一种基于图像的星体表面撞击坑自动提取方法

以星体表面的图像数据为基础,根据撞击坑的向阳面呈亮色调而背阳面呈暗色调的原理,提出了一种基于图像的星体表面撞击坑自动提取方法。该方法先用自适应双阈值分割法对星体表面的光学图像进行分割处理,获取图像中明暗区域的形状和位置信息;再用统计学原理分析明暗区域组成结构、像平面上光照方向,结合相关的约束条件来匹配同一撞击坑的明暗区域,同时拟合出撞击坑的外边缘并确定其半径、位置等信息。实验结果表明,该方法能够从常见的星体表面光学图像中快速、可靠地提取出撞击坑的中心位置和半径大小,具有较宽的普适应性和一定的应用价值。     

一种用于WorldView-2遥感图像的波段分组融合方法

针对WorldView-2卫星遥感图像,提出一种基于波段分组的多光谱图像与全色光图像融合新方法。该方法以全色光波段与多光谱各波段光谱响应的匹配特点为依据,首先将八波段多光谱图像分成两组,然后分别设计融合模型再进行分组融合,最终得到多光谱各波段的融合结果,分组策略简单、实用。实验结果表明,该方法在融合WorldView-2遥感图像时能够在提高空间分辨率和保持光谱信息方面达到更好的平衡,优于现有的几种融合方法。     

Aerial-BiSeNet: A real-time semantic segmentation network for high resolution aerial imagery

The aircraft system has recently gained its reputation as a reliable and efficient tool for sensing and parsing aerial scenes. However, accurate and fast semantic segmentation of high-resolution aerial images for remote sensing applications is still facing three challenges: the requirements for limited processing resources and low-latency operations based on aerial platforms, the balance between high accuracy and real-time efficiency for model performance, and the confusing objects with large intra-class variations and small inter-class differences in high-resolution aerial images. To address these issues, a lightweight and dual-path deep convolutional architecture, namely Aerial Bilateral Segmentation Network (Aerial-BiSeNet), is proposed to perform real-time segmentation on high-resolution aerial images with favorable accuracy. Specifically, inspired by the receptive field concept in human visual systems, Receptive Field Module (RFM) is proposed to encode rich multi-scale contextual information. Based on channel attention mechanism, two novel modules, called Feature Attention Module (FAM) and Channel Attention based Feature Fusion Module (CAFFM) respectively, are proposed to refine and combine features effectively to boost the model performance. Aerial-BiSeNet is evaluated on the Potsdam and Vaihingen datasets, where leading performance is reported compared with other state-of-the-art models, in terms of both accuracy and efficiency.     

传递对准的一种方位估计方法

以往的速度匹配方法通常水平失准角估计精度很高,对准时间快而方位失准角估计不理想,为了克服这个问题,本文推导了一种新的方位估计方法。首先由新的速度匹配方法估计出两个水平失准角,然后把这两个失准角信息当做已知量,计算出了方位失准角。并且根据理论推导进行了仿真,结果表明,该方法估计方位失准角精度高,有很好的实用性。     

车载武器惯导系统传递对准技术研究

针对车载武器捷联惯导系统动基座传递对准问题,研究了传递对准的基本原理,建立了地面武器弹载子惯导系统(SINS)动基座速度匹配传递对准的误差模型,并考虑SINS的惯性器件误差。采用了零速校正方法用以提高载车主惯导系统(MINS)的导航精度。根据速度匹配传递对准原理,推导了速度匹配方式下MINS与SINS导航解算速度之差的量测方程。在此基础上,设计了一种传递对准卡尔曼滤波器,并进行了仿真研究。仿真结果表明：SINS速度匹配传递对准在短时间内即可估计出SINS的水平失准角,对准精度可达到0.4＇以内,方位失准角在经过多次零速校正过程中的加减速机动后,对准精度达到0.7＇以内。     

基于概率数据关联的地磁匹配算法

针对轮廓匹配算法存在的虚定位问题,在轮廓匹配算法的基础上,提出了一个新的分批地磁匹配方法——基于概率数据关联滤波的地磁匹配算法。算法把满足一定条件的相关值作为滤波器的有效量测,把巡航导弹的位置作为状态变量,建立了基于概率数据关联的地磁匹配模型,利用概率数据关联滤波算法计算巡航导弹的位置坐标。仿真结果表明,该算法有效地降低了虚定位发生的概率,正确匹配率、导航效果均优于轮廓匹配算法。     

基于第二代小波的序列图像超分辨率复原算法研究

介绍了第二代小波(SGWs)的基本原理和特点,在此基础上提出了低分辨率采样图像高分辨率 (HR)重建算法。它不但具有结构简单,逆变换容易,可扩展性好的优点,并且克服了第一代 小波(FGWs) 的不均匀采样和定义在有限区间上的难题,指出了小波变换时数据不规则性的 处理方法,并利用硬／软阈值对小波系数降噪,使得重构后的图像具有最佳的PSNR和最低的 重构误差。实验和仿真结果表明,与传统方法相比,该算法在提高了图像的分辨率同时PSNR 最多能提高3 dB左右。
     

浅谈空间光学遥感器稳像技术

文章首先分析了影响像稳定的因素,然后对几种常见的稳像技术的工作原理及其优缺点进行了介绍,在论述当前稳像技术发展现状及未来发展趋势的基础上,讨论开展综合稳像技术研究的必要性。     

基于混合体制雷达网的弹道目标微特征及外形参数提取

针对弹道中段目标微特征难以识别与分辨的问题,提出了一种基于低分辨雷达和高分辨雷达相结合的混合体制雷达网的有翼弹道目标微特征及外形参数提取方法。依据非线性信号参量可分离模型,利用非线性最小二乘估计方法解算出有翼弹道目标群各散射中心的幅相参数,结合不同雷达提取的微特征的关联性,利用散射中心关联处理实现了各类散射中心的分离。在此基础上,利用弹道目标的微特征,结合弹道目标各散射中心的相对位置关系,重构出各目标的三维微特征及各散射中心的三维位置矢量,进而估计出目标的进动特征和结构参数。仿真结果表明:当信噪比(SNR)为5 dB时,该方法的重构精度保持在92%左右。     

基于FFT含有饱和环节的非线性等效系统的方法研究

基于快速傅里叶变换(FFT)方法,对系统的输入和输出信号进行快速傅里叶变换,对含有高次谐波的输出信号进行滤波,得到期望主频率的傅里叶频谱,然后进行傅里叶反变换,求得在各主频率下的幅值和相位.利用MATLAB中的非线性最小二乘拟配方法得到含有非线性环节的飞机纵向飞行控制系统的频域等效线性模型.这种方法也为含有非线性环节的飞机纵向飞行控制系统的飞行品质评估提供了一种可行的方法.