用于并行压缩感知成像系统的观测矩阵优化算法

压缩感知理论为遥感空间超分辨技术提供了一种新的实现方式。其中观测矩阵决定着压缩感知的采样规则,设计和优化观测矩阵对于保证信号的重构品质具有重要意义。文章在并行压缩感知成像系统的基础上,提出了一种基于列独立性和互相关性的观测矩阵优化算法。算法通过正交三角分解增强观测矩阵的列向量独立性,再通过特征值分解和等角紧框架约束来降低观测矩阵与稀疏矩阵之间的互相关性。同时,文章还提出了一种基于阈值分割的优化方法,将观测矩阵转化为便于硬件实现的二值矩阵,在降低了硬件加工难度的同时,进一步增强了观测矩阵的效果,提高了优化算法的实用性。仿真实验证明,文章提出的优化算法相较于传统优化算法在峰值信噪比方面提升1～2 dB,具有更好地优化效果。     

大椭圆轨道遥感卫星有效载荷安装面热变形抑制方法

针对大椭圆轨道遥感卫星有效载荷安装面在复杂外热流环境下存在较大热变形的问题,文章提出了碳纤维结构铺层优化和柔性连接两个热变形抑制的方案,并分析了两个方案的优缺点。以某大椭圆轨道遥感卫星为例,进行了分析验证,结果表明:采用柔性连接设计方案优于碳纤维结构铺层优化方案,可将因热变形引起的载荷安装面法向变化从672μrad减小至185μrad,更适用于大椭圆轨道卫星不规律多变外热流下有效载荷安装面的热变形抑制。     

长征系列火箭第120次出征遥感卫星七号发射成功

12月9日16时42分．在我国西北戈壁大漠深处的酒泉卫星发射中心．长征二号丁运载火箭披着冬日灿烂的阳光腾空而起．顺利地把遥感卫星七号送入太空．     

航天光学相机地面测控设备通用化研究

文章提出了航天光学相机控制系统测试设备通用化研究的思路,制定了通用化方案,对各功能模块进行了通用化设计.     

超高分辨率相机成像检测系统的设计与实现

讨论了超高分辨率相机成像检测系统的设计;分析了系统的设计目标;设计了系统的架构;给出了系统实现的技术指标。     

基于改进Unet++的丘陵地区耕地地块深度分割与提取

丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明：改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。     

改进YOLOv3算法的遥感图像道路交叉口自动识别

针对道路交叉口目标较小、存在较多的植被遮挡、邻近地物颜色相近等问题,文章提出了一种改进的YOLOv3高分影像道路交叉口目标检测算法—CSC-YOLOv3。该方法首先使用CIOU损失函数改进原来YOLOv3的目标定位损失,降低目标漏检率;其次,通过在YOLOv3的主干特征提取网络后添加空间金字塔池化模块,增大网络的有效感受野;最后,在YOLOv3网络的三个特征层结构以及两个上采样结构中引入注意力机制模块,提升网络检测精确度。在自制的道路交叉口数据集上对算法进行了实验验证,结果表明,CSC-YOLOv3算法的精确率、召回率、平均精确率和F1分数分别达到了86.05%、70.19%、83.71%、77%,比原始YOLOv3算法分别提高了6.54、8.55、11.74和8个百分点,虽然FPS降低了3帧/s,但是其检测性能的提升弥补了速度上的不足,有效提升了高分遥感影像对道路交叉口的检测效果。     

航天遥感电子学单机产品重点检验环节复查方法

生产过程的产品质量控制直接关系到产品的质量、成本以及生产效率等,文章通过对以往生产过程中不合格品的统计和分析,提出了一种航天遥感电子学单机产品检验过程重点环节复查的工作方法。复查工作流程从重点检验环节的确认、检验要求的提取、质量记录的提取及整理、组织级审查等过程开展论述。对重点检验环节的复查工作实践表明,通过复查可以正向促进生产人员和检验人员更加严格地执行工艺纪律,不断改进检验检测工作的有效性,降低或者消除产品质量风险与隐患,同时也可以反向改进产品设计,优化工艺流程,实现航天产品高质量发展的目标。     

基于深度监督的TransUNet可见光卫星图像分割

随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。     

遥感技术在“双碳”目标实现中的应用进展

在全球努力实现碳中和目标的背景下中国也提出了“30-60”双碳目标。遥感技术有着地域范围广、追溯时期长的特点,因此,遥感可以快速、连续地获得全球碳源/汇空间分布和变化特性,可以在碳汇估算和管理、全球碳排放监测以及方面有着广阔的应用。文章首先综合阐述了陆地碳循环的模式,遥感技术在“双碳”目标实现中可以应用的领域、包括温室气体监测、碳排放源监测、陆地碳循环、遥感定量计算碳通量等。对关键概念进行了解释。然后,分析了遥感技术在遥感定量计算不同碳通量中使用到的方法和研究进展,同时提出了遥感监测碳排放和定量估算碳通量中可能存在的问题。