一种融合MRF分割与数学形态学的道路提取算法

针对高分辨率合成孔径雷达（Synthetic Aperture Radar, SAR）图像中道路目标难以有效提取的问题,提出一种融合马尔可夫随机场（Markov Random Field, MRF）分割与数学形态学处理的高分辨率SAR图像道路提取算法。该算法首先利用直方图均衡化和增强Lee滤波对SAR图像进行预处理,实现道路的边缘增强,抑制相干斑噪声;进而利用基于条件迭代模式（Iterated Conditional Mode, ICM）的MRF对SAR图像中的道路目标进行初分割;再用数学形态学填充空洞,平滑道路边缘;最后,基于道路的几何特征,使用偏心率、矩阵度、复杂度等因子去除虚警,从而提取出道路目标。利用该文算法对两块实际高分辨率SAR图像进行道路目标提取,均可以取得90%以上的正确道路提取率,表明本文算法具有较高的道路提取精度。     

Instantaneous BeiDou–GPS attitude determination: A performance analysis

The advent of modernized and new global navigation satellite systems (GNSS) has enhanced the availability of satellite based positioning, navigation, and timing (PNT) solutions. Specifically, it increases redundancy and yields operational back-up or independence in case of failure or unavailability of one system. Among existing GNSS, the Chinese BeiDou system (BDS) is being developed and will consist of geostationary (GEO) satellites, inclined geosynchronous orbit (IGSO) satellites, and medium-Earth-orbit (MEO) satellites. In this contribution, a BeiDou–GPS robustness analysis is carried out for instantaneous, unaided attitude determination.     

利用高分辨率遥感数据的芦山地震道路损毁快速评估

道路损毁评估是地震损失评估工作的重要内容。文章根据芦山7.0级地震应急评估需求,提出利用多源遥感数据的道路损毁评估方法。首先,针对获取的高分辨率遥感数据特点,建立道路损毁遥感解译标准,进一步考虑地震平均烈度,建立以县为单元的灾区道路损毁等级快速评估模型,最后给出了地震灾区基于高分辨率遥感数据的快速制图产品和灾区道路损毁分县等级评估结果。结果表明,道路损毁极重灾区有芦山县、宝兴县,重灾区有天全县、雨城区、荥经县、名山区、邛崃市,一般灾区有汉源县等14个县(市、区)。相关研究和结果为震后救灾决策提供了重要支撑。     

雅安地震房屋倒损情况遥感影像解译

遥感作为快速、大范围获取灾害信息的一种重要手段,在重特大自然灾害监测评估中,发挥着巨大作用,尤其是在地震中,被用于监测灾害范围和房屋、生命线、基础设施、土地资源等实物量的受灾情况,以及滑坡、泥石流等次生灾害发生、发展情况。在2013年四川雅安"4·20"强烈地震中,利用震后获取的高分辨率遥感影像,在高分辨率遥感本底库支持下,分析当地房屋建筑倒损状况,从房屋轮廓、废墟或瓦砾和房屋屋顶呈现的几何和辐射形态特征等方面,建立震害房屋受灾解译标志,准确描述受损房屋特征,与输入的高分辨率震害房屋样本库进行对照,通过专家的研判与辨别,可有效指导房屋受灾遥感解译过程。     

基于空域稀疏性的宽带DOA估计

利用宽带阵列接收信号的空域稀疏性,将宽带信号的波达方向(DOA)估计转化为一个稀疏信号重构的问题,提出了一种新的宽带信号DOA估计算法。该算法将宽带信号分解为多个子带信号,联合利用多个子带信号的空域稀疏性进行重构。它是对用于稀疏重构的标准的稀疏贝叶斯学习算法的推广,可适用于多冗余字典的信号模型。另外,通过对多快拍的阵列接收信号进行奇异值分解(SVD),提取信号子空间作为算法的输入数据,可以在有效减少运算复杂度的同时,提高对噪声的稳健性。与传统的宽带阵列DOA估计方法相比,该算法能够用于低信噪比、快拍有限和信源相关性较高的场合,同时算法的性能对信源个数的估计值不太敏感。仿真实验表明,该算法相对现有的基于子空间类的方法,具有更好的DOA估计性能。     

利用脉组间频率步进信号合成UWB距离像及类MUSIC法对速度的高分辨估计(英文)

提出一种称为类多信号分类(CMUSIC)的方法,其利用脉组间频率步进信号,在具有M个脉冲的脉冲串(子带,即窄带)中高分辨估计径向速度。利用此速度估计值补偿距离-多普勒耦合和多普勒色散后,对跨子带进行快速傅里叶变换则可获得合成超宽带高分辨距离像。和其他方法相比,CMUSIC在低信噪比时具有较好的速度估计性能。当M大于具有不同径向速度的目标个数Q时,该方法在小M值下依然有优越的速度估计性能。此外,经过径向速度解模糊后,该方法适应高径向速度运动的目标。随着国防技术的突飞猛进地发展以及高速先进飞行器的涌现,这具有重要的实际价值。仿真结果验证了该方法的可行及有效性。     

GNSS多频观测对定姿精度的影响分析

针对单历元定姿的精度问题,对多频双差观测模型下的定姿精度进行了理论推导,分析了影响定姿精度的各种因素,并着重研究了GPS和Galileo系统下多频观测值对定姿精度的改善程度。理论分析和仿真实验均表明．相比于单频定姿,多频观测可以显著提高定姿精度。     

一种空间邻近目标红外多传感器立体分辨方法

空间邻近目标在红外像平面的成像因相互交叠而形成簇状像斑,对红外传感器的信号处理提出了分辨的要求。为实现对空间邻近目标的立体跟踪定位,提出基于量子粒子群优化的空间邻近目标红外多传感器立体分辨方法。在对目标像平面成像建模基础上,构建基于最小二乘准则的空间邻近目标立体分辨目标函数,针对目标函数的高维非线性特点,以QP-SO解决目标函数优化问题,估计目标空间位置。仿真结果表明:相比于传统的先单传感器像平面分辨后多传感器视线交叉定位方法,此法具有更优的目标位置估计精度、辐射强度估计精度和目标个数估计正确率。     

星载微波辐射计通道分辨率匹配技术及其在FY-3卫星MWRI中的应用

基于仿真模型对圆锥扫描星载微波成像仪不同频率和极化二维天线方向图地面足迹的模拟,对FY-3卫星微波成像仪(MWRI)原始观测轨道亮温数据,用Backus-Gilbert(BG)分辨率匹配算法分别对分辨率降低(高频通道匹配到低频通道)和分辨率增强(低分辨率匹配到高分辨率)进行了实验分析。结果表明:分辨率降低匹配处理能较好地模拟实际仪器观测,且不另引入噪声,可在MWRI通道分辨率匹配中实际应用;分辨率增强匹配可明显提高低频图像分辨率,但会一定程度引入噪声,实际应用中应考虑在分辨率增强与噪声间进行折中处理,在增强分辨率的同时,使引入的噪声在可接受范围内。     

Aerial-BiSeNet: A real-time semantic segmentation network for high resolution aerial imagery

The aircraft system has recently gained its reputation as a reliable and efficient tool for sensing and parsing aerial scenes. However, accurate and fast semantic segmentation of high-resolution aerial images for remote sensing applications is still facing three challenges: the requirements for limited processing resources and low-latency operations based on aerial platforms, the balance between high accuracy and real-time efficiency for model performance, and the confusing objects with large intra-class variations and small inter-class differences in high-resolution aerial images. To address these issues, a lightweight and dual-path deep convolutional architecture, namely Aerial Bilateral Segmentation Network (Aerial-BiSeNet), is proposed to perform real-time segmentation on high-resolution aerial images with favorable accuracy. Specifically, inspired by the receptive field concept in human visual systems, Receptive Field Module (RFM) is proposed to encode rich multi-scale contextual information. Based on channel attention mechanism, two novel modules, called Feature Attention Module (FAM) and Channel Attention based Feature Fusion Module (CAFFM) respectively, are proposed to refine and combine features effectively to boost the model performance. Aerial-BiSeNet is evaluated on the Potsdam and Vaihingen datasets, where leading performance is reported compared with other state-of-the-art models, in terms of both accuracy and efficiency.