基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。     

基于可见光与红外卫星图像融合的舰船目标检测

为解决现有基于可见光卫星图像的舰船目标检测算法在云雾遮挡、海岸干扰等复杂场景下的错检和漏检问题,本文在YOLOv5网络基础上,通过空间特征与谱段特征的联合提取提高网络性能,提出了基于可见光与红外卫星图像融合的舰船目标检测算法VI-YOLOv5。实验结果表明:双模态融合目标检测算法性能优于单模态目标检测算法,在交并比阈值为0.5的情况下,可见光+红外融合网络的平均精度达0.976,相较于单可见光网络提高了2.5%,相较于单红外网络提高了8.9%,有效缓解了复杂场景下出现的错检和漏检问题,验证了可见光与红外卫星图像融合在舰船目标检测任务中的有效性。     

一种在轨卫星光学遥感舰船检测算法

为了解决资源有限的在轨处理环境对光学遥感舰船检测网络速度和精度的影响,提出了应用倒置残差结构的舰船检测算法。采用端到端网络作为基础模型,裁剪网络的层数和3/4通道数,构建2层卷积倒置残差模块,使用可分离卷积和1×1卷积对普通卷积层进行替换,只保留1个检测分支,使用金字塔检测方式实现多尺度目标检测网络。基于高分一号卫星数据集的试验结果表明:相较于当前的主流网络,算法模型在平均精度(AP)相差不大的情况下检测速度有很大提升。和YOLOv3相比,检测速度提升了72%,参数量减少了99.5%;和YOLOv2相比,检测速度和AP分别提升了58%和0.9。文章提出的算法可为计算资源极其有限的卫星在轨舰船检测实现提供有效的理论技术支撑。     

基于改进YOLOv3网络的遥感目标快速检测方法

针对将来卫星在轨实时目标检测需求,且在其内存和算力都受限的条件下,提出一种改进的YOLOv3,利用轻量化网络代替YOLOv3的特征提取网络,实现遥感目标的高效检测。在目标检测精度相近的情况下,改进模型参数相比原先降低了1.5倍,计算量降低了3.3倍。同时提出了一种基于交并比的迭代聚类算法,分别在YOLOv3和改进YOLOv3上实现了7.0%和2.3%的平均精度均值(mAP)提升。实验表明:改进模型的检测速度最快能达到101 frame/s,当其mAP比YOLOv3高6%时,检测速度仍是YOLOv3的1.6倍。本文提出的改进YOLOv3是一种高效遥感目标检测方法,为未来星上应用打下基础。     

基于YOLOV3的改进目标检测识别算法

经过近几十年不断的研究和发展，红外目标检测识别在侦察、导弹制导等领域取得了卓越的成就和广泛的应用，亦成为当今的热门话题。为进一步提高模型的检测识别性能，提出一种基于YOLOV3改进的目标检测识别算法。首先，通过分析红外目标的检测特性，改进了原始算法的特征提取网络，融合KL-LOSS，在原网络预测目标位置的基础上，进一步预测了位置的准确度标准差，并结合Soft-NMS算法用于改善网络的检测准确度;其次，针对红外目标相对三通道彩色图像的特征量少的问题，在检测层前融合了SKNET模块，使网络更加关注目标的有用特征;最后，给出改进网络训练的新的损失函数及前向传播算法流程。实验结果表明:改进的KS-YOLO网络在目标域(实拍空中红外目标数据集)上的平均AP性能值要优于原来的YOLOV3网络2.4个百分点，预测时间比YOLOV3实用性更好、更快。     

基于通道剪枝的SAR图像舰船检测优化算法

近几年,随着深度学习的发展,基于深度学习的目标检测算法开始应用于合成孔径雷达(SAR)图像中的舰船检测。但深度学习模型结构复杂,参数量与计算量巨大,无法应用到星载处理器的实时处理中。本文提出一种结合了Faster-RCNN和卷积通道剪枝的舰船检测方法,在保证检测精度不受较大影响的情况下,剪除卷积层中的部分参数,提高检测效率。实验表明:经过剪枝优化的Faster-RCNN舰船检测模型中的参数量降低了约56%,而推理时间减少了约51%,同时精度下降仅有1.9%。这给未来在星载处理器上部署舰船检测算法提供了新的思路。     

基于域适应Faster RCNN的复杂背景目标检测

本文提出的算法实现了对复杂多变环境下目标的稳定识别,通过改进模型训练算法,有效提升了深度学习模型对不同环境条件下的目标检测准确率。同时,本文在网络域适应部分设计了类别平衡多分类判别器算法应对多种环境条件下收集样本难易度不同的问题;在RPN网络分类器及输出分类器中引入Focal Loss算法,解决不同环境条件下目标检测难易度差别较大的问题;数据集制作过程中采用局部标注策略加以辅助。实验结果表明改进后的域适应Faster RCNN算法训练出的模型不仅增强了对复杂环境条件下目标检测的鲁棒性,还明显提升了对目标在不良环境条件下的检测准确率,这给遥感任务图像中复杂地理环境背景下的目标检测方法提供了一种新的思路。     

基于改进SSD算法的航拍目标检测算法研究

研究基于深度学习技术的无人机航拍图像目标检测算法，首先介绍目标检测算法SSD（Single Shot MultiBox Detector），并对其特征提取网络进行改进，采用稠密特征提取网络替换原网络的主干特征提取网络，提高算法的特征提取能力，从而提升了算法的检测精度。针对网络实时性问题，在算法中引入分组卷积，极大地减少了网络参数量，提升了网络推理速度。为解决训练中出现的正负样本不均衡问题，利用焦点损失（Focal Loss）改进了原算法的损失函数，进一步提升了网络的收敛速度和精度。最后，通过仿真验证了改进算法在目标检测精度上的优越性。     

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

高超声速跳跃-滑翔弹道方案设计及优化

针时常规弹道导弹突防能力差、成本高的缺点,提出了一种高超声速跣跃-滑翔弹道方案.以某弹道导弹为例,通过采用高升阻比外形和末级发动机多次点火技术,将其再入弹道设计成大气层边缘的跳跃-滑翔弹道,并以航程为目标对弹道进行了优化.结果表明,跳跃-滑翔弹道能大幅增加导弹航程,同时还具有较强的突防能力,而且当跳跃幅度较大时,还可减轻气动加热;优化后导弹的航程进一步增加,跳跃幅度减小,热流峰值减小,加热时间和总气动加热量增加.     

空间交会对接光学敏感器测量的实验研究

光学敏感器通常用作空间交会对接最后阶段的测量敏感器。本文研究了光学成像敏感器的测量方法，并在此基础上进行了物理仿真实验。实验结果表明，当距离为１ｍ左右对直径４０ｃｍ的目标模拟器进行测量时．位置测量精度优于１ｍｍ，姿态测量精度优于０．４°。     

碳化硅纤维增强铝复合材料疲劳性能及疲劳破坏机理研究

介绍了SiC/Al复合材料单向板和正交板试样的拉—拉疲劳特性和疲劳破坏机理研究结果。研究结果表明,SiC/Al板试样拉—拉循环5×10~4次后,其剩余静拉伸强度系数超过0.87,随着循环应力水平的提高,材料的剩余静拉伸强度几乎没有变化,但声发射信号的起始峰值向应变增大方向移动;疲劳将导致复合材料表面产生温升,通过测量材料表面温度的变化,可以提前预告SiC/Al复合材料的疲劳破坏。     

抗相参雷达的侦察干扰一体化处理技术

基于数字射频存储技术,提出了对相参体制雷达的侦察干扰一体化处理方案.通过对侦察和干扰技术的分别论述和整合研究,将传统上独立的侦察和干扰的主要数字处理算法集成在单个可编程器件内,大大提高了对相参雷达的干扰效能,减小了电子对抗设备的体积和功耗.     

超声速进气道流场三维数值模拟

超声速进气道是固体火箭冲压发动机至关重要的部件之一,直接影响燃烧室的燃烧及发动机性能。基于N-S方程、标准k-ε双方程湍流模型,利用FLUENT软件对某型固体火箭冲压发动机楔形超声速进气道内外流场进行了三维数值模拟。计算得到了超声速进气道在飞行马赫数为Ma=3.5的情况下的流场性能。并在相同马赫数下,研究了等比压缩和攻角条件下的进气道流场的分布情况。模拟结果表明：进气道的总压恢复系数和流量系数等性能指标受到攻角的影响而发生变化。     

基于卫星中继的导弹飞控数据链链路分析

导弹飞控数据链路可极大地提高导弹的作战性能.分析了基于卫星中继的导弹飞控数据链链路特性,给出了其系统组成结构.完成了地星链路和星弹链路系统的分析与设计.最后给出了各链路的通信余量估算.对导弹飞控数据链的工程实现具有参考意义.     

基于HLA的卫星组网通信与对抗仿真系统设计

介绍了一种基于HLA的卫星组网通信与对抗仿真系统设计框架,并较为详细地描述了其联邦与成员设计。基于此设计框架的目的系统能够提供虚拟空间战场环境,使部队进行可信度较高的空间信息作战演习,并进行相应的技术和战术研究。     

卫星系统热特性分析

考虑空间轨道外热流、卫星表面自身辐射、热载荷等因素影响,建立卫星温度场计算模型,在采用蒙特卡罗(Monte-Carlo)法求解卫星复杂辐射边界条件的基础上,利用有限容积法对卫星在轨飞行阶段的瞬态温度场进行数值模拟,计算得到卫星瞬态温度场,并考虑其表面自身辐射及空间轨道外热流等因素,建立卫星红外辐射通量计算模型,计算得到不同时刻、不同热载荷情况下的卫星红外辐射通量分布,并简要分析了在轨卫星热控涂层衰减所带来的表面太阳吸收比的变化对卫星温度场的影响。     

浅谈档案室的管理

如何加强档案规范化管理,充分发挥档案在实际工作中的作用,本文从档案的收集、整理、保管、利用和人员的素质五个方面来进行阐述。从而提高人们对档案室管理工作的认识,以确保档案室管理工作的进一步提高。     

一种多标校源的高轨伴星时差频差定位算法

针对高轨伴星时差频差无源定位系统中卫星位置、速度、时差和频差等参数的测量系统误差严重影响定位精度的问题,提出了一种基于四个或四个以上已知位置的地面标校源的高斯-牛顿定位算法。该算法首先利用差分法消除星间时差、频差测量的系统误差,再利用标校源的时差频差测量方程组估计出主星和伴星的相对位置和相对速度误差,最后结合时差、频差、地球球面以确定非合作辐射源位置。理论和数字仿真均表明在时差和频差测量的随机误差较小时,本文算法的均方根误差（MSE）接近克拉美-罗下限(CRLB)。