晰度评价方法。方法采用低通滤波的方法将原始图像再模糊,得到其参考图像;在复小波域上采用局部相位一致性计算原始图像和参考图像的清晰度图,在空间域上采用总变分计算原始图像和参考图像的清晰度图;分别将原始图像以及参考图像各自的2幅清晰度图进行几何加权平均,得到2幅整体的感知清晰度图;计算2幅感知清晰度图的相似性,得到原始图像的感知清晰度值。结果在LIVE数据库上的SROCC值达到0.9476,CC值达到0.9483,一幅测试图所耗时间为6.003 s。结论实验证明文中算法的评价性能较优,相较同样结合频域和空域的评价方法计算复杂度降低,耗时较少,更加符合人眼视觉主观感知清晰度。     

基于USB Video Camera的自动对焦系统

介绍一种应用于USB Video Camera中的自动对焦系统。由USB Video Camera获取的视频图像经计算机进行FFT运算或微分运算,得到其频谱幅值数据或微分幅值数据。计算机根据所得数据判断USB Video Camera中的镜头是否处于离焦位置并控制电机将镜头移到对焦位置。文章还进一步讨论了提高自动对焦准确度的措施,实验结果表明该自动对焦系统能很好地实现USB Video Camera的自动对焦,该系统将使具有USB接口的Video Camera使用更简单方便。     

一种基于频谱分析的离焦深度自动对焦法

通过计算2幅不同离焦位置的图像频谱的径向分布,推算出目标物体的离焦深度,从而调 整镜头位置完成自动对焦。算法适用于任意目标物体,尽管是基于频谱的,但是并不需要计算离焦图像的频谱,算法精度可达4%,鲁棒性良好。     

图像信息量的变化对自动对焦评价函数的影响

阐述了基于小波变换、拉普拉斯算子以及SPSMD（差分平方和函数）的三种自动对焦评价函数，采用数字仿真技术对不同特性的几组序列图进行了实验，分析了在图像信息量变化的情况下三种评价函数的特性。通过函数曲线图形能够清楚地发现，基于小波变换的自动对焦评价函数在图像信息量很少的情况下仍有很好的判断能力，有着最好的适应性和稳定性。     

自适应变论域模糊控制器在结构振动控制中的应用

大挠性航天结构具有复杂的动力学特性,建立其精确的数学模型是很困难的,模糊控制不需要精确的数学模型,但是模糊控制的主要缺陷是精度不太高,自适应能力有限,易产生振荡现象。变论域自适应模糊控制是改变模糊控制性能的主要方法之一,针对自适应变论域模糊控制器的稳定性设计这一难题,将输入和输出的隶属度函数分别用论域值表示成解析形式,引进李亚谱诺夫函数,设计了输入和输出的隶属度函数论域值的自适应律,针对大型航天桁架结构振动控制的仿真,结果表明设计的变论域模糊控制器是可行的。     

An Enhanced Formulation of the Maximum Entropy Method for Structural Optimization

A numerical optimization method was proposed time ago by Templeman based on the maximum entropy principle. That approach combined the Kuhn-Tucker condition and the information theory postulates to create a probabilistic formulation of the optimality criteria techniques. Such approach has been enhanced in this research organizing the mathematical process in a single optimization loop and linearizing the constraints. It turns out that such procedure transforms the optimization process in a sequence of systems of linear equations which is a very efficient way of obtaining the optimum solution of the problem. Some examples of structural optimization, namely, a planar truss, a spatial truss and a composite stiffened panel, are presented to demonstrate the capabilities of the methodology.     

基于有理逼近和灵敏度分析的结构动力重分析方法

提出了一种新的结合特征灵敏度直接法和向量值函数有理逼近的结构动力重分析方法。给出了直接法简单特征对n阶灵敏度分析的一般表达式。利用向量值函数有理逼近，减小固有振型n阶Taylor展开的截断误差。数值算例表明，对结构设计参数作大修改时，该方法能够给出高精度的逼近结果。新方法不需要系统的全部模态，因此，适用于大型复杂结构的动力重分析。     

用于求解结构动力响应的不协调时间有限元法

提出了一组用于求解结构动力响应的基于不协调时间有限元方法的算法公式，该组算法公式对位移、速度采用等阶插值并允许它们在时间离散点上不连续。证明了算法的强稳定特性，并从对该组算法公式的有限差分分析可知它们无条件稳定、有较高精度并且有好的耗散和超调特性，同时给出了与Ｎｅｗｍａｒｋ的梯形法则，ＨＨＴ－α，Ｈｏｕｂｏｌｔ，Ｐａｒｋ等方法的比较。最后给出了应用该算法的数值计算     

基于径向基函数的自适应网格方法

本文给出了一种基于径向基函数的自适应网格方法．该方法利用网格依赖方法的解与径向基函数插值解的信息来细化或粗化网格,充分利用了径向基函数计算格式简单、节点配置灵活的优点与网格依赖方法的稳健性．提出的算法很容易编程实现．数值算例表明该算法可以在解变化剧烈的区域加密网格,在解变化平缓的地方粗化网格,从而在保证相同数值求解精度的情况下,能够极大地节省计算量．     

A Structural Reliability Analysis Method Based on Radial Basis Function

The first-order reliability method (FORM) is one of the most widely used structural reliability analysis techniques due to its simplicity and efficiency. However, direct using FORM seems disability to work well for complex problems, especially related to high-dimensional variables and computation intensive numerical models. To expand the applicability of the FORM for more practical engineering problems, a response surface (RS) approach based FORM is proposed for structural reliability analysis. The radial basis function (RBF) is employed to approximate the implicit limit-state functions combined with Latin Hypercube Sampling (LHS) strategy. To guarantee the numerical stability, the improved HL-RF (iHL-RF) algorithm is used to assess the reliability index and corresponding probability of failure based on the constructed RS model. The effectiveness of the proposed method is demonstrated through five numerical examples.     

XA-GANomaly: An Explainable Adaptive Semi-Supervised Learning Method for Intrusion Detection Using GANomaly

Intrusion detection involves identifying unauthorized network activity and recognizing whether the data constitute an abnormal network transmission. Recent research has focused on using semi-supervised learning mechanisms to identify abnormal network traffic to deal with labeled and unlabeled data in the industry. However, real-time training and classifying network traffic pose challenges, as they can lead to the degradation of the overall dataset and difficulties preventing attacks. Additionally, existing semi-supervised learning research might need to analyze the experimental results comprehensively. This paper proposes XA-GANomaly, a novel technique for explainable adaptive semi-supervised learning using GANomaly, an image anomalous detection model that dynamically trains small subsets to these issues. First, this research introduces a deep neural network (DNN)-based GANomaly for semi-supervised learning. Second, this paper presents the proposed adaptive algorithm for the DNN-based GANomaly, which is validated with four subsets of the adaptive dataset. Finally, this study demonstrates a monitoring system that incorporates three explainable techniques—Shapley additive explanations, reconstruction error visualization, and t-distributed stochastic neighbor embedding—to respond effectively to attacks on traffic data at each feature engineering stage, semi-supervised learning, and adaptive learning. Compared to other single-class classification techniques, the proposed DNN-based GANomaly achieves higher scores for Network Security Laboratory-Knowledge Discovery in Databases and UNSW-NB15 datasets at 13% and 8% of F1 scores and 4.17% and 11.51% for accuracy, respectively. Furthermore, experiments of the proposed adaptive learning reveal mostly improved results over the initial values. An analysis and monitoring system based on the combination of the three explainable methodologies is also described. Thus, the proposed method has the potential advantages to be applied in practical industry, and future research will explore handling unbalanced real-time datasets in various scenarios.     

基于实测频响函数主成分的在役网架损伤识别方法

鉴于从实际网架动测中得到的频响函数已受到噪声的污染,会使模态分析出现较大的误差,提出了基于实测频响函数和主成分分析的网架损伤识别方法:用网架实测的频响函数数据作为损伤识别的基本变量,建立损伤识别矩阵,通过主成分分析和变量重构对频响函数进行减消噪处理,利用重构的频响函数前几阶主成分,在低维空间中对损伤信息进行分析、提取,并通过多元控制图,来识别网架的损伤。该方法不需要模态参数,避开了模态参数误差所引起的损伤识别不准问题,不需建立力学模型,对网架边界约束条件和结构型式没有特别的限制。为了验证该方法的可靠性,在试验室完成了足尺网架模型在不同损伤情况下动测试验。结果表明,所提出的损伤识别方法简便可行,结果可靠,尤其对噪声环境下和具有一定非线性网架的损伤识别有良好的适应性。