摘要:油井内压力及温度的测量是智能完井系统的重要 组成部分。为了能在井下环境实现单点、压力温 度双参量测量,且最高压力可达30 MPa,温度可达120 ℃,本文提出一种在圆心边孔光纤(side hole fiber,SHF)上刻写π相移光 栅的压力温度传感器。首先对边孔π相移光纤光栅同时测量压力及温度进行了理论推导,证 明同时检测 压力温度的理论可行性。其次,在理论的基础上,对SHF进行了仿真优化,并引入断裂 极限限定条 件,得到SHF的最优尺寸为孔中心距27 μm,孔半径21 .5 μm。结果表明:SHF能实现单点双参量的 测量,π相移光栅的引入提高了测量分辨率；SHF的孔半径越大孔越靠近纤芯,压力灵 敏度越高,但 考虑光纤断裂情况则并不是半径越大越好。该研究对特定压力测量范围下的边孔光栅压力温 度传感器设计有指导意义。

摘要:为了压窄梳状滤波器单信道带宽,提高有限频带 资源利用率,本文提出一种表面等离激元(surface plasmon polaritons,SPPs) 干涉型梳 状滤波器。在单信道带宽被压窄的同时,伴随通带透射率和信道数大幅提升。利用时域有限 差分(finite difference time domain,FDTD) 法数值 模拟了梳状滤波器设计参数对透射光谱的影响,探究了产生机理,优化了设计结构。研究结 果证明,梳 状透射光谱单信道超窄带宽是SPPs和石墨烯微腔双重干涉的结果。梳状透射光谱主 要集中在1—1.24 μm近红外波段,单信道带宽最优值可达4 .2 nm,信道数高达18个。同时可通过调控顶 层二氧化硅(SO₂) 的宽度实现相邻信道间距、单信道带宽和信道数的需求选择,尤其梳状光谱是由滤波器结构 材料自身耦 合共振激发的,结构简单,更易于片上集成。

摘要:针对传统的图流行排序显著性目标检测算法存在 先验信息单一,显著目标检测不完整的问题,提 出一种新的基于背景先验与中心先验的显著性目标检测算法。首先将图像边界节点作为背景 种子进行流行 排序获得粗略的前景区域,将其再次流行排序得到初步显著图；然后利用Harris 角点检测 、聚类实现中 心先验显著性检测,捕获中心显著信息；最后在初步显著图上融合图像中心显著性,得到最 终显著图。本 文对综合指标、精确率-召回率曲线、F-measure值以及平均绝对误差(mean absolute error,MAE)值进行实验评 估,在公开数据集 MSRA-10K和ECSSD上进行的实验结果表明:对比10种主流算法,本文 算法在不同的评估指标上都具有 较好的表现,且能准确地突出显著目标,提升背景抑制效果。

摘要:为了解决传统高光谱图像分类方法精度低、计算 成本高及未能充分利用空-谱信息的问题,本文 提出一种基于多维度并行卷积神经网络(multidimensional parallel convolutional neur al network,3D-2D-1D PCNN)的高光谱图像分类方法。首先,该算法利用不同维度卷积神经网络(convolutional neural network,CNN)提取高光谱图像信息中的空 -谱特征、 空间特征及光谱特征；之后,采用相同并行卷积层将组合后的空-谱特征、空间特征及光谱 特征进行特征 融合；最后,通过线性分类器对高光谱图像信息进行精准分类。本文所提方法不仅可以提取 高光谱图像 中更深层次的空间特征和光谱特征信息,同时能够将光谱图像不同维度的特征进行融合,减 小计算成本。 在Indian Pines、Pavia Center和Pavia University数据集上对本文算法和4种传统算法进 行对比实验,结果 表明,本文算法均得到最优结果,分类精度分别达到了99.210%、99.755%和99.770%。

摘要:由于水体环境中光的吸收与散射,导致采集的水 下图像存在颜色失真、亮度不均、对 比度低等缺点。针对以上缺点,提出了基于亮度校正与多空间转换的水下图像增强方法。首 先采用色彩平衡算法对退化图像进行颜色校正；然后将色彩校正的图像从红-绿-蓝(red-green-blue,RGB)空间转换为色调-饱和度-亮度(hue-saturation-value,HSV) 空间,用构造出新的二维伽马函数处理V通道,再转回RGB空间；最后对颜色校正图像和亮度 校正图像进行加权融合,并将融合图像从RGB空间转换为LAB空间,用限制对比度自适应直方 图均衡化算法处理L通道,再转回RGB空间,便得到最终的增强图像。为验证本文算法的有效 性,采用主观视觉效果和3种客观指标进行验证。结果表明,本文算法能够有效地校正图像 亮度,提高图像清晰度。

摘要:针对异源遥感影像成像模式、时相、分辨率等不 同导致的图像匹配困难问题,提出了 一种基于循环生成对抗策略的遥感图像匹配算法。构建了跨数据域图像特征迁移的循环生成 对抗网络(generative adversarial network,GAN),设计SmoothL₁ 损失函数对网络进行优化,提高遥感图像特征提取精度,并基于 图像特征迁移结果,建立三元组距离排序损失函数(trioplet margin ranking loss,TMRL) 降低遥感图像的误匹配点数,实现异源遥 感图像的准确匹配。实验结果表明,本文方法将异源遥感图像匹配平均准确率提升了33.51%, 与CMM-Net(cross modlity matching net)方法相比,具有更好的遥感图像匹配效果。此外,本文方法不需要目标域图像的标 注信息,匹配时间缩短了0.073 s,能快速准确实现异源遥感图像匹 配。

摘要:针对当前畜牧保险行业勘察、定损中牛身份识别 难的问题,本文将深度学习框架与物联网(internet of things,IOT)技术结 合构建牛脸识别系统。系统中以Inception_Resnet_v1作为深度学习网络框架,结合Triplet Loss损失函数, 完成牛面部特征的提取,通过计算余弦距离对特征进行身份识别。基于flask和vue框架布署 牛脸检测和 特征提取及验证模型,开发牛脸信息数据库,提供身份注册和验证web服务。为验证系统可 行性,采集 并制作牛脸识别数据集CFID200,在20% 未见牛脸的条件下,牛脸识别系统准确率与验证率达 到95%以上,满足保险业务牛脸身份识别需要。

摘要:本文提出哈特曼光线追踪的方法来测量气液两相 流的气相参数,并进行了理论和实验研究。首先, 采用哈特曼模板获得阵列光束,通过模拟追踪光线在气液两相流中的传播过程,研究出射光 线与两相流 中气泡尺寸、位置等参数之间的关系,其次,建立BP神经网络模型来实现气泡参数的准确反 演,仿真 结果表明,气泡定位相对误差在7%以内,气泡粒径的相对误差在±4%以内。在此基础上搭建 了实验系 统,以已知大小的透明颗粒在垂直管道沉降模拟单个气相通过管道的过程,进行了实验研究 ,结果表明气泡粒径的相对误差可控制在±6%以内。

摘要:针对焊缝图像特征提取的实时性问题,该文提出一 种增量式块主成分分析(incremental block principal component analysis,IBlockPCA)算法,用于焊缝特征主成分的提取。该算法先 将焊缝表面图像 分割成子图像块并对其进行重构,然后利用提出的IBlockPCA算法对局部块图像进行增量式 特征提取, 并采用KNN算法对提取的特征主成分进行分类识别；最后在焊缝数据集上进行了算法的性能 对比。实验 结果表明,该算法在收敛率、分类率及复杂度等方面均优于其他主成 分分析(principal component analysis,PCA)算法,其分类识 别率为97.5%, 其平均处理速度可达50 frame/s,能够满足焊缝表面图像的实时性处 理需求。

摘要:偏振成像由于其能检测物体偏振信息并可有效抑 制背景噪声信号而受到了广泛关注。以往对 正弦振幅光栅成像的研究基本都是在完全相干、非相干、或部分相干照明条件下进行,而本 文基于偏振 相干统一理论,在部分相干照明条件下考虑了光的偏振态,设计了部分相干光照明正弦 振幅光栅的 偏振成像系统,据此系统得出其斯托克斯(Stokes)频域计算模型,提供了一种计算Stokes 物像频域关系 的方法,通过透射交叉系数来描述其偏振成像系统的频率响应,说明偏振成像系统是非线性 的,对光栅 像强度中直流分量、基频、二次谐波进行分析研究,给出一组归一化Stokes参数下部分相干光照射正弦 振幅光栅像 面强度图,并利用MATLAB绘制出几组不同物体照明相干间隔与成像系统衍射图样大小比率下 的Stokes像强度图,扩展了正弦轨迹分析在偏振成像系统性能评估中的应用。

摘要:为解决当前光纤光栅制备灵活性较低,以及测量 中不利于实现分布式波分复用的问题,提出了一 种于基于逐点法刻写的偏芯光纤布拉格光栅传感器(eccentric fiber Bragg grating,EFBG)。采用飞秒激光(femtosecond laser,FSL)逐 点刻写技术,光栅刻写位置垂直偏离光纤中心3 μm,光栅长度为5 mm,光栅中心波长为1 633 nm。不 同于传统光纤光栅,偏芯结构的光栅可以激发出较宽的包层模共振范围,通过分析包层模共 振峰的波长 漂移量,表征施加的应变大小或温度高低。实验结果表明,应变测量范围在0—5 00 με时,包层模灵敏度为 0.98 pm/με,温度测量范围在30—80 ℃时, 包层模灵敏度为10.89 pm/℃,并且包层模灵敏度相比芯模灵敏 度数值相差较小,从而可以实现应变或温度的传感测量。

摘要:针对当前基于传感器模式噪声(sensor pattern noise,SPN)提取模型处理压缩 视频来源检测的识别效果较差问题,提出一种基 于多尺度变换域自适应维纳滤波和一种加权最大似然估计的改进SPN提取模型。 首先干预视 频的编解码过程,在编解码器的环路滤波模块前提取视频帧,然后将视频帧输入双密度双树 复小波变换 自适应维纳滤波模型中提取噪声残差,最后使用加权最大似然估计从噪声残差中估计得到SPN。在公共视频源取证数据库VISION上进行测试比较,实验结果表明所提出的改进SPN提取 模型在ROC曲线和Kappa统计系数两种评价指标上的识别效果优于 传统SPN提取算法。

摘要:针对图像水印算法在攻击强度较大时鲁棒性差的 问题,提出了一种基于图变换(graph-based transform, GBT)、离散小波变换(discrete wavelet transform,DWT)和奇异值分解(singular value d ecomposition,SVD) 的鲁棒图像水印算法。首先对载体图像进行不重叠分块处理,挑选出像素方差值较高的子块 进行DWT得到其低频系数矩阵,然后对低频系数矩阵依次进行GBT和SVD得到奇异值 矩阵,最后 将水印信息嵌入到奇异值矩阵的最大奇异值中。实验结果表明,Pirate图像结构相似度(structural similarity,SSIM)达到 0.97以上时, 本文算法能有效抵抗噪声、滤波、JPEG压缩、剪切和交换行列等攻击,归一化互相关系数(normalization coefficient,NC)值均 在0.9

摘要:针对视网膜图像血管细小,细节特征丢失、梯度 下降、爆炸而导致分割效果差的问题 ,本文提出了一种引入残差块、循环卷积模块和空间通道挤压激励模块的U-Net视网膜血管 图像分割模型。首先通过使用一系列随机增强来扩展训练集并对数据集进行预处理,然后在 U-Net模型中引入残差块,避免随着网络深度增加,分割准确率达到饱和然后迅速退化以及 优化计算成本；并将U-Net网络的底部替换为循环卷积模块,提取图像低层次的特征,并不 断的进行特征积累,增强上下文之间的语义信息,获得更有效的分割模型；最后在卷积层之 间嵌入空间通道挤压激励模块,通过找到特征较好的通道,强调这一通道,压缩不相关的通道 使得网络模型能够加强关键语义特征信息的学习,通过训练过程学习到有效的特征信息,同 时增强抗干扰能力。通过在DRIVE数据集上的验证结果可得,本文所提模型的准确率为98.42 %,灵敏度达到了82.36%,特异值达到了98.86 %。通过和其他网络分割方法比较,本文所提分割方法具有更优的分割效果。