斯波特计划的回顾与展望（下）

图像产品与市场1．市场情况自首颗卫星升空以来，斯波特卫星产品已在测绘、可再生和不可再生自然资源评价、土木工程和城市规划等领域得到了广泛的应用。目前应用领域已扩展到通信、水资源管理、地质探矿和自然灾害防治等市场领域。这些领域的快速发展将使对地观测市场发生深刻     

三摄像头图像采集处理系统

介绍以微型计算机，彩色摄像头，图像采集卡、Ｗｉｎｄｏｗｓ软件平台等为主体的三摄像头图像采集处理系统，并对其设计思想，系统构成，硬件和软件设计、图像处理算法及系统主要功能，应用情况等进行简要的阐述。     

月球新谜

最近，乌克兰《科学情报》杂志刊登了一篇申请物理学博士学位的论文，部分细节颇有趣味 。作者是哈尔科夫市的一位射电天文学者 A.阿尔希波夫，他使用独创的计算机手段分析了 数万张月球表面图像，发现了 130多处类似人造物的建构。它们有可能是属于古老的外星文 明的产物，也就是说，外星智慧生物曾经造访过月球 !这位学者研究了月球平原地区的照片 (15 000帧图像 )，这些图像是美国国防部和航空航天局于 1994年联合摄制的。 　　阿尔希波夫运用独特的计算机断层和矩阵测量方法来搜寻月球的异常目标，结果在很少 有人研究过的一些地段 (10…     

卫星遥感图像分块小波变换编码方案

提出一种分块小波变换，该数据压缩方案可节省存储时间，为星上应用提供了可能性；利用各基带之间的自相似性，对小波系数采用改进型零树编码，可有效地提高压缩比。     

计算机视觉技术在航天器交会对接中应用初探

对用计算机视觉技术测量相对距离和相对姿态这两个参量的方法(如环形图像法、相关法和角/边图识别法等)进行了研究,认为这些方法有较大的局限性,不适宜在航天器对接交会过程中使用。于是提出了三灯图像法方案,并进行了原理性实验。结果表明,该方案设备简单、重量轻、精度高,但要有辅助光标。     

多光谱图像无失真压缩的方法研究

在研究无失真压缩理论和多光谱图像特笥的基础上，提出了一种新的基于波段排序的谱空间预测算法（BRSS：Band Reordering Spectral Spatial），结合Huffman编码完成了对多光谱图像的无失真压缩，和其它同种预测方法相经，BRSS有显著的优越性。     

可视化技术在分析新型蓄冷材料—笼型化合物（Clathrate）溶解过程中的应用（二）

运用折射率匹配（Refractive-Index Matching)技术，使混浊液内部自然对流的可视化图像速度测量成为可能。但由于来自微粒子的散乱光的影响，所得到的速度场出现了少量的误对应现象。为了解决这个问题，开发了新的可视化实验组合技术－折射率匹配与激光诱导荧光法（LIF：Laser-Induced Fluorescence)组合，利用不同种类的粒子发光波长不同的特必,表效地去除了向粒子的散乱光，获得了清晰的示踪粒子的图像，笔者将简要介绍了激光诱导荧光法的工作原理及其实验结果。     

基于超像素与多尺度残差U-Net相结合的遥感图像飞机检测方法

遥感图像中存在飞机很小、角度和位置不确定且背景复杂等问题,从遥感图像中检测飞机是一项重要且具有挑战性的任务,因此,提出一种基于超像素与多尺度残差U-Net(Multi-scale Residual U-Net,MSRU-Net)相结合的遥感图像飞机检测方法。首先对遥感图像进行超像素预分割,将位置相邻且像素特征相似的像素点组成若干个超像素,保持图像进一步分割的有效特征;然后构建多尺度残差U-Net,学习其多尺度判别特征。与传统的飞机检测方法相比,该方法用少量的超像素代替大量像素表达图像特征,降低了图像分割的复杂度,再利用MSRU-Net分割遥感超像素图像,有效检测不同尺度的飞机图像。在公共飞机遥感图像数据集上实验,结果表明,该方法能够有效的检测遥感图像不同尺度的飞机图像,检测精确率达到91.2 %。     

面向目标检测的双驱自适应遥感图像超分重建方法

有光学遥感图像超分重建方法主要是生成视觉上令人满意的图像,并未考虑后续目标检测任务的特殊性,不能有效地应用到目标检测中。基于此,提出了面向目标检测的双驱动自适应多尺度光学遥感图像超分重建方法,将超分重建网络和目标检测网络结合起来,进行联合优化。针对光学遥感图像的特点设计了自适应多尺度遥感图像超分重建网络,集成选择性内核网络和自适应特征门控单元来特征提取和融合,重建出初步遥感图像。通过提出的双驱动模块,将特征先验驱动损失和任务驱动损失传到超分重建网络中,提高目标检测的性能。在UCAS-AOD和NWPU VHR-10数据集上进行实验,并与5种主流方法进行比较,所提方法的峰值信噪比和平均准确率相较于FDSR方法分别提高了1.86 dB和3.73%。实验结果表明,所提方法和光学遥感图像目标检测结合可以取得更好的效果,综合性能更佳。      

视觉及其融合惯性的SLAM技术发展综述

当前视觉同时定位与建图（Simultaneous localization and mapping,SLAM）技术已经成为导航定位领域重要的导航方式之一。为提升视觉SLAM全天候多场景的综合性能,融合多种信息的视觉SLAM技术得到了快速发展。本文系统综述了近年国内外视觉SLAM的研究成果。首先归纳整理了视觉及视觉/惯性SLAM中的前端里程计、后端优化、回环检测和地图构建关键环节。在纯视觉SLAM技术分析方面,围绕传统基于几何变换和现代基于深度学习的两大类视觉SLAM方法开展讨论,并梳理了相关具有代表性的视觉SLAM技术。在详细阐述视觉/惯性组合导航的多信息融合SLAM方法基础上,分析了近年基于异源图像的视觉及其与惯性组合的SLAM导航技术进展。最后对视觉SLAM的未来发展方向进行了针对性展望。