一种基于改进R-CNN的细粒度船舶目标识别方法研究

利用人工智能技术对遥感卫星图像中海域船舶目标识别具有非常重要的现实意义.针对卫星图像中复杂情况对船舶识别带来的干扰,以及小目标船舶高漏检率问题,基于改进R-CNN提出一种细粒度深度学习模型,引入负样本增强学习策略,构建了一种海上船舶识别与分类的深度学习网络.结合试验,与现有成熟的目标识别算法相比,此算法的精确度和召回率都有提高,并且模型具有良好的鲁棒性和适应性.     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

红外卫星云图的多值自适应分割

云的形状千变万化,难以分割和识别.本文利用数学形态学图像分析方法,设计并实现了红外卫星云图的预处理和多值自适应分割.通过该分割可以自动将云图中相对面积较大且温度较低的不多于5块的云从整张图上分割出来,这为识别工作奠定了基础.运行实例表明,该分割方法具有很好的自适应性和实用性.     

基于变换域Hough变换的遥感图像相干干扰分析

相干干扰的存在严重地影响了对遥感图像中目标的特征提取和识别的精度,降低了各种遥感定量分析方法的有效性。通过对相干干扰的幅度和相位特性的定量分析,本文提出了相干干扰的小视场模型和大视场模型,并给出了基于变换域的Hough变换算法。实践表明,与传统的邻域平均、中值滤波、经典频域滤波等消除干扰算法相比,该算法不仅高质量地消除了遥感图像中的相干干扰,同时还能有效地保留原图像中的细微影纹和边缘信息,并获得较好的峰值信噪比。该方法已在航天遥感图像的实时采集及处理系统中获得成功应用。     

遥感图像云自动检测

云层遮挡是影响遥感图像质量的重要因素,为提高信道传输利用率,要求自动检测并剔除云覆盖率大的图像.目前大多数的云检测算法都依赖遥感图像的光谱特征,然而很多图像数据并不具备完整的光谱信息,因此这类算法对图像数据要求较高且算法不具普适性.本文从云的空间纹理特征和统计特征出发,提出适用于多卫星多传感器的云检测算法.经过对186幅图像的初步试验验证,该算法简单快速、准确性高,同时能有效控制云检测过程的检测错误率,达到很好的检测效果.     

空间光学载荷实验室与在轨定标及性能测试专题导读

<正>进入21世纪,卫星遥感已经从对地球物态形貌的识别发展到对地球系统多圈层物理参数的精细化定量遥感。在全球气候变化研究中,需要识别0.1℃/10年的地气系统温度变化,系统模式则要求卫星观测的误差小于0.2K,这种高精度定量遥感对空间载荷在轨定标和关键要素反演算法提出了更高要求。到目前为止,现有遥感载荷都没能实现空间辐射观测在轨向国际SI的溯源,因而难以确保遥感器的定标精度和遥感产品的长期稳     

基于卫星云分类资料的顶层云宏观特征研究

文章首先利用CloudSat的2B-CLDCLASS-LIDAR资料对全球顶层云的云类型、云高度、云厚度的出现频率分别进行了统计分析,从纬度、海陆方面分析了全球范围内上层云的分布,对不同类型云出现的频率、云底高度与平均厚度以及因季节变化云底高度的差异进行了分析。最后,对比分析了静止卫星FY-2D获得的云类型与CloudSat顶层云分类,结果表明:对于卷云而言,两者的识别一致性较好。     

高分辨率卫星遥感影像监测林地动态变化的研究

高分辨率卫星遥感影像技术具有速度快、周期短、精度高等多种优势,在各个领域受到了广泛应用。将高分辨率卫星遥感影像技术应用于林地动态变化监测,可有效弥补传统林地动态监测方法的不足,对于森林灾害、占地、毁林开垦、林木采伐等问题监测效果明显。     

基于激光雷达点云的配网带电作业机器人的目标识别

为满足配网带电作业机器人作业任务要求，提出一种基于激光雷达点云的电气设备识别方法。采集点云后，进行预处理操作，清除干扰点并保留作业区域的点云。基于几何特征，初步检测电杆和绝缘机械臂，然后利用电杆与机械臂之间的几何约束条件，通过最小二乘法对识别结果进行迭代优化。利用所获得的电杆和机械臂构成结构所提供的几何信息，进一步处理电力线点云，实现电力线点云识别。实验表明，该方法能快速、准确、稳健地从作业区域的激光雷达点云中分割和识别电杆、机械臂和电力线，为机器人执行各种后续作业任务提供充足信息。     

星敏感器和遥感相机主光轴交联角的在轨检校

为了提高遥感影像产品的定位精度,研究了星敏感器主光轴和遥感相机主光轴交联角的在轨检校方法。利用高分辨率卫星遥感影像的严格成像模型,将改进的非直接求解模型引入到遥感相机安装误差的标定中,提出一种对遥感相机内外方位元素进行统一检校的方法,实现了星上姿态确定系统和遥感相机之间系统误差的精确补偿。对来自遥感卫星的整轨遥感图像进行处理,利用最优化模型确定遥感相机和星敏感器姿态关系矩阵,进而检校出交联角。最后,利用单像对地目标定位原理,对检校精度进行了验证。实验结果表明,校正后地面点经纬度方向平面位置RMS误差分别为9.31 m和9.28 m,显示通过内外方位元素统一检校,遥感图像的定位精度得到显著提高。     

逆向工程中NURBS曲面重构的数据筛选研究

逆向工程中NURBS曲面重构的数据筛选是一个广义的概念,它所涉及的内容很广泛,包括数据获取过程中的处理。本文讨论了通过将曲面离散来获得规则点云数据和通过将NC刀具轨迹转化为规则点云数据。此外数据筛选还包括数据获取后的处理,针对这种情况对如下三个方面进行了讨论:点云数据的光滑处理;点云数据的过滤处理;特征点的识别与筛选。     

基于微脉冲激光雷达与微波辐射计的过冷水云识别算法

在野外人工增雨作业中，对过冷水云的观测十分重要。文章实现了一种基于微脉冲激光雷达、微波辐射计等多种地基遥感观测手段复合的过冷水云观测识别算法。算法提出利用微波辐射计的红外云底高度观测数据，可以辅助激光雷达较好地区分云层与气溶胶层，获得更为可靠的云识别产品，进而基于激光雷达的粒子偏振信息和微波辐射计温度廓线识别出过冷水云，与毫米波雷达的同步观测结果进行比对，验证了算法的可靠性。     

基于 FPGA 并行计算的多阈值分级海陆分割方法

由于微纳卫星在体积、重量以及功耗等方面的限制,星载宽幅遥感图像海陆分割需要现场可编程门阵列(FPGA)提供 高能效计算能力。 在保证分割精度前提下,利用 FPGA 有限片上资源实现低复杂度算法的并行计算是关键。 因此,本文提出一 种基于 FPGA 并行计算的多阈值分级海陆分割方法。 该方法以 OTSU 法为核心,利用基于多特征联合阈值的子图分类构成分 级海陆分割,以抑制海面中干扰点的影响。 此外,设计新颖的并行迭代计算结构,在提升 OTSU 计算效率的同时实现对片上缓 存占用的平衡性调整。 实验结果表明,本文方法可达到 98% 以上的整体检测精度。 同时,对于一幅 8 192×2 048 pixels 的遥感 图像,本文方法处理时间仅为 0. 16 s,较其它基于 FPGA 的方法的处理时间至少减少了 23. 81% 。     

逆向工程中NURSS曲面重构的数据筛选研究

逆向工程中NURBS曲面重构的数据筛选是一个广义的概念，它所涉及的内容很广泛，包括数据获取过程中的处理。本文讨论了通过将曲面离散来获得规则点云数据和通过将NC刀具轨迹转化为规则点云数据。此外数据筛选还包括数据获取后的处理，针对这种情况对如下三个方面进行了讨论：点云数据的光滑处理；点云数据的过滤处理，特征点的识别与筛选。     

漠河卫星遥感林火监测及所见问题分析

本文简要介绍了卫星遥感林火监测特性、原理及流程,通过对漠河卫星遥感接收过程中发现的问题进行了分析,指出了存在的不足和今后努力的方向.     

旋转不变的2D视图-3D点云自编码器

点云的无监督表征学习对于理解和分析点云至关重要，基于三维重建的自动编码器是无监督学习中的重要架构。针对现有的自编码器存在旋转干扰和特征学习能力不足的问题，本文提出一个旋转不变的2D视图-3D点云自编码器。首先，设计局部融合全局的旋转不变特征转换策略。对于局部表示，利用手工设计特征对输入点云进行转换，生成旋转不变的点云表征；对于全局表示，提出一个基于主成分分析（Principal Component Analysis, PCA）的对齐模块，将旋转点云对齐同一姿态下，在补充全局信息的同时排除旋转干扰。然后，在编码器设计局部和非局部特征提取模块，充分提取点云的局部空间特征和非局部上下文相关性，并建模不同层次特征之间的语义一致性。最后，提出一个基于PCA对齐的2D-3D重构的解码方法，重建对齐后的三维点云和二维视图，使编码器输出的点云表征集成来自3D点云和2D视图的丰富学习信号。实验结果表明：本算法在随机旋转的合成数据集ModelNet40和真实数据集ScanObjectNN上的识别精度分别为90.84%和89.02%，学习的点云表征在没有任何标签监督的情况下实现了良好的可辨别性，并且具有较好...     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

基于云理论与LS-SVM的刀具磨损识别方法

针对刀具磨损过程中产生声发射信号的不确定性以及神经网络学习算法收敛速度慢、易陷入局部极小值、对特征要求较高等问题,提出了基于云理论和最小二乘支持向量机的刀具磨损状态识别方法。首先,对声发射信号进行小波包分解与重构,滤除干扰频段对求取特征参数的影响;其次,对重构后的信号利用逆向云算法提取云特征参数:期望、熵、超熵,分析刀具磨损声发射信号的云特性及磨损状态与云特征参数之间的关系;最后,将云特征参数组成特征向量送入最小二乘支持向量机进行识别。研究结果表明:所提取的特征可以很好地反映刀具的磨损状态,云-支持向量机方法可以有效地实现刀具磨损状态的识别,与传统神经网络识别方法相比具有更高的识别率,识别率达到96.67%。     

关于遥感卫星影像数据应用的调查分析

20世纪末前,我国一直在购买国外的卫星数据。直到1999年10月14日,中巴地球资源卫星(CBERS-01)成功发射,开创了我国卫星遥感事业的新纪元。之后,北京一号、遥感二号等相继发射成功,我国拥有了完全属于自己的卫星遥感事业,也获取了更多的卫星影像数据。然而,目前我国的技术还处于成长阶段,尚有很多不足需要完善。本文对遥感卫星影像数据应用进行调查分析,以期在卫星数据获取方面提供借鉴。     

光学遥感卫星信息获取能力指数的评估

提出了一种客观评估遥感卫星获取信息能力的指数模型。分析了影响遥感卫星信息获取能力的主要因素,包括运行轨道、成像分辨率、成像幅面、姿态机动能力等。以目标综合辨识量作为衡量标准,建立了涵盖成像分辨率、目标重访、姿态机动能力等要素的信息获取能力指数评价模型。介绍了模型的实现流程和具体步骤。该模型集成目标获取数量和目标获取精度两个维度信息,可实现遥感卫星信息获取能力的综合评估。以世界观测(Worldview)卫星系列、昴星团(Pleiades)和高景一号(Superview-1)等国内外光学遥感卫星为例进行了验证分析。结果表明,该指数模型能够对性能各异遥感卫星的信息获取能力做出准确评估,如WorldView-3的分辨率不到WorldView-1的分辨率的两倍,但信息获取能力却是其是3倍多;Superview-1分辨率比Pleiades高,但实际信息获取能力还不到后者的一半。得到的结果验证了提出模型的有效性,表明提出的模型可为综合评价光学遥感卫星遥感能力提供量化参考,为光学遥感手段的发展提供评估模型支持。