实验室条件下IRMSS遥感器MTF与遥感图像参数的相关分析设计与性能评估

调制传递函数MTF(ModuleTransferFunction)在物理光学理论中 ,是光学系统成像性能的综合评价指标。遥感器MTF的性能变化会导致遥感图像的质量变化 ,遥感图像质量的变化则导致描述遥感图像的参数的变化。文章以CBERS - 1的 0 2星IRMSS遥感器为例 ,在实验室条件下模拟遥感器在轨运行的成像过程并获得图像数据 ,MTF可通过专业仪器直接测量 ,然后再进行MTF与遥感图像参数的相关分析 ,从而确定出与MTF相关性最强的图像参数。文章的相关分析采用SPSS统计分析软件完成     

带马尔科夫参数的容错控制系统中系统噪声与故障诊断检测延迟时间的关系

讨论了带马尔科夫参数的容错控制系统 (FTCSMP)中 ,在保持系统随机稳定性的前提下 ,系统噪声与故障诊断检测延迟时间的关系 ,并进一步给出了确定故障诊断检测延迟时间范围的方法 ,为故障诊断方法的选择提供了依据     

图像序列中机动目标三维运动和结构的计算

综合视觉运动分析中的2类处理方法,选取图像中的角点作为特征点,在理论上证明了图像序列的光流场可以近似地用角点的位移场代替。利用已有文献中的建模思想,详细推导出递归计算机动目标三维运动和结构的非线性计算模型,采用广义卡尔曼滤波(EKF)递归地计算图像序列中机动目标的三维运动和结构。合成图像序列和真实图像序列实验结果表明该算法能取得较好的效果。     

基于生成对抗网络的空间卫星低照度图像增强

针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息。首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好地提取正常照度图像及低照度图像中相似的语义信息;并结合EnlightenGAN的思想,采用了全局 局部辨别器结构,使图像增强效果更自然。然后,在少量样本的条件下,利用非配对样本对该方法进行训练,并通过对输入图像进行随机缩放及翻转等数据增强方法提高模型训练效果,进而提升低照度图像增强性能。最后,对所提出的空间卫星低照度图像增强方法进行了仿真验证。试验结果表明,在空间低照度条件下,该方法在NIQE指标上较LIME及EnlightenGAN分别降低了1.034和0.699,保留了更多的图像细节,具有更高的整体和局部亮度、更高的对比度以及更自然的增强效果。     

基于GAN网络的红外图像生成技术

当将人工智能技术应用于军事领域中的目标识别任务时,针对由红外图片采集的局限性而造成的训练数据不足的问题,提出了基于生成对抗网络以生成红外图像的方法,实现了数据集的扩充。对基本的生成对抗网络进行了改进,将网络的输入由随机噪声变为真实图片,使之实现了图片到图片的风格转换,即彩色图片转变为红外图片。经过网络模型的搭建和训练,实验结果表明,该方法能够有效生成清晰和高质量的红外图片,解决了由红外数据不足而造成的网络训练不充分的问题。     

不同流速比超声速混合层气动光学效应研究

针对不同流速比混合层流场气动光学效应问题,首先采用大涡模拟数值方法进行了数值仿真,其次用光线追迹方法进行了气动光学效应仿真,最后对混合层的气动光学效应进行了评价。结果表明,混合层流场涡结构与光程差极小值存在一一对应关系,并且其流速比低的混合层气动光学效应更加严重。同时,研究了不同光学参数对斯特列尔比的影响,得到了相应的规律。     

利用H.264中运动矢量实现运动目标检测

针对视频压缩和运动目标跟踪同时实现的应用,通过研究H.264压缩标准中运动矢量包含的图像运动信息并分析运动估计原理,提出了一种利用视频压缩中的运动矢量信息实现运动目标检测的方法,确立了H.264编码流中运动矢量与场景中物体运动状态的对应关系.将运动目标从背景中分离是检测算法的核心.对于双门限值的设置,可分离不同运动速度的目标;同时,算法排除了背景运动的干扰,因而可应用于摄像机运动的场合;由于检测算法所用的运动矢量直接来源于H.264编码过程,而大大降低了计算复杂度,利于硬件实现.     

太阳能火箭发动机聚光器设计方法

对工程上常用聚光器进行了性能比较,得出了适合于太阳能火箭发动机(STP)的聚光器及其具有的性能优点,研究了此种聚光器的的设计方法,并推出了相关公式和其中的关键技术,这对STP聚光器的工程设计具有重要的指导价值。      

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。     

一种快速航空图像去雾算法

 基于暗元先验规律的图像去雾算法去雾效果较好,但在进行介质透射率估计时会造成图像中出现方块效应,所以需要进行图像抠图处理。而图像抠图计算复杂度非常高,使得图像去雾时间消耗很大。本文提出一种快速图像去雾算法,使用Kuwahara边缘-角点保持滤波器对大气散射光进行估计,并对所采用的Kuwahara滤波器进行改进。通过增加子块的数目以及进行局部加权等,提高边缘保留效果,抑制方块效应,从而获得较为准确的介质透射率。实验结果表明本文算法时间复杂度低,图像去雾效果好。