大幅宽遥感图像的动目标检测研究中,卷积神经网络虽然取得了显著效果,但算法存在目标搜索空间庞大、模型极其消耗时间及计算资源的问题,因此本文从目标区域预筛选的角度给出了针对性优化方法。首先,基于局部误差处理的策略,改进了现有的图像分割算法来粗糙地提取动目标可能存在的区域。然后,以相邻区域合并、减少总数量和面积为目的,设计了一种基于空间约束的密度聚类算法——SC-DBSCAN,其以分治思想来降低问题的规模,通过空间尺寸的先验约束自适应地将数据划分为多个相互独立的簇,并针对簇的复杂程度选择相应的合并策略,在复杂簇中,考虑到合并结果与对象遍历顺序相关,易陷入局部最优,引入基于模拟退火思想的随机扰动有效提升了输出的图像块质量。最终,通过减少模型推断次数及避免目标的重复检测,显著地改进动目标检测的整体效率。 相似文献
2.
针对在轨卫星呈现海量化、网络化、智能化发展的趋势，重点探讨了软件定义卫星技术的产生背景、概念、内容与挑战。通过历史回顾，归纳卫星系统研制的3个阶段，指出目前卫星系统正在从平台、载荷优先向算法优先演进，这一趋势推动了软件定义卫星技术的产生与发展；阐述软件定义卫星技术的概念与边界，指出研究软件定义卫星技术的目的不是研制一类新型卫星，而是利用软件定义技术实现硬件资源虚拟化、系统软件平台化、应用软件多样化，提升卫星系统的网络化与智能化；分析软件定义卫星技术的主要内容与挑战，并对未来的发展进行展望。 相似文献
1