关于星载光学遥感相机信噪比指标的讨论

星载光学遥感相机信噪比是仪器的一个非常重要的性能指标,信噪比的大小对测绘高程定位精度有很大影响。文章通过计算机仿真实验定量研究了光学遥感相机信噪比与测绘卫星高程定位精度之间的关系,包括三维地物模型建立与模拟成像、特征点提取与匹配、高程值计算等。实验结果表明在计算机仿真得到的理想图像中,当图像调制传递函数值为0.15时,信噪比应大于35dB才能满足测绘高程定位精度的要求。考虑到遥感相机在轨运行时大气和真实场景的影响,光学遥感相机信噪比应大于40dB。     

序言

2012年1月9日11时17分,“资源三号”卫星在太原卫星发射中心成功发射升空。该卫星是我国第一颗自主研制的民用光学传输型立体测绘卫星,其核心有效载荷为北京空间机电研究所研制的三线阵相机和多光谱相机。1月11日10时30分,卫星进行了相机成像测试并成功下传了首批影像数据。业内专家对“资源三号”卫星的高品质遥感图像给予了高度评价和充分肯定。     

“资源三号”卫星多光谱相机技术

＂资源三号＂多光谱相机按照测绘相机的要求开展研制,采用了离轴TMA光学系统、柔性卸载技术、高集成与低噪声电路技术等多项先进技术保证相机成像品质,在轨测试显示,多光谱相机功能、性能满足研制要求,关键项目性能优于指标要求,内方位元素保持高精度稳定,经过几何检校后,定位精度达到国际先进水平。文章论述了多光谱相机的设计、制造、调校、试验等相关技术,可以为后续同类相机的研制提供参考。     

清风无痕 明月有影——郭政权书法作品谈

中国汉字,美妙不可言。尤其当它从文化传播剥离出来成为一种书写艺术的时候,汉字本身的含义,书家个体素养及其苦心参悟的图像学意义上的创造,再加之读者基于自身生活阅历赋予作品的象征意义,一幅优秀书法作品带来的审美享受,真是让人百读不厌。     

湍流边界层各向异性张量模式的实验研究

使用高时间分辨率粒子图像测速技术在水槽内精细测量平板湍流边界层内不同流向、法向位置的瞬时速度矢量空间场的时间序列信号.利用实验数据对湍流各向异性的涡黏张量模式进行了实验研究,给出了湍流边界层不可压缩槽道湍流中各向异性的涡黏张量各分量的空间分布规律.各向异性的涡黏张量分量的空间分布揭示了流向平均速度的法向梯度对雷诺应力三个分量的不同贡献.涡黏张量三个分量空间上的不同规律说明对涡黏张量的各向异性的考虑是合理的,而各向同性的涡黏模型不适宜描述剪切湍流雷诺应力的物理本质.     

遥操作系统中预测显示技术研究

通过虚拟预测技术对现有预测显示方法进行调研分析,提出了一种分类方法,有效地解决了遥操作中时延问题。针对目前计算机视觉领域的快速发展,提出一种基于视频流的在线重建模型的预测显示方法,该方法能够适应于非结构化的甚至是完全未知的环境,不仅能够解决机器人遥操作实验的时延问题,同时能够满足实时性的需求,文中指出了其关键技术。同时,实现了一个基于重建模型的预测显示原型系统,基于不同的时延条件,对通过时延视频构建的预测图像和真实采集到的图像进行了对比,验证了该方法能够补偿时延的影响,具有很好的预测效果。     

低排放驻涡燃烧室冷态流场特性试验

利用粒子图像测速仪(PIV)对低排放驻涡燃烧室模型进行冷态流场测量,获得该燃烧室流场的变化规律和压力损失的变化情况.试验结果表明:低排放驻涡燃烧室涡系结构稳定,在主流后方的驻涡区存在主副双涡结构,联焰板后方的驻涡区存在单涡结构,两者之间特征截面呈现出双涡涡系逐渐向单涡涡系过渡,涡心位置也随截面的变换而变化.随着进口马赫数(0.15~0.30)的增大,主涡面积随之增加,副涡面积在进口马赫数为0.2时最大,而各特征截面上主副双涡及单涡的涡心位置基本不变.驻涡区涡系强度及其边缘的气流速度,以及主燃区的气流速度均随进口马赫数增大而提高.总压损失随进口马赫数(0.15~0.30)的增大而增加.      

一级旋流偏置对双旋流杯下游流场的影响

双旋流杯具有良好的综合燃烧性能,在航空发动机燃烧室中已获得广泛应用。但其在装配过程中不可避免地会出现细微的安装误差,为了研究这些细微误差是否会对燃烧性能产生影响,需要更细致地研究双旋流杯局部结构和气动特征对下游流场的影响作用。因此,本文在常温常压条件下采用粒子图像测速(PIV)技术测试了双旋流杯下游冷态流场,探究一级旋流偏置对反向双旋流杯下游流场的影响规律。结果表明,随着一级旋流偏置距离的增加,在无量纲偏置量下游流场无变化,而当继续增加一级旋流的偏置距离时,下游流场会出现明显的偏移,这对旋流器的安装调试提供了参考。      

基于Transformer和动态3D卷积的多源遥感图像分类

多源遥感数据具有互补性和协同性,近年来,基于深度学习的方法已经在多源遥感图像分类中取得了一定进展,但当前方法仍面临关键难题,如多源遥感图像特征表达不一致,融合困难,基于静态推理范式的神经网络缺乏对不同类别地物的适应性。为解决上述问题,提出了基于跨模态Transformer和多尺度动态3D卷积的多源遥感图像分类模型。为提高多源特征表达的一致性,设计了基于Transformer的融合模块,借助其强大的注意力建模能力挖掘高光谱和LiDAR数据特征之间的相互作用;为提高特征提取方法对不同地物类别的适应性,设计了多尺度动态3D卷积模块,将输入特征的多尺度信息融入卷积核的调制,提高卷积操作对不同地物的适应性。采用多源遥感数据集Houston和Trento对所提方法进行验证,实验结果表明：所提方法在Houston和Trento数据集上总体准确率分别达到94.60%和98.21%,相比MGA-MFN等主流方法,总体准确率分别至少提升0.97%和0.25%,验证了所提方法可有效提升多源遥感图像分类的准确率。     

区域感知实时人像超分辨率重建网络

在人像超分辨率重建领域,传统方法通常将整幅图像进行统一处理,导致效率低下。为降低模型的推理时延,提出了一种实时超分辨率重建模型RASR。该模型利用门控单元处理低分辨率图像,识别出人像边缘区域;采用分区重建策略,使用不同尺寸的子模型分别针对包含或不包含人像边缘的区域进行重建。实验结果表明：与现有方法相比,RASR模型在4倍上采样重建场景下的推理时延降低了88%,能够更有效地重建高分辨率人像图像。