基于云特征的遥感图像可用度影响因素分析

针对卫星遥感图像可用度分类问题,提出基于图像信息的云覆盖率、云厚度、云破碎度的云结构特征描述概念.研究了它们对于卫星遥感图像可用信息量的影响程度,构建了由厚度相关的云覆盖率及云破碎度构成正交可用度评估空间.并进一步分析了云结构特征与可用度之间的近似线性及单调特点,证实了所提描述方法对于可用度表征的合理性和有效性.通过与500幅不同可用度等级的专业人工判读结果比较,证实综合这3个变量的可用度判读结果与人工判读结果的准确度比较达到95%.该方法为建立卫星遥感图像可用度评估模型,自动分类得到用户需要的图像数据提供理论及技术支持.     

一种红外小目标图像质量的评定方法

提出了一个新的红外小目标图像质量评定标准——背景干扰程度,定义了"目标混淆度"和"目标遮隐度"两个指标,它们分别体现了背景噪声引入虚警的能力和背景噪声遮隐目标的能力,设计实现了利用两个指标对背景干扰程度的定量描述.实验证明,与传统的小目标图像评定标准信噪比相比,利用该标准评定的结果与实际情况更加符合,更准确地描述了研究者所关心的检测识别目标难易程度的信息,同时,该标准对于无目标信息情况下小目标图像的质量评定也是有意义的.      

一种分布式小卫星SAR单视复图像信号仿真方法

总结了分布式小卫星合成孔径雷达(DSS-SAR,Distributed Small Satellite Synthetic Aperture Radar)回波信号仿真所需具备的基本功能.给出了DSS-SAR的空间几何模型和信号模型.空间几何模型由描述小卫星编队构形的Hill方程给出,信号模型由单视复图像信号模型、信号相关性模型和干涉相位的统计特性共同描述.结合空间几何模型和单视复图像信号模型,提出了一种简洁的DSS-SAR单视复图像信号的仿真方法.该仿真方法中,小卫星的空间位置是根据虚拟中心空间位置和小卫星的编队构形计算得到,因此仿真时能够任意设置小卫星群的编队构形.通过对圆锥三维地形和平地两种地面场景的进行回波信号仿真,结果表明该仿真方法不但能够实现DSS-SAR信号仿真必须具备的功能,而且还具有实现简洁、误差加入方便等优点.      

近圆参考轨道卫星编队的安全性

针对近圆参考轨道卫星,利用相对轨道要素对编队构形进行了统一描述,提出了编队卫星在垂直于轨道平面方向相对运动最小距离的计算公式,分析了J2摄动对卫星编队安全性的影响。仿真结果表明环绕星在轨道平面内和垂直于轨道平面内的相位差对编队安全性的影响较大,给出的提高编队卫星安全性的措施可为卫星编队的实际工程应用提供参考。     

含无效云区域遥感图像在轨压缩方法

遥感图像中含有大面积的无效云区域,剔除云区域后的遥感图像形状呈现非规则特性。针对这类非规则遥感图像的压缩问题,在原始CCSDS IDC算法基础上提出了形状自适应CCSDS IDC压缩方法。方法以原始图像及其云掩膜为输入,对图像中的有效区域进行形状自适应小波变换,利用掩膜图像的Lazy小波变换结果指导小波系数编码,重新设计转义字及扫描字编码码表,最终构建形状自适应的比特平面扫描及编码方法。试验结果表明,压缩比一定的情况下,该方法可提高遥感图像解压缩后质量;图像质量一定的情况下,可以进一步降低数传带宽,增加在轨成像时间,进而提升遥感卫星在轨应用效能。     

基于云模型的目标威胁等级评估

目标威胁等级评估的实时性、正确性对于后续作战仿真具有重要意义.提出了基于云模型的威胁等级评估的方法,通过对依据专家经验得到的对定性概念评估的隶属云图的贝叶斯修正,得到了标尺云.由战场态势信息对标尺云的匹配和处理,最终得到了目标威胁评估云图,实现了威胁评估.定性概念对战场态势的描述以及隶属云图体现了模糊性与随机性的较好结合,反映了空战时飞行员获取信息的不确定性的特点.通过实例验证表明:基于云模型的威胁等级评估的方法能有效地实现对目标威胁等级的确定.     

机器人视觉系统模糊识别抓取物算法

针对机器人视觉系统对抓取物的模糊识别问题,参照人眼-脑识别对象的过程,建立了包括区域分割与模糊识别两个环节的识别算法.以视觉图像的灰度与色度特征作为区域分割与模糊识别的依据,从灰度、色度及形体特征上提取特征集的指标,并根据经walsh变换后图像灰度迅速向低频聚集的特点,提出基于walsh变换的基元模式识别特征的定义方法.在构建识别目标矩阵与关系矩阵的基础上,应用模糊关系合成与最大隶属度原则建立识别算法.该算法可从少量的采样点中识别出对象,具有较好的实时性.     

基于多星联合侦察的卫星数传调度问题模型

基于多星联合侦察的卫星数传调度问题是研究如何为卫星数传任务中每个单数传任务分配地面资源及数传时间的问题,对该问题的模型进行了研究.首先建立了单数传任务模型及卫星数传任务模型;然后在此基础上建立了问题的约束满足优化模型,重点分析了问题的目标函数及主要约束条件;为了解决该问题,最后提出了一个基于双综合优先度的启发式调度算法,并通过实例验证了算法的有效性.研究成果实现了问题的形式化描述,并给出了一种有效的问题求解算法.      

一种参数区间交叉类型的目标识别方法

针对参数区间为交叉类型的目标识别问题，提出了基于直觉模糊集和云模型的逼近理想点（TOPSIS）识别方法。构建了包含个体类和交叉类的目标数据库模型，根据云模型的多步估计算法，得到未知目标相对已知目标类的确定度，提出了确定度向隶属度和非隶属度的转化方法，基于直觉模糊熵计算特征属性的动态权重，形成了去模糊距离测度的TOPSIS识别方法，应用于辐射源信号识别。仿真结果表明，所提方法对参数区间交叉类型的目标正确识别率较高，具有一定的实际应用价值。      

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点，主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet，使其适用于卫星遥感影像。首先设计了一种新的特征融合方式，融合ResNet50输出的特征图，使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响，设计了特征感知模块，在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比，飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明，提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

基于三维点云模型的空间目标光学图像生成技术

空间探测任务中大量先验图像数据的缺乏，使得基于光学图像的态势感知和导航算法无法被有效定量测试和评估。针对此问题，提出了一种基于三维点云模型和射影变换基本理论的空间目标光学图像生成方法。在完成对空间目标三维点云模型和仿真摄像机模型构建基础之上，利用射影变换基本理论依次计算像平面所有像素点与空间目标三维点云模型空间点的对应关系，并基于Lambertian漫反射模型和相对应空间目标三维点云模型空间点的光照方向，得到所有像素点的灰度值，从而生成给定空间目标的光学图像。大量仿真实验表明:与传统的基于解析模型的仿真图像生成方法相比，所提的空间目标光学图像生成技术能够以更快的速度生成更加真实的仿真图像，且生成的仿真图像可以广泛应用于椭圆拟合、陨石坑检测、着陆器视觉导航、航天器交会对接、空间目标跟踪等典型空间应用算法的定性与定量评估。      

基于对抗和迁移学习的灾害天气卫星云图分类

针对卫星云图中的灾害天气数据存在严重不平衡问题，提出一个结合生成对抗学习（GAN）和迁移学习（TL）的卷积神经网络（CNN）框架以解决上述问题进而提高基于卫星云图的灾害天气分类精度。该框架主要包含基于GAN的数据均衡化模块和基于迁移学习的CNN分类模块。上述2个模块分别从数据和算法层面解决数据的类间不平衡问题，分别得到一个相对均衡的数据集和一个可在不同类别数据上提取相对均衡特征的分类模型，最终实现对卫星云图的分类，提高其中灾害天气的卫星云图类别分类准确率。与此同时所提方法在自建的大规模卫星云图数据上进行了测试，消融性和综合实验结果证明了所提数据均衡方法和迁移学习方法是有效的，且所提框架模型对各个灾害天气类别的分类精度都有显著提升。      

基于序列图像的空间目标三维重建

空间目标三维重建对空间态势感知和理论研究具有重要意义。针对空间目标图像存在的由纹理重复导致的错误重建问题,提出了一种新的基于运动信息恢复三维场景结构策略。该策略将序列目标图像的成像时间顺序作为先验信息,顺序地加入新图像进行迭代,以避免因目标结构对称、纹理重复所导致的重建错误。同时针对空间目标成像数据匮乏的问题,进行了空间目标图像仿真,并开展了空间目标地面模拟成像实验研究。结果表明:运动分析结果精确,对噪声有较强的鲁棒性,恢复出的目标三维点云能在一定程度上表达目标的结构信息。同时给出了进行空间目标三维重建时图像序列应满足的边界条件。      

Improved detection of faint streaks based on a streak-like spatial filter

This paper presents an algorithm to detect very faint object streaks on CCD images acquired with an optical system. The proposed detection method uses image filters simulating the geometrical form and orientation of possible streaks on the CCD image. The method searches for a matching between streak and filter evaluating the convolutions of the image with all possible filters. Based on the statistics of the image background a threshold is applied in order to accept, respectively reject, the possible streak candidates. The detection probabilities and the effect of different parameter settings are estimated with tests on simulated images, while subframes of real images are used to evaluate the applicability of the algorithm to real cases. The detection probability of this method depends on the length and on the signal-to-noise ratio of the streak. For long streaks, a detection for signal-to-noise values around 0.5 is achieved. The further characterization of the detected streak (e.g. centroid and length), which is not performed in the current algorithm, and the reduction of the computation time, which is relatively high for full acquired frames, as well as possible improvements are briefly addressed.     

Machine vision monitoring of plant health.

Techniques and algorithms to detect and diagnose disorders in plants grown in a controlled environment have been developed. A video camera senses features of plants which are indicative of disorders. Images are calibrated for size and color variations by using calibration templates. Different image segmentation techniques for separating object from background, have been implemented. Plant size and color properties have been investigated, temporal, spectral and spatial variation of leaves were extracted from the segmented images. Neural network and statistical classifiers were used to determine plant condition.     

复杂动态场景下目标检测与分割算法

在动态场景等复杂条件下,往往难以对序列图像目标进行准确的检测与分割。根据序列图像中目标在复杂条件下的成像特点,提出了一种基于融合尺度不变特征变换(SIFT)流特征显著模型的动态场景目标检测与分割算法。通过对SIFT流算法表示运动特征信息的优势进行分析,并结合图像国际照明协会(CIE)Lab颜色空间的颜色和亮度特征信息,建立四维特征向量空间。利用改进的多尺度中心-环绕对比方法生成各特征通道的显著图并进行线性融合,建立序列图像的动态场景目标显著模型。最后利用均值漂移聚类算法和形态学处理实现对检测目标的精确分割。实验结果表明,相比传统检测与分割算法,该算法在动态背景与航拍等复杂场景下能够分割出更为完整的目标区域,具有良好的鲁棒性和高分割精度。      

基于视频数据的机场跑道外来物检测

提出了一种基于视频数据的机场跑道外来物(FOD,Foreign Object Debris)检测算法,该算法包括几何校正、背景差分、杂波抑制和伪装消除等4个步骤.其中,几何校正排除了摄像头轻微抖动造成的图像差异;背景差分利用每个像素对应的颜色向量信息,建立背景模型并进行定时更新;杂波抑制和伪装消除利用差分图像和原始图像信息,建立马尔科夫随机场和概率统计模型,在降低虚警的同时提高了检测率.将本算法应用于两组不同光照条件下获取的视频图像,检测不同形状和颜色的FOD目标;采用本算法对机场实测数据进行测试,验证了算法的有效性.     

遥感图像云检测方法综述

光学遥感图像中云层会对地面信息进行不同程度的遮挡,造成了地表观测信息的模糊和缺失,极大地影响遥感图像的成像质量。因此,对遥感图像中云层覆盖的检测和评估是进一步分析和利用遥感图像信息的基础和关键。通过充分的调研和对比总结,梳理了20世纪90年代以来,国内外基于遥感图像的云检测方法的发展趋势和代表性工作。将基于遥感图像的云检测方法分为三类：基于光谱阈值的方法、基于经典机器学习的方法以及基于深度学习的方法。总结了当前国内外云检测公开数据集,并对比了部分代表性工作的云检测精度。此外,简要梳理了与云检测相关的云雾(霾)检测、云雪检测、云阴影检测以及云去除等方法。对当前云检测相关工作中存在的问题和未来的发展趋势进行了分析和展望。