未来空空导弹遥测技术的发展

文中从多个方面论述了空空导弹遥测技术的发展方向、未来新技术在空空导弹中的应用 ,同时也指出了我们应该在几个重点方面开展的工作     

SAR实时处理中方位向数据降采样的实现

在机载 SAR中 ,成像分辨率所要求的方位向带宽往往比脉冲重复频率要低得多。对 SAR数据方位向进行降采样可以在不损失成像分辨率的情况下大大降低成像数据量与运算量。配合使用子孔径算法效果更为显著。文中给出了利用此方法处理实际雷达数据的成像结果     

主星带伴随小卫星编队SAR系统干涉测高精度与编队构形设计

针对主星伴随小卫星编队SAR新的干涉几何关系,在给出其新的干涉测高原理的基础上,建立了绝对高程误差模型和相对高程误差模型。分析了空间基线姿态参数与测高精度之间的关系,给出了具有一般性意义的测高精度关于三维基线姿态的分布全貌图。以此测高精度分布图对两种典型编队构型的测高性能进行了分析,指出两种编队在设计上的先进性,证明了该图对基于测高性能的编队构型优化设计具有重要意义。     

基于多传感器的空间遥操作机器人虚拟预测环境建模

虚拟预测环境技术是解决遥操作系统中时延问题的有力手段,但其有效性依赖于环境模型的精度。为了提高虚拟预测环境的建模精度,提出了基于多传感器信息融合的建模方法。首先根据CCD摄像机采集的图像建立虚拟环境模型的初始模型,再利用远地力觉和位置传感器信息对初始模型进行校验。为了观察命令在虚拟环境中的执行情况,采用一种简单有效的注册方法,将图形模型叠加在摄像机视频图像上,以便操作者进行对比分析。实验表明利用本文算法建立的虚拟环境模型是准确可靠的,有利于提高基于虚拟预测环境技术的遥操作系统的有效性和可操作性。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

主星带辅星的分布式SAR二次干涉动目标检测方法

设计了一种以满足GMTI功能为主同时兼顾InSAR功能，由1颗主星和4颗辅星组成的双椭圆绕飞被动稳定编队构型，利用绕飞编队的对称星消除垂直轨迹基线从而获得虚拟的单纯沿航迹基线。提出了对称星二次干涉处理方法，将杂波对消与沿航迹干涉（ATU技术结合起来，在杂波对消后进行动目标检测，并指导在检测到动目标存在的区域进行二次干涉，降低了虚警率，提高了检测精度；同时利用长基线获得较小的最小可检测速度，二次干涉提供的参差基线解速度模糊提高了最大不模糊速度，从而增大了速度可检测范围。计算机仿真结果表明该方法即使在地面场景高程有较大起伏时也能有效进行动目标检测并进行精确测速和定位。     

舰船及其海面背景SAR成像模拟研究综述

舰船及其海面背景SAR成像模拟是发展海洋遥感的重要途径。针对舰船及其海面背景不同于陆地目标的特性,从SAR成像模拟的方法及优缺点出发,对其研究现状进行了综述。介绍了舰船隐身的主要技术途径,并对今后进一步的研究方向进行展望。     

基于改进YOLOv3的SAR舰船图像目标识别技术

合成孔径雷达(SAR)图像自动目标识别(ATR)技术是人工图像解译的关键技术之一。针对传统的SAR舰船目标检测算法大多受限于场景且泛化能力较差的问题,设计了一种基于改进YOLOv3网络的检测模型。将YOLOv3与DenseNet网络融合,使用稠密网络模块代替用于提取中小尺度特征的残差网络模块,通过训练得到模型的最优权重,实现端到端的目标检测。使用综合交并比(GIoU)损失代替交并比(IoU)边界框回归损失,提供更加准确的边界框位置信息,提高检测精度,采用中国科学院空天信息研究院制作的SAR图像船舶检测数据集进行测试。测试结果表明:与原YOLOv3算法相比,改进后的YOLOv3检测准确率提高了1.4%。     

基于FPGA的红外图像运动补偿滤波算法实现

针对运动场景和噪声混叠的红外图像,提出一种基于现场可编程门阵列(FPGA)的红外图像运动补偿滤波算法。首先,算法设计采用运动补偿滤波算法,通过帧间相关性和阈值判断等方法,有效实现图像区域检测分类;其次,对分类后的区域选定不同参数的滤波处理,有效抑制噪声,改善图像显示质量;最后,硬件使用流水线结合并行处理的解决方案,能够有效提高图像处理的速度。实验结果表明:基于FPGA的红外图像运动补偿滤波算法设计资源消耗低,将运行优化算法耗时降低到了1 ms内,为红外图像实时处理应用提供了基础。     

基于多尺度空谱特征提取的高光谱遥感图像重建

遥感高光谱图像(HSI)凭借其丰富的光谱信息被广泛地应用于军事、农业、地质等领域。然而,HSI成像因其成本高、传输难等问题限制了其应用规模。通过光谱超分辨(SSR)方法,可以实现输入高分辨率红绿蓝(RGB)图像生成相应的高光谱图像,有效地解决了HSI成本高与传输难的问题。但是,已有的SSR方法对于图像的空间特征提取与光谱之间的相关性关注仍有所不足。针对上述问题,本文提出了一种多尺度空谱特征提取方法,并在SSR领域引入组归一化(GN)方法,关注相邻光谱之间的相关性。同时,还借助条件生成对抗网络进一步优化网络的参数,提升生成图像的真实性,并在DFC2018 Houston数据集上进行实验。结果表明:本文提出的方法可以实现精准的高光谱图像重建,重建的高光谱图像相比当前先进的主流方法性能均明显提高,其中相比CanNet方法,均方根误差下降了48.3%,平均峰值信噪比上升了20.7%。