凝视视频卫星目标检测算法

为了实现对高分辨率光学遥感视频卫星成像视场范围内的飞机目标进行快速高效检测,提出一种遥感影像快速目标检测方案。文章借鉴深度卷积神经网络模型YOLO系列算法高速检测目标优点,引入端对端式全卷积神经网络构建检目标测算法,通过实验统计和探索光学卫星成像视场范围大小对目标检测准确率和检测速度的影响,结合目标尺度进行网络调优、改进检测模型,得到基于凝视成像视频卫星目标检测的高效算法。运用算法对来自"吉林一号"光学A星及视频3星的影像数据集进行目标检测实验统计,在413张800像素×800像素的静态遥感影像测试集中实现76.2%的平均检测准确率,在同等尺度的遥感视频序列中实现31帧/s的检测速度。该算法成功将深度卷积神经网络技术引入到凝视视频卫星遥感应用领域,有效证明了深度学习技术在遥感视频识别领域的可行性。     

星上遥感影像在轨处理进展研究

从星地数传、高时敏任务等对星上遥感影像在轨处理的需求出发,本文对美国、欧洲以及国内主要的星上遥感影像在轨处理进展进行了研究;以此为基础,结合星上遥感影像在轨处理框架与深度学习等智能处理技术,分析了高性能星上智能处理平台构建、基于深度学习的遥感影像在轨智能处理、多源遥感影像数据在轨融合处理、星地协同数据处理及在轨更新等星上遥感影像在轨处理关键技术;最后,对星上遥感影像在轨处理未来发展趋势进行了总结,为进一步提升遥感卫星在轨应用效能提供参考。     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

环境减灾二号A/B卫星红外相机摆扫行周期设计及影响分析

针对环境减灾二号A/B卫星宽幅摆扫式光学遥感相机的行周期设计,文章建立了结合卫星轨道数据和相机设计指标的搭接率计算模型,并经环境减灾二号A/B卫星上的红外相机设计指标进行了仿真分析,同时结合卫星红外相机在轨获取的图像数据质量进行了统计,对模型的影响进行了分析和验证。结果表明：提出的搭接率仿真模型得到的结果与卫星在轨实测结果一致性良好,且卫星红外相机在轨获取图像的搭接率指标正常,可以满足后续处理和用户使用要求。该模型可以有效用于扫描式光学遥感相机指标设计中,分析结果也可为后续相关航天遥感相机设计提供参考。     

基于严格成像模型的卫星姿态角系统误差补偿

为消除卫星在轨运动过程中俯仰、偏航、滚动对遥感影像地面定位的影响,建立了卫星姿态角系统误差补偿模型,即在严格成像模型的基础上,对姿态角进行直接调整,以减小定位误差。利用环境减灾-1B（HJ-1B）卫星CCD1相机遥感影像进行分析,在单景影像的定位中,借助于2个地面控制点,将其系统误差减小到原来的1/3,从而验证了模型的有效性,为进一步在轨检校相机内部静态参数提供了前提。     

“高分四号”卫星影像辐射与几何精度评价

"高分四号"(GF-4)卫星是中国首颗高分辨率静止轨道面阵凝视光学遥感卫星,载荷首次采用面阵CMOS探测器在36 000km高轨成像、基于面阵成像构建在轨相对辐射校正模型、面阵相机光学畸变在轨检校。文章首先分析了影响GF-4卫星影像辐射质量(quality,以下同)与几何精度的关键因素,然后介绍了高轨面阵成像处理模型的构建技术,最后分析评价了GF-4卫星影像的辐射质量、几何质量和处理精度。结果表明:GF-4号卫星全色多光谱影像的平均行标准差、平均标准差和广义噪声等相对辐射精度指标均优于3%,典型地物信噪比平均优于40d B。影像内部畸变在垂轨和沿轨方向均优于0.8个像素。     

基于变化检测的输电走廊外力破坏隐患区域识别

电力行业是国民经济与社会发展的重要行业。可靠的输电走廊环境监测有利于电力系统的安全运行。近年来,卫星遥感因为其大范围观测、高频次重返特性,展现出优于传统巡线方法的优点,开始应用于电力行业研究。然而,基于变化检测技术的输电走廊巡线研究还几乎处于空白。文章提出了一种基于卫星影像的外力破坏隐患区域识别方法,具体而言,提出了基于深度学习模型、植被指数与聚类模型的分层分类方法,构建了基于特殊地类变化的外力破坏隐患识别方案。在石林县的“高分一号”、“高分六号”卫星影像上进行了实验,结果显示：分层分类方法提高了深度学习方法的裸地分类精度。研究同时验核了石林县外力破坏台账记录区域的识别情况,识别结果与台账描述基本一致。研究成果有利于提高电网巡线效率,及时发现输电走廊环境变化异常,同时也为遥感影像分类与变化检测研究提供参考。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

一种基于在轨深度学习的压缩率确定方法

如何对遥感图像中的重要目标进行精确的识别分类,是卫星遥感领域的一个难点和重要的研究方向。深度学习能较好解决识别分类的问题,但其学习模型有大量参数需要确定,会消耗大量计算和存储资源,不利于在轨实现。模型压缩是降低资源需求的有效方法,但会导致分类准确率降低。剪枝是模型压缩的主要方法之一,目前剪枝技术大多研究的是在降低计算量的情况下如何减少准确率损失,如何确定压缩率是有待研究的问题。本文提出了一种通过函数拟合准确率与压缩率关系的方法,可以据此确定相应的压缩率,并对不同的压缩方法进行比较。仿真结果表明:该方法的函数模型可以在不同场景下用较少的点拟合出准确率与压缩率关系曲线,且均方根误差最大为1.09,平均值为0.51,拟合效果较好,可据此针对不同的应用条件与需求确定相应的模型压缩率。     

基于天基边缘计算的在轨智能技术

针对低轨互联网星座的发展以及天基应用不断拓展对计算能力的需求,开展基于天基边缘计算的在轨智能技术研究,这对提升星地带宽利用率和实时决策效率具有重要意义.提出了以低轨卫星为核心的天基边缘计算架构,在此基础上,进一步提出了一种基于深度模仿学习的智能计算卸载模型,以及该模型的在轨分布式联邦学习训练方案.基于空天地海一体化网络...     

基于时域光度探测的卫星频率特性反演研究

卫星的行为特性、意图判断、健康状态诊断等对于空间态势感知具有重要意义,而传统的探测手段无法确定在轨卫星是否正常运行。时域光度探测作为一种新型遥感探测技术,利用高速、低噪声的探测器对卫星机动调制的光学信号进行采样,解调后可反演卫星频率、振动等特性。文章针对低轨卫星目标,首先建立基于形态学滤波来抑制自然天体干扰的空间目标跟踪定位模型,获取目标时域光度信息,再采用频谱分析方法,获取目标频率特性与运行特征。结果表明,文章提出的时域光度探测技术,在卫星频率特性反演和卫星运行状态识别方面具有较好的应用前景。     

卫星的防污染技术

在分析了国内外光学遥感卫星红外通道被水汽污染而失败的教训基础上，提出了光学遥感卫星必需全过程（从卫星设计、研制、发射至在轨运行）实施严格的防污染控制的设计思想和理论。系统地介绍了FY－1C星的防污染技术特点和经验。在轨运行表明，FY－1C所采取的一系列防污染措施是正确的。     

高分辨率卫星结构-控制-光学一体化建模与微振动响应分析

文章针对高分辨率遥感卫星的微振动分析,给出了一种结构-控制-光学一体化建模方法:将微振动干扰源模型、整星结构模型、控制系统模型和光学系统模型按照实际的物理联系连接为一个整体,进而预测空间相机在轨微振动的像移响应和干扰源到像移的传递特性。以某遥感卫星为例,将其微振动下的像移响应和传递特性与工程中的其他处理方法的计算结果进行了对比分析。研究结果表明:一体化建模分析方法从原理上更接近卫星在轨实际工作情况,能够给出较为合理的微振动分析结果;其他工程处理方法的分析结果均与一体化建模分析方法有差异,使用时应根据设计和分析的具体目的与条件恰当选择。     

一种空间推扫型光学成像系统几何映射方法

卫星光学遥感器在轨成像会受到颤振的影响,因此图像品质受姿态稳定度的影响很大,而高分辨率图像受到平台误差的影响更加明显。通过研究空间相机的几何模型,提出了一种从地球坐标系到空间光学遥感器坐标系之间的转换关系;分析了在轨卫星的姿态误差和运动源,并在几何模型中加入了内外方位元素特征;然后进行了空间TDICCD相机的成像仿真实验。为了在像面上模拟颤振,分别进行不同模态的颤振仿真,并且对视线范围内多模态综合作用进行仿真。仿真实验是基于三个轴系方向的,并且计算了TDICCD仿真图像的几何畸变量,模型中几何畸变量的测量尺度达到亚像素级,结果有利于指导卫星平台和遥感器的参数设计。     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题,文章提出基于深度学习的遥感图像目标检测系统软件。首先,为给深度学习网络训练提供高质量的样本数据,在GIS平台上实现了样本标注功能和数据集兼容性转换功能,并提供图像预处理方法对样本进行扩充;其次,针对遥感图像场景分类与遥感图像特定目标检测,应用深度学习技术,分别实现了模型训练、迁移学习、目标检测等功能;最后,采用了形态学处理、矢量化、直角化约束等方法,对遥感图像场景分类的效果进行改善。实验结果表明,文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度,在特定目标检测方面取得了95%的检测精度,明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求,能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

基于深度学习的在轨辐射定标方法研究

辐射定标是将卫星传感器的计数值转化为具有物理意义的数值的关键环节。传统的在轨定标方法都是基于一天的数据,定标精度受限于当天的地面测量数据和天气情况。文章提出了一种基于深度学习的在轨定标新方法,其思想是利用定标场地的大量历史卫星影像、历史大气数据和历史光谱数据,通过对这些数据的学习和筛选,构建和真实场景最接近的定标场地模型。利用这一定标场地模型,模拟出待定标卫星成像时刻对应观测几何下的表观反射率,实现传感器的绝对辐射定标。为验证新方法的有效性,分别利用场地定标法、交叉定标法和深度学习定标法对"高分一号"卫星PMS2相机进行在轨辐射定标。结果表明,深度学习定标法的定标精度和场地定标法接近,优于交叉定标方法,且具备交叉定标方法的成本低、频率高、可实现历史数据再定标等优点,是一种比较理想的在轨定标新方法。     

微纳卫星光学有效载荷的发展机遇与挑战

目前,微纳卫星已成为航天活动的热点领域之一,向着高性能、智能化、网络化方向发展,在航天创新发展中的作用越来越突出。微纳光学载荷要求具有体积小、质量轻、成本低等特点,各类新型微纳光学载荷技术不断发展,提供了新的解决方案。文章介绍了光学遥感微纳卫星的整体技术发展情况,结合低成本商业遥感等应用方向,分析了微纳卫星光学有效载荷的发展趋势和新型微纳卫星载荷发展面临的机遇与挑战,提出了微纳光学载荷的设计理念和关键技术,论证了在轨深度数据处理对微纳卫星星座的重要意义。文章为研制成本低、分辨率高和机动性能力强的微纳型遥感卫星提供技术基础,并提出了中国光学遥感微纳卫星的后续发展建议。     

基于深度学习神经网络的SAR星上目标识别系统研究

实现对地面目标的智能识别,对一种基于深度学习的卷积神经网络(CNN)的星载合成孔径雷达(SAR)星上目标识别系统进行了研究。系统由星上和地面两部分组成。其中:地面部分进行网络结构设计、SAR图像数据预处理、CNN模型训练、模型压缩及上传;星上部分接收上传模型并解压缩、目标识别、识别后粗筛图像下传地面;地面进行人工筛查,筛查后的正确图像作为训练数据对CNN模型进行再训练,逐步获得精度更高的模型。提出的CNN架构为卷积层2个、下采样层2个、Dropout层3个、Flatten层1个、全连接层2个,最终输出标签11类。为使训练后的CNN模型能部署到卫星上使用,采用数据精度压缩和剪枝两种数据深度压缩方法以减小数据存储量和减低网络复杂度。在Keras深度学习开源库环境中实现设计的CNN模型,对运动和静止目标获取与识别(MSTAR)数据库中的11类军事目标识别的实验结果表明:识别和分类的效果良好,整体识别成功率达96.29%;模型能压缩至原来的1/13,精度损失小于2%。     

线加速度计在轨检测卫星影像颤振的可行性分析

线加速度计作为当前高分辨率光学卫星搭载的新型传感器,由于无法与相机焦平面固连,能否直接实现卫星影像颤振在轨检测是后续应用关键。针对上述不确定性问题,文章提出了基于视差成像的在轨分析与验证方法,即分别采用线加速度计颤振检测模型与视差成像颤振检测模型得到平台与焦平面颤振信息,进一步在轨道坐标系下进行频谱分析,验证线加速度计在轨检测卫星影像颤振的可行性。试验结果表明,两种检测模型得到的颤振主频频率与幅值基本一致,受多种因素影响,部分频段检测结果略有差异,线加速度计可直接用于颤振影像在轨检测与补偿。