基于DLatLRR与VGG Net的红外与可见光图像融合

针对红外与可见光图像融合中特征损失严重、显著目标不突出的问题，提出了一种低秩表示分解与深度神经网络相结合的图像融合算法。首先，对源图像进行潜在低秩表示分解（DLatLRR），得到相应的低秩部分、显著部分及稀疏噪声。然后，分别采用16层的VGG Net模型和联合特征加权算法对低秩部分与显著部分进行融合，舍弃二者的稀疏噪声。最后，对融合得到的低秩部分和显著部分进行图像重建，得到最终的融合图像。实验结果表明:与其他算法进行比较，所提算法能够对图像的深层次细节特征进行融合，突出场景中的感兴趣区域，且融合图像的相关差异和、结构相似性、线性相关度等多种客观指标均有所提升，提升最大值分别为0.73、0.15、0.11，噪声产生率的最大缩减值为0.041 2。      

基于机器学习方法的三维粒子重构技术

通过三维粒子重构获取粒子场的分布情况是层析粒子图像测速的关键步骤，有限二维投影下的三维粒子重构是一个欠定的反问题，其精确解往往很难得到。一般情况下，可以通过优化方法得到近似解。为了获取质量更高的粒子场并用于层析粒子图像测速，提出了一种基于卷积神经网络（Convolutional Neural Networks，CNN）的粒子重构方法。所提出的技术可以从基于传统的代数重构技术（Algebraic Reconstruction Technique，ART）的方法所得到的粗略粒子分布中进一步提高粒子重构质量。与现有的基于ART的算法相比，新技术在重构质量方面有了显著的改进，可以有效剔除虚假粒子并更准确地还原粒子形状，并且在粒子浓度较稠密的情况下计算速度至少快了一个数量级。     

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。     

地球同步轨道星地量子信道特性研究

为了研究地球同步轨道量子密钥分发过程中星地量子信道特性，项目团队研制了搭载于实践二十卫星的极弱光偏振态分发设备，开展了地球同步轨道卫星与地面间光子偏振态的传输实验。实验时，星载偏振光分发设备根据遥控指令以50MHz频率驱动四个激光器出光，分发|0〉、|π/2〉、|π/4〉和|3π/4〉四种偏振态光子，经过长距离的空间传输后由地面站望远镜接收，最后由超导探测器探测。研究结果表明，地球同步轨道卫星到地面站的光学链路衰减约为100~110 dB，通道误码率约为2%~8%，满足量子密钥分发误码率的安全性要求。     

系留无人机平台搭载的蜂窝通信基站吞吐量优化

考虑多架系留无人机（UAV）空中基站为多小区提供空地双向通信服务时，针对地面用户数目分布不均匀和多机协同服务同频干扰严重的问题，提出了一种联合优化空中基站高度和链路传输方向的吞吐量优化算法。该方法通过使用最大同频链路准则和就近服务准则确定了同频链路配对和无人机/用户配对，通过优化空中基站高度和链路传输方向提升了系统平均吞吐量，并减少了用户间的同频干扰。多种场景下验证结果均显示，所提方法显著优于其他非联合优化的对比方法，当拥塞小区用户数目是非拥塞小区用户数目的1~36倍时，相比于不联合优化链路传输方向和空中基站高度的对比方法，所提方法可提升系统平均吞吐量8倍左右。      

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。     

散射对高温气体-碳黑颗粒混合物辐射传输的影响

基于全光谱k分布(Full spectrum k distribution,FSK)模型、MIE理论和有限体积法(Finite volume method,FVM),构建了均温、均质辐射参与性气体-碳黑颗粒混合物介质热辐射传输模型,并分析了碳黑不同尺寸、不同体积浓度以及介质不同路径长度和不同温度条件下,因忽略碳黑颗粒散射所导致的介质热辐射传输特性(如辐射热流、辐射源项)的计算误差。研究结果表明:体积分数不变,增大粒径,计算误差呈现出先增大后减小的趋势;数密度不变,增大粒径,或者粒径不变,增大体积分数,均将使得计算误差相应增大;粒径、体积分数不变,增大路径长度,或者升高介质温度,均将增大计算误差。通常对于含有大颗粒、高碳黑浓度的辐射参与性气体-碳黑颗粒混合物介质,碳黑颗粒散射不能忽略。     

中高轨卫星海洋成像图像几何定位精度提升方法

针对中高轨卫星海洋成像时缺少控制点下的图像定位精度提升问题,提出一种提升定位精度的方法。该方法利用中高轨卫星成像范围大,配合姿态机动,在短时间内寻找有特征点的区域,通过卫星图像与高精度控制图像进行匹配,寻找控制点,求解偏置矩阵,并将该区域的偏置矩阵补偿到海洋地区,以达到提升图像定位精度的目的。结合中高轨卫星成像特点,对河南嵩山检校场和太原区域图像进行仿真,并利用嵩山检校场数据进行在轨几何检校,将检校参数补偿到太原区域。仿真结果表明:无控制点定位精度从118.3个像素提高到37.8个像素,证明了文章提出方法的有效性。     

一种基于卷积神经网络的地磁基准图构建方法

地磁匹配导航技术是一种重要的辅助导航制导方法，地磁基准图的构建精度对地磁匹配制导的精准度起着决定性作用。针对现有地磁基准图构建精度难以满足实际地磁匹配导航需求的问题，提出了一种基于卷积神经网络的地磁基准图构建方法。首先，利用卷积层提取低分辨率基准图中的特征图像块；然后，利用基于学习的阈值收缩算法（LISTA）实现图像块的稀疏表示；最后，利用三通道的地磁信息得到重建后的高分辨率基准图。实验结果表明:所提方法对地磁基准图具有更高的构建精度，同时对噪声有更好的鲁棒性，各种客观评价指标均高于现有的超分辨率重建方法。      

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。