-
公开(公告)号：CN117372708A
公开(公告)日：2024-01-09
申请号：CN202311344932.3
申请日：2023-10-17
申请人： 西北工业大学
IPC分类号： G06V10/40 , G06F18/213 , G06F18/25
摘要： 本公开实施例是关于一种飞行器尾焰特征提取及相关性分析方法。该方法包括：获取尾焰的图像数据和压力数据；对压力数据进行圧力曲线特征提取，以得到压力曲线特征点；对尾焰图像数据进行预处理，以得到尾焰区域；对尾焰区域进行马赫环特征提取，以得到最优的马赫环特征；对尾焰区域进行形状特征提取，以得到最优的尾焰形状特征；对最优的马赫环特征、最优的尾焰形状特征和压力曲线特征点进行多维度融合分析，以得到分析结果。本公开实施例可以快速高效地提取任意尾焰图像中的马赫环特征及尾焰形状特征，并迅速迁移到不同型号飞行器尾焰特征的相关性分析中。可对齐多维度信息并进行融合分析，且多维度信息对齐达微秒级、分析准确度高。
-
公开(公告)号：CN116341383A
公开(公告)日：2023-06-27
申请号：CN202310318069.8
申请日：2023-03-29
申请人： 西北工业大学 , 内蒙航天动力机械测试所
IPC分类号： G06F30/27 , G06N3/045 , G06N3/08 , G06F119/08
摘要： 本发明提供一种基于嵌入物理机理模型集成的尾焰温度预测方法。在天气良好、光照均匀的试验条件下采集足够的数据，包括燃烧室压强、喷管喉径和尾焰温度等，其中尾焰温度由精密仪器测得；将全部数据划分为用于模型训练、验证和测试的数据集；进而构建两种嵌入物理机理的尾焰温度预测模型并进行训练和验证，其中尾焰温度作为模型的输出，其余参数作为输入；最后，集成训练好的模型并对测试集中的数据进行预测分析，证实模型的有效性和可靠性。本发明所设计的模型通过嵌入物理机理能够有效约束模型来预测尾焰温度的演变规律，充分利用回归建模和算子学习的互补优势，建立燃烧室压强等参数与尾焰温度的非线性关系，提高预测精度。
-
公开(公告)号：CN111783865A
公开(公告)日：2020-10-16
申请号：CN202010595151.1
申请日：2020-06-23
申请人： 西北工业大学
IPC分类号： G06K9/62
摘要： 本发明提供了一种基于空谱邻域嵌入和最优相似图的高光谱分类方法。首先，基于邻域保留嵌入法使用新的空间光谱组合距离融合空间结构和光谱信息，以选择高光谱图像像元的有效空间光谱近邻；然后，通过利用空间距离来调整像元与其相邻像元之间的重构权重，来增强嵌入特征的辨别能力，得到投影矩阵及其对应的低维高光谱图像；最后，基于低维高光谱图像构建锚点图，得到原始点到锚点的连接矩阵，再利用谱聚类方法由连接矩阵获得最优相似矩阵，进而得到分类结果。本发明方法通过更深入地挖掘高光谱图像的内在结构，获得有效的空间光谱邻居，并利用锚点图和谱聚类方法得到最优相似图，能够同时提高分类精度和算法效率。
-
公开(公告)号：CN111783865B
公开(公告)日：2022-03-15
申请号：CN202010595151.1
申请日：2020-06-23
申请人： 西北工业大学
IPC分类号： G06V30/19
摘要： 本发明提供了一种基于空谱邻域嵌入和最优相似图的高光谱分类方法。首先，基于邻域保留嵌入法使用新的空间光谱组合距离融合空间结构和光谱信息，以选择高光谱图像像元的有效空间光谱近邻；然后，通过利用空间距离来调整像元与其相邻像元之间的重构权重，来增强嵌入特征的辨别能力，得到投影矩阵及其对应的低维高光谱图像；最后，基于低维高光谱图像构建锚点图，得到原始点到锚点的连接矩阵，再利用谱聚类方法由连接矩阵获得最优相似矩阵，进而得到分类结果。本发明方法通过更深入地挖掘高光谱图像的内在结构，获得有效的空间光谱邻居，并利用锚点图和谱聚类方法得到最优相似图，能够同时提高分类精度和算法效率。
-
公开(公告)号：CN117934390A
公开(公告)日：2024-04-26
申请号：CN202410021766.1
申请日：2024-01-07
申请人： 西北工业大学
IPC分类号： G06T7/00 , G06T5/70 , G06T5/90 , G06V10/44 , G06V10/80 , G06V10/82 , G06N3/0464 , G06N3/048 , G06N3/08
摘要： 本发明涉及一种基于机器视觉的航天器工件CT图像缺陷检测网络及方法，解决航天器CT图像缺陷检测领域检测精度低、检测速度慢的问题。主要包括以下步骤：选取航天器工件CT图像组建数据集，将航天器工件分门别类组件领域专用数据集，并进行缺陷类别标注；将数据集分为训练集和测试集，对训练集样本进行图像质量增强，具体包括图像对比度增强、图像去噪等；构建缺陷检测网络，利用深度残差网络ResNet进行特征提取，得到四组不同尺度的特征，利用特征金字塔模块进行融合。基于增强后的多尺度特征图，预测缺陷区域并二值化，过滤极小区域后生成检测结果。
-
-
-
-
搜索结果
5 条记录 (耗时 0.025 秒)
