A novel satellite image encryption algorithm based on hyperchaotic systems and Josephus problem

With the rapid growth of the number of Earth observation satellite (EOS) supporting critical applications, it is required to improve the security techniques to protect the sensitive data and images during the transmission between the satellites and the ground stations. This paper introduces a new satellite image encryption algorithm based on the Linear Feedback Shift Register (LFSR) generator, SHA 512 hash function, hyperchaotic systems, and Josephus problem. LFSR generates a matrix that is used to construct the 512-bits value of the hash function. These bits are used to set the initial values and parameters of the proposed encryption algorithm. Firstly, the six dimensions (6-D) hyperchaotic system is divided into three parts, where every two equations are considered as one part. Secondly, the 1-D hyperchaotic logistic-tent system is considered as the controller to select one part. The selected part is used to generate a matrix that is XORed with the original image. Thirdly, the scrambling operation by Josephus sequences is applied to the output of the previous step by scrambling the rows and the columns according to the selected part to produce the pre-encrypted image. Finally, if the number of iterations is less than the required number which is considered as a parameter of the secret key, the previous operations will be repeated in the pre-encrypted image; otherwise, the pre-encrypted image is considered as the final cipher image. Experimental and analyses results show that the proposed algorithm has good performance in terms of high level of security, large enough key-space, tolerance to Single Event Upsets (SEU) as well as low time complexity.     

基于DOA聚类算法的ARM抗有源诱偏技术研究

有源诱偏技术是雷达对抗反辐射导弹的一种重要手段,可以大大降低反辐射导弹的作战效能。为提高对敌目标的精确打击能力,在分析闪烁诱饵诱偏原理的基础上,针对有源诱偏干扰下被动雷达测角精度与稳定度不高的问题,通过对有源诱偏信号的时域特征进行分析,提出一种基于脉冲前沿检测的DOA聚类分选算法,找出前沿超前的辐射源信号,实现了高性能抗有源诱偏干扰和高精度抗干扰测向。仿真结果表明,该技术可以有效对抗四点源有源诱偏干扰。     

一种基于OPTICS聚类的仅测角导航目标检测算法

仅测角自主导航方法具有设备简单、复杂度低，功耗低的优点，在空间任务中具有广泛的应用前景.针对中远距离下空间目标特征少的特点，提出了一种利用基于OPTICS聚类算法的空间目标检测方法，可用于仅测角导航过程中的目标检测.对原始星图进行预处理提取星点及目标点，并结合星图识别的结果选择部分帧，使用经过改进的OPTICS聚类方法获得目标运动轨迹.最后，使用本文中的算法对软件仿真出的含有目标的高精度星图进行处理验证了算法的可行性.在卫星相对于空间目标抵近过程中，目标检测的水平误差及垂直误差小于0.15°的帧数分别占到了85.4%以及99.6%.相比AVANTI实验中的目标检测方法，减少了在轨任务中相关参数的调节，进一步提升了算法的自主性.     

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。     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

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。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

基于射线追踪的快速雷达图像仿真方法

为了解决目标识别、隐身目标设计等研究领域对雷达图像需求日益增加的问题,提出了一种基于射线追踪的快速雷达图像仿真方法。该方法利用射线追踪计算每一个射线管的散射电场及其在雷达成像平面的投影坐标,通过将所有射线管的贡献在像域进行累加得到1幅二维雷达图像。通过对不同路径射线的聚类,可实现对散射贡献的分离,从而建立目标部件与强散射源的对应关系,并对复杂目标雷达图像进行解释。给出了Slicy目标的快速雷达图像仿真与算例分析,分析结果表明:基于射线追踪的快速雷达图像仿真方法可对复杂雷达图像进行有效预测,并能对强散射源进行成因分析。     

Near-wall topological patterns and flow structures over a simplified Danaus plexippus model

Studies on the high-lift mechanisms of butterfly gliding flights shed light on the design of the micro air vehicles. The flow field around a simplified Danaus plexippus model is investigated using the hydrogen bubble visualization and the Particle Image Velocimetry (PIV) techniques. There are three near-wall topological patterns with different Angles of Attack (AoAs): the separation bubble, the Leading-Edge Vortex (LEV) and the high AoAs flow. For the separation bubble pattern, two saddles and two foci form in the middle of the model. The features of the LEV pattern are the leading-edge separation lines. The topological characteristics of the separation lines are changed by the interaction between the LEV and the Wing-Tip Vortex (WTV). For the high AoAs flow pattern, four unstable foci are found at the forewing and the hindwing respectively. The angle between the trajectory of the WTV and the model increases with increasing AoA even though the slope of the WTV angle versus AoA curve declines at the moderate AoAs.