基于一种专用星载高速总线结构的FIFO容量计算

目前在拥有多遥感器的遥感卫星数据传输与处理系统中关于FIFO容量的计算还没有一种准确的计算方法。针对专用星载高速数据传输总线结构的数据传输过程,推导出了计算FIFO中可能达到的最大数据量的一种算法,为FIFO的容量选取提供了理论计算依据。仿真结果表明,推导出的计算公式对FIFO容量选取有很强的工程指导意义。与目前凭经验选取FIFO容量的方法相比,可以有效地节省芯片的存储资源。
     

空间光学遥感器热控技术研究

分析了遥感器与卫星平台的热控差异,总结了近年来遥感器热控需求的变化,阐述了基于多学科集成的遥感器STOP设计模式,介绍了高精度/高稳定度温度控制、大功耗热量传输、深低温热量传输、Robust热控等适应遥感器热控需求的新技术研究及应用情况。对我国空间光学遥感器热控技术的研究具有一定借鉴意义。     

栾恩杰：凯歌要奏在应用上

“遥感并不神秘、并不遥远。随着高分一号、二号卫星的成功发射和广泛应用,中国遥感技术迈入世界先进行列,遥感应用步入黄金期。遥感已无处不在,遥感将大有作为。”栾恩杰院士2014年9月28日参加中国遥感应用协会第五届代表大会时说。他希望加强遥感卫星应用推广。     

基于支持向量机的无参考遥感图像质量评价方法

针对遥感图像主观评价方法的低效率以及常用客观评价方法无法充分考虑人眼对图像的感知特性的问题,文章提出了一种基于支持向量机的无参考遥感图像质量（quality）评价方法。首先建立遥感图像主观评价库,然后在不需要图像失真信息的基础上,利用支持向量机（SVM）将图像的失真类型分为三类,并对每类进行单项评价,再通过加权得到遥感图像的总评分,最后将本文方法、信噪比与信息熵的评价结果回归到主观评价空间并进行对比。实验证明,文章所提方法能客观地评价遥感图像的质量,且优于信噪比和信息熵两种质量评价方法,其结果与人眼视觉感受相符。     

中国遥感卫星系统灾害监测能力研究

通过研究、归纳中国在气象、海洋、农业、减灾、资源、环境等方面的九类重大自然灾害的监测对空间遥感的应用需求,绘出了九类重大自然灾害在时间分辨率和空间分辨率上的相应分布图;介绍了中国遥感卫星系统的发展现状,绘制其对九类重大自然灾害监测的能力满足度曲线,在此基础上,预测了中国未来遥感卫星系统的灾害监测能力包线应具有的能力,提出了中国未来遥感卫星系统的能力配置及发展建议。     

中国陆地观测卫星国际合作成果综述

中国资源卫星应用中心（以下简称＂中心＂）于1991年10月成立,是国家发改委和国防科工局负责业务领导、航天科技集团公司负责行政管理的科研事业单位,负责所有国产陆地观测卫星数据的统一处理、存档和分发服务。多年来,中心一直注重国际合作,为我国陆地观测卫星国际化发展探索出了一条新的道路。     

高分一2看神州,细节尽收眼底——专访高分-2卫星总指挥兼总设计师潘腾

2014年8月19日,高分-2卫星在太原卫星发射中心由长征-4B火箭成功发射。标志着我国遥感卫星进入亚米级“高分时代”。高分-2是我国高分专项工程的第2颗光学遥感卫星,对于我国遥感卫星技术及应用产业发展具有重大的里程碑意义。为此。本刊记者对高分-2总指挥兼总设计师潘腾进行了专访。     

基于多种空间信息的高光谱遥感图像分类方法

在高光谱遥感图像分类方法中,空间特征和光谱特征的融合可以有效地改善分类效果。针对单一空间特征的信息表达不充分问题,提出了一种联合多种空间特征的高光谱图像空谱分类方法。利用超像素信息对分类结果进行后处理去掉椒盐噪声,并创造性地将超像素信息应用于分类前处理,提出了一种利用超像素信息对像素点的特征向量进行线性加权融合的方法。试验结果表明,所提方法的性能优于目前的通常方法。     

基于自适应注入模型的遥感图像融合方法

遥感图像融合的目的是融合高光谱分辨率、低空间分辨率的多光谱（MS）图像和高空间分辨率、低光谱分辨率的全色（PAN）图像,得到高光谱分辨率与高空间分辨率的融合图像。遥感图像的注入模型中如何确定注入细节及注入系数是该技术研究的关键。针对注入细节优化,先通过模拟MS传感器的特性来定义一种多尺度高斯滤波器,再用该滤波器卷积PAN图像以提取细节,得到与MS图像高度相关的细节。针对注入系数优化,综合考虑光谱信息与细节信息提出一种自适应的注入量系数。为更好地保留边缘信息,提出一种新的边缘保持权重矩阵,实现光谱信息与空间的双保真。将优化后的注入系数与注入细节相乘注入到上采样后的MS图像中,得到融合结果。对所提方法进行性能分析,并在各卫星数据集上进行大量测试,与一些先进的遥感图像融合方法进行对比,实验结果表明,所提方法在主观与综合客观指标上都能达到最优。      

遥感图像飞机目标高效搜检深度学习优化算法

为了实现大幅面遥感图像中飞机目标的高效检测与准确定位,通过深度神经网络（DNN）的级联组合,提出了一种新颖的搜寻与检测相集成的飞机目标高效检测算法。首先,运用高性能的端到端DNN网络,进行停机坪与跑道区域的像素级高效精准分割,从而大幅度缩小飞机目标的搜索范围,以降低虚警发生概率,完成飞机目标候选检测区域的快速搜寻。然后,针对分割所得停机坪与跑道区域,借助手工数据集对YOLO网络模型进行迁移式强化训练,一方面可以弥补训练集在样本类型与数据规模上的不足,另一方面借助YOLO网络的强时效性优势对飞机目标的位置进行回归求解,可以显著提高飞机目标的检测效率。停机坪与跑道区域分割DNN网络在分割精度与时效性上具有显著优势,而迁移式强化训练YOLO网络不仅具有很高的检测效率,在检测精度上也能保持良好的性能。通过一系列综合实验与对比分析,验证了提出的搜寻与检测相集成的DNN级联组合式飞机目标高效检测算法的性能优势。