条带积累成像法

条带积累成像法是一种图像空间域估计法。它利用交汇像点的均匀分布的条带域图像积分值,通过积累估计该像点值,本文介绍了该成像方法的基本原理,详细分析了成像精度及其在雷达成像中的应用。     

星载高速图像数据压缩原理样机的研制

针对星上高速遥感数据实时压缩要求,选用多模式自适应量化压缩算法,设计了同步并行阵列与流水线相结合的压缩系统体系结构,并以可编程序门阵列物理实现.采用四路压缩系统并行的阵列结构,研制成功高速数据压缩原理样机,数据处理速度大于1000Mbit/s,恢复图像平均峰值信噪比大于40dB.      

卫星干涉式垂直探测仪图像导航配准成像试验方法

干涉式垂直探测仪(GIIRS)是气象观测的重要有效载荷,对卫星平台的稳定性要求很高,采用图像导航配准技术可解决星上活动部件运动、卫星平台姿态抖动对GIIRS成像的影响。为了在地面验证GIIRS的成像性能,文章提出图像导航配准成像试验方法。利用3轴气浮台模拟3轴稳定卫星零重力下的自由转动,利用GIIRS样机模拟GIIRS的成像特性和在轨扰动,验证了动力学补偿特性和图像运动补偿特性。试验结果表明:采用图像导航配准成像试验方法,卫星特定频率下的姿态稳定度提升了80.8%,图像运动补偿精度优于13.78μrad,满足GIIRS成像需求。     

海洋二号C卫星船舶自动识别系统优化与应用

为降低卫星在船舶自动识别系统(Automatic Identification System, AIS)载荷频段电磁干扰处理工程实施代价,打破近海海域接收屏障,文章提出了AIS赋形高增益梯度天线、AIS抗电磁干扰与连续捕获等载荷优化方法,并开展了整星AIS频段电磁环境优化设计与处理。相关优化措施的有效性在卫星地面测试过程得到了验证,卫星入轨后,AIS载荷可适应卫星工作工况,在轨接收效能得到进一步验证。结合海洋二号C(HY-2C)卫星AIS载荷在轨表现,分析了AIS数据应用情况,给出了后续AIS载荷在设计及工程上的优化建议。     

杭州湾及其邻近海域总悬浮物浓度卫星遥感

近海及海湾总悬浮物是重要的水质参数之一,而杭州湾及其邻近海域是典型的海湾与近岸海域,与人类关系密切。卫星遥感广泛应用于海水总悬浮物浓度的探测与分析。利用现场实测数据,建立了中国HY-1C/D卫星水色水温扫描仪（Chinese Ocean Color and Temperature Scanner, COCTS）及其他当前在轨的典型水色遥感器在杭州湾及邻近海域的总悬浮物卫星遥感反演方法模型,模型平均相对误差不高于19%。反演并融合获得了HY-1C/D等多源卫星2015-2022年杭州湾及邻近海域的总悬浮物浓度卫星遥感及其融合数据。融合数据经实测数据对比验证,两者之间线性相关系数为0.72,平均相对偏差为26%。卫星遥感结果表明,2015-2022年间杭州湾及其邻近海域总悬浮物浓度年际变化不大,其线性变化不超过其年平均浓度值的0.5%。研究结果表明利用包括HY-1C/D卫星COCTS等的海洋水色遥感载荷,可有效遥感反演得到杭州湾及其邻近海域的总悬浮物浓度并分析其时空变化特征。     

多线程网络编程在全数字仿真平台中的应用

目前常用的硬件仿真测试平台存在很多不足之处 ,而全数字仿真平台很好地解决了这个问题。本文结合神舟 5号软件测试的“全数字仿真平台”实际研制工作 ,对在VisualC++6 0环境下如何使用多线程进行网络编程作了详细介绍。     

航天测试发射C4I系统设计

通过分析航天测试发射活动的独特性质和组织指挥模式,提出了航天测试发射C4I系统的一般体系结构,研究了进行系统设计的关键技术及解决方案,并以载人航天工程C4I系统为例介绍了一个具体的航天测试发射C4I系统框架,最后对未来航天测试发射C4I系统的发展方向进行了探索.     

深度学习视频快照压缩成像恢复效果影响因素研究

针对视频快照压缩成像掩模板编码模式对实际拍摄压缩图像解码恢复效果的影响机理研究较为欠缺以及真实图像恢复效果很难量化评估的现状,文章基于遥感卫星视频序列得到的仿真数据和视频快照压缩成像系统采集到的真实场景数据,使用两种深度学习算法——集成学习先验深度展开算法和基于3D卷积的快照压缩成像（SCI）算法,结合峰值信噪比（PSNR）和结构相似度（SSIM）以及重构时间等量化指标进行重构效果评估,对掩模板的随机方式、掩模板的重复精度、掩模板的移动速度、景物的运动速度、背景的复杂程度等因素进行仿真试验分析。主要试验结论有：1）高斯随机编码具有较好的重构效果,但伯努利随机中当成功概率p取0.59或0.58时（随机变量取1）,重构PSNR值较高斯随机平均提升超过0.5dB,SSIM值提升0.004;2）当步长较小时,移动编码方式重构效果不如随机编码方式,当步长较大时（超过9像素）,效果和随机编码相当;3）掩模板的重复精度方面,当探测器像元和数字微镜器件（DMD）仅沿着一个方向发生偏移时（相对偏移量小于0.3像素）,对重构效果影响较小,当同时沿两个方向发生偏移时,影响较大（两个方向均为0.1像素,PSN...     

基于无监督学习的多模态可变形配准

针对医学图像配准问题,传统方法提出通过解决优化问题进行配准,但计算成本高、运行时间长。深度学习方法提出使用网络学习配准参数,从而进行配准并在单模态图像上取得高效性能。但在多模态图像配准时,不同模态图像的强度分布未知且复杂,大多已有方法严重依赖标签数据,现有方法不能完全解决此问题。提出一种基于无监督学习的深度多模态可变形图像配准框架。该框架由基于损失映射量的特征学习和基于最大后验概率的变形场学习组成,借助空间转换函数和可微分的互信息损失函数实现无监督训练。在MRI T1、MRI T2以及CT的3D多模态图像配准任务上,将所提方法与现有先进的多模态配准方法进行比较。此外,还在最新的COVID-19的CT数据上展示了所提方法的配准性能。大量结果表明:所提方法与其他方法相比,在配准精度上具有竞争优势,并且大大减少了计算时间。