基于Hermite的SAR卫星轨道插值干涉测量应用研究

合成孔径雷达(Synthetic aperture radar, SAR)卫星轨道参数是干涉测量技术中影像配准、基线估算、平地相位去除等环节的重要参数,但部分SAR卫星轨道参数采样间隔较大,导致干涉测量过程中产生残余相位,发生较大的系统误差;利用MTALAB编程工具,对卫星原始轨道状态矢量进行了埃尔米特插值法拟合,等距插值计算后,发现可以缩小轨道参数采样间隔,提高干涉测量精度;以覆盖巴姆地区的Envisat卫星为例,分别获取了基于粗轨、埃尔米特插值轨道参数和代尔夫特精密轨道参数得到的干涉测量图,定性判断出埃尔米特插值法可有效提高SAR卫星轨道精度;再以覆盖陕西地区的AOLS卫星为例,插值轨道矢量采样间隔分别为10秒、5秒、2秒,发现间隔为5秒时相干性最优;结果表明：采用埃尔米特插值法可有效增加SAR卫星轨道状态矢量数量,消除系统误差,提高干涉测量精度。     

最优方向耦合字典学习的遥感影像超分辨率重建

针对遥感影像超分辨率重建问题,提出了一种改进联合字典学习的超分辨率重建模型。利用最优方向字典更新算法进行耦合字典对的学习,将由低分辨率字典学习得到的稀疏系数传递至高分辨率字典学习空间,形成高、低分辨率字典对,重建得到高分辨率遥感影像。该算法通过优化,实现训练样本自动截取,通过验证实验表明：与已有的经典算法相比,提出的算法定量评价指标有明显改善,同时,在字典学习过程中所需时间远少于现有经典算法,大大提高了遥感影像重建的效率,其重建影像更加清晰,几何纹理结构更加明显,证明了该算法的高效性。     

基于双稀疏度K-SVD字典学习的遥感影像超分辨率重建

为了通过软件方式增强遥感影像的空间分辨率,提出了一种基于双稀疏度K-SVD字典学习的遥感影像超分辨率重建算法。基于稀疏表示理论,利用K-SVD字典学习算法求解低分辨率字典及其稀疏系数,将稀疏系数传递至高分辨率字典学习空间,形成高、低分辨率字典对,重建得到高分辨率遥感影像,并在字典学习和稀疏重建两个阶段设置了不同的稀疏度。实验分别采用TM5影像、资源三号影像以及USC_SIPI图像库中的遥感影像进行重建,结果表明,不论重建影像有无噪声,所提算法的峰值信噪比和结构相似指标均高于Bicubic法以及Zeyde的算法。K-SVD和双稀疏度参数的引入,不仅减少了字典学习时间,且具有高的空间分辨率提升能力。     

射频技术在医院新生儿防盗系统中的应用

医院新生儿防盗系统以RFID技术防范手段取代落后的人防手段,充分提高了医院智能化管理水平和管理档次,防止新生儿被人从医院内盗走,有效保护新生儿安全,保障各方权益。此系统的采用,可大幅提高管理与运作效率,降低成本,增强公共安全。     

基于Arnold变换和图像融合的数字图像隐藏算法

针对传统Arnold反变换需要先计算出变换周期和恢复图像时间较长的弱点,提出了快速Arnold反变换方法,该方法利用6个方程组求解得到.实验证明该方法可行、效果好,大大节省了恢复原始图像的时间,提高了传统Arnold算法的效率,同时具有良好的鲁棒性.     

RFID医院婴儿智能防盗系统设计

新生婴儿在医院被盗是一个困扰医院的＂顽疾＂,给医院、家庭带来物质和精神的双重损失,同时也造成不良的社会影响。构建经济、高效实用的防盗系统,从技术上可以避免医院今后类似问题的发生。应用无线射频技术（RFID）,结合门禁控制设施,利用现代计算机网络,设计一种医院婴儿智能防盗系统。基于人体安全考虑,提出使用Cryptag Census系列低频感应射频识别产品进行防盗系统中读卡器的设计;同时提出TCP/IP协议Internet网络和RS 485总线相结合的数据传输体系,提高系统的实时性和稳定性。最终实现以RFID技术为主的防盗系统代替传统的人防系统,使得防盗安全系数大大提高,减少了人力,提高了医院的管理效率。     

Flash技术在网络电子地图中的应用

网络电子地图是以互联网作为传播介质的一种新型的数字地图,其制作方法涉及测绘、计算机以及计算机网络等诸多技术,开发成本高,技术性强,系统庞大,普通大众很难享受其带给人们的便利。用Flash制作网络电子地图,不需要专门的客户端软件,只要一般的浏览器支持即可,对网络的依赖小,可以实现跨平台操作。通过具体实例提供了一种开发容易,成本低廉且可行的网络电子地图制作方法。     

红外运动小目标检测方法综述

红外运动小目标的检测,对提高红外成像系统的作用距离,具有重要意义。文中对先检测后跟踪(De-tect Before Track,DBT)和先跟踪后检测(Track Before Detect,TBD)两类红外运动小目标检测方法进行了对比,指出两类方法在目标检测中的适用场合。同时对红外目标检测领域存在的问题进行深入分析,最后指出了该领域可以深入研究的方向,以供后续开展红外目标跟踪与识别工作作为参考。     

基于图像融合的空间运动目标检测算法

文中提出了一种结合背景减除法和瞬时差分法在图像序列中检测运动目标的算法．算法利用瞬时差分法得到当前图像中运动目标的轮廓信息,在更新背景模型时不更新运动目标轮廓内区域,避免了由运动目标引起的背景模型更新误差．实验结果表明,该方法可以实现静止背景下图像序列中运动目标的检测,具有实时性,并能得到较好的检测结果．     

一种利用卷积神经网络重建的遥感影像Curvelet融合方法北大核心CSCD

针对传统多光谱与全色影像融合方法容易产生畸变、忽略多光谱影像本身的空间细节特征等问题,提出了一种基于超分辨率卷积神经网络与Curvelet变换的影像融合方法,以提升多光谱影像的空间细节,加强其与全色影像的相关性,减少融合产生的畸变。该方法首先利用高分辨率全色影像进行超分辨率重建学习,利用学习得到的网络参数对多光谱影像进行超分辨率卷积神经网络重建,提升其空间细节特征;其次,在Gram-Schmid变换融合基础上,根据Curvelet变换具有保持影像空间细节的特点,将全色影像与替换分量进行融合;最后,通过逆变换得到高分辨率遥感影像。实验结果表明,该算法在影像光谱信息和空间细节表达能力上,整体优于其他传统算法,且对不同数据具有很好的适应性。