星地协同光学遥感影像目标识别技术验证研究

为了提高光学遥感卫星信息处理的时效性,文章提出了星地协同光学遥感影像在轨目标智能识别技术框架。将基于遥感大数据的深度学习、神经网络模型训练等数据量大、运算量大、计算复杂、要求较高的处理任务部署在地面服务器,将深度学习训练得到的模型进行压缩并上注至卫星,卫星在轨利用轻量化模型对影像进行推理计算,最后把目标识别结果下传至用户。为了对所提出的技术框架进行验证,在高性能服务器和嵌入式开发板上进行了验证试验,利用YOLO-v5算法和DIOR遥感数据集进行了测试,结果表明:在模拟星载计算环境下,处理100km~2范围1m分辨率遥感影像耗时17.74s,平均精确度(Mean Average Precision,mAP)为87.2%。文章提出的星地协同智能目标识别技术框架实时性和精度上能够满足应用需求,具备一定的可行性,可以进一步开展在轨验证试验。     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题，文章提出基于深度学习的遥感图像目标检测系统软件。首先，为给深度学习网络训练提供高质量的样本数据，在GIS平台上实现了样本标注功能和数据集兼容性转换功能，并提供图像预处理方法对样本进行扩充；其次，针对遥感图像场景分类与遥感图像特定目标检测，应用深度学习技术，分别实现了模型训练、迁移学习、目标检测等功能；最后，采用了形态学处理、矢量化、直角化约束等方法，对遥感图像场景分类的效果进行改善。实验结果表明，文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度，在特定目标检测方面取得了95%的检测精度，明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求，能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

基于深度学习的通信信号调制识别算法

随着通信技术的发展，信号体制、调制方式日趋复杂，例如CPM、OFDM等，这给调制识别技术带来了巨大挑战。近年来，深度学习技术由于其强大的特征提取能力和分类能力，被广泛应用到模式识别领域中。为了实现复杂调制方式的识别，文章将深度学习技术引入到调制识别领域，并提出一种基于改进的CLDNN模型的调制识别算法。CLDNN模型已被成功应用到语音识别领域，其表现出了强大的特征提取和分类能力。该方法在原有CLDNN模型的基础上，针对调制识别问题的特点，对CLDNN进行了改进。而且该方法不依赖于载波同步、码元同步等预处理。实验结果表明，该方法可同时识别12种信号调制方式和信号体制，信噪比在3dB以上时，整体识别准确率达到90%以上，并且可以较好地识别复杂调制方式和信号体制。     

基于深度学习神经网络的SAR星上目标识别系统研究

实现对地面目标的智能识别,对一种基于深度学习的卷积神经网络(CNN)的星载合成孔径雷达(SAR)星上目标识别系统进行了研究。系统由星上和地面两部分组成。其中:地面部分进行网络结构设计、SAR图像数据预处理、CNN模型训练、模型压缩及上传;星上部分接收上传模型并解压缩、目标识别、识别后粗筛图像下传地面;地面进行人工筛查,筛查后的正确图像作为训练数据对CNN模型进行再训练,逐步获得精度更高的模型。提出的CNN架构为卷积层2个、下采样层2个、Dropout层3个、Flatten层1个、全连接层2个,最终输出标签11类。为使训练后的CNN模型能部署到卫星上使用,采用数据精度压缩和剪枝两种数据深度压缩方法以减小数据存储量和减低网络复杂度。在Keras深度学习开源库环境中实现设计的CNN模型,对运动和静止目标获取与识别(MSTAR)数据库中的11类军事目标识别的实验结果表明:识别和分类的效果良好,整体识别成功率达96.29%;模型能压缩至原来的1/13,精度损失小于2%。     

分隔贮箱内液体晃动参数的识别方法

分隔贮箱内液体晃动问题可以用一个两自由度非线性阻尼系统予以描述。本文采用等效线性化方法处理非线性阻尼参数，给出了一种利用稳态正弦基础激励晃动试验技术确定分隔贮箱内液体晃动等效力学模型的参数识别方法。方法通过引入晃动模态的频响函数剩余影响的拟合项实现两阶晃动模态的分离识别。数值仿真计算表明，这一方法给出的参数识别结果可以满足工程应用的精度要求     

面向星上目标提取的卷积神经网络优化技术

针对卷积神经网络规模庞大、参数数量众多、在资源受限的在轨场景中难以应用的问题,提出了一种基于知识蒸馏的剪枝压缩改进方法。该方法对训练好的网络进行基于权重和基于通道的混合参数剪枝,在保留网络重要连接的同时剔除冗余信息;采用知识蒸馏法,用原始网络学到的知识指导剪枝后网络的再训练过程,以恢复损失的精度;在遥感数据集上对VGG-16分类网络进行实验。结果表明:所提方法可以实现16～18倍的压缩效果,并且网络精度下降不到1%。这使得卷积神经网络的在轨应用成为可能,具有理论及现实意义。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

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。     

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

针对光学遥感图像舰船目标类间差异小,需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题,文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法,设计了双分支特征提取与融合模型。首先,全局特征提取分支通过卷积神经网络提取图像的全局特征;其次,局部特征增强分支将浅层特征图打乱并重构,加入对抗性损失函数,训练网络识别局部重点区域特征的能力,提取目标局部特征;最后,将全局特征和局部特征进行融合,利用全连接层对特征进行降维处理去除冗余信息,增加鲁棒性,并利用融合特征完成分类任务。实验表明,该方法可以兼顾全局特征和局部特征,在FGSC-23舰船目标数据集上准确率达到86.36%,优于其他方法。     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。     

微型高速图像压缩系统

提出了一种基于多分辨率分解的静止图像压缩算法,在8倍压缩的条件下能够保证较高的图像质量。该算法与现有的静止图像压缩算法相比,在较大程度上降低了对数据传输误码率的敏感性,并且能够在现有器件工艺水平下采用硬件电路来实现。详细介绍了利用FPGA实现的该算法的演示系统。     

三维几何数据压缩与简化

随着虚拟现实技术及网络技术的快速发展，高分辨率三维图形的应用将日益普遍，这就给存储、传输和实时显示提出了更高的要求。近些年来，人们对三维几何数据压缩、渐进传输及简化技术的研究表现出浓厚兴趣，本文对三维几何数据压缩及简化技术研究概况进行了介绍。     

基于空域结构渐进描述的图像压缩算法

目前通用的变换域图像压缩算法由于其工作原理导致其在压缩具有丰富纹理细节的遥感图像时质量不高,为了满足当前航天遥感技术的需要,提出了一个基于在空间域上对图像结构进行渐进描述的图像压缩算法。该算法把分块图像根据其内部的纹理复杂程度分为平坦、粗纹理和细纹理3种模式,并利用纹理简单模式叠加修正的方式来渐进地描述纹理复杂模式。在压缩细节纹理较少的图像时,该算法的结果与基于小波变换的典型算法SPIHT相当,而在压缩纹理细节丰富的图像时,该算法明显优于SPIHT算法。     

实现DDS的波形存储表幅度值压缩方法

简介直接数字频率合成器的原理 ,提出在自行设计 DDS时采用波形存储表幅度值压缩方法以降低输出频谱的杂散。文中阐述正弦相位差法、Nicholas优化结构等幅度值压缩方法的有关原理和具体实现方法 ,并提出一种在现有方法上进一步提高压缩比的改进办法 ,最后 ,给出在 Matlab中 Simulink下的仿真验证结果     

异面压缩下六边形铝蜂窝平均塑性坍塌应力研究

为了研究铝蜂窝在准静态异面压缩下的平均塑性坍塌应力，基于简化的基本折叠单元理论，以单个完整铝蜂窝六边形单元为研究对象，根据能量守恒定律，形成一个基本折叠单元外力所做的功等于屈曲能和膜能的总和，由此分别假设铝蜂窝材料服从Tresca屈服准则或Mises屈服准则，给出了两个准静态异面压缩下铝蜂窝平均塑性坍塌应力的理论计算公式，试验结果验证了理论推导的正确性。提出的公式对研究铝蜂窝的异面压缩性能具有一定的工程指导意义。     

国产芳纶纤维增强环氧复合材料的压缩性能

采用不同弹性模量的环氧树脂基体与国产芳纶Ⅲ纤维制备了复合材料,研究了复合材料压缩性能及其影响因素,分析了环氧树脂模量、芳纶纤维束张力、压缩测试方法等因素对复合材料压缩强度测试结果的影响规律。研究表明,环氧模量、纤维束张力的提高有利于压缩强度的提高,正交铺层的压缩测试方法有利于表征复合材料压缩本征性能。同时,探讨了芳纶纤维压缩失效的机理,提出了提高芳纶纤维复合材料压缩性能可能的途径。     

关于CCSDS无损数据压缩建议的初步研究

无损数据压缩是航天空间任务的重要业务 ,在商用和计算机通信中也占有越来越重要的地位。对 CCSDS(Consultative Committee for Space Data Systems)建议的无损数据压缩的基本原理、编解码方法、系统实现、压缩性能进行了分析研究。对 CCSDS的无损数据压缩建议在空间及其它领域的应用提出了初步看法 ,并指出了扩展和进一步研究的建议。     

JPEG图像压缩技术的实现与优化

文章以空间监控系统为背景,深入研究了JPEG图像压缩标准的实现方法,并基于FPGA对其进行了实现和优化。文中给出了详细的实现方法和优化过程,测试表明达到了很好的效果。     

图象的分形压缩方法

本文介绍一种适于对高分辨率（大数据量）遥感图象实现高倍（几十至几百倍）压缩的方法。文中简述分形几何的基本概念，给出了一种分形压缩的模型，以北航的图象分形压缩研究结果为例，阐述了分形压缩方法的特点。     

对合成孔径雷达的干扰

在简单介绍合成孔径雷达（ＳＡＲ）的基本工作原理的基础上，重点分析了对ＳＡＲ实施干扰的可能性，并提出了可能的干扰方法。分析认为，这些可能的干扰方法，不仅适用于ＳＡＲ，而且也适用于逆ＳＡＲ。