基于高光谱和LiDAR的黄河口湿地植被分类方法

利用无人机（Unmanned Aerial Vehicle, UAV）高光谱影像（Hyper-spectral Imaging, HSI）和激光雷达（Light Detection and Ranging, LiDAR）数据开展黄河口湿地植被分类方法研究。由于高空间分辨率HSI光谱变异性强,以及LiDAR点云密度不均匀,分类结果呈现出“椒盐”现象。为了解决这些问题,本文提出了一种结合空谱特征融合和通道注意力机制的双分支卷积神经网络（SSF-C-DBCNN）。光谱注意力机制通过为每个波段分配不同的权重来减少光谱变异性的影响。空间注意力机制侧重于学习和强调特征表达能力强的密集点云区域空间信息,从而减轻LiDAR点云密度不均匀对结果的影响。最后,在双分支融合特征后引入通道注意力机制来提取更深层次的特征。利用UAV采集的HSI和LiDAR数据进行实验验证,结果表明,本文提出方法的性能优于随机森林和五种深度学习方法,分类结果更为贴合实际土地覆盖,有效地抑制了“椒盐”现象。     

环境减灾-1A、1B卫星光学载荷在轨运行情况分析

环境减灾-1A、1B卫星于2008年9月6日发射升空,至2013年7月20日,2颗卫星的4台宽覆盖多光谱CCD相机、1台超光谱成像仪(HSI)和1台红外相机(IRS)已在轨稳定工作近5年,共获取超过61万景2级地面遥感图像数据。文章对在轨运行的光学载荷遥测参数进行了统计和分析,结果表明:DC/DC电压遥测变化量不超过5%,关键光机部位温度遥测变化量小于2.25℃,转动部件电压和电流遥测变化量小于1%,遥测参数均在设计范围内,显示光学载荷在轨稳定正常工作。最后,综合分析了光学载荷图像数据应用情况,分析表明:光学载荷图像数据具有较强的地物影像分类、提取和分辨能力,与国外同类卫星比较,水体识别符合度达到90%以上,旱情分级符合度大于66%,光谱分辨率达到5nm,积雪范围提取精度达到90%以上,在各类应用领域发挥了较大的效能。     

保障设备人机工效设计要素

保障设备是飞机完成使用保障、维修保障活动的主要要素之一,对保证飞机装备的战备完好性、任务持续性、保障效能等方面起着至关重要的作用。随着我国飞机装备实战化能力的提升,对保障设备的要求也日益提高。以往研制过程中重点关注保障设备的功能需求,对操作便利性、舒适性、人机界面等人机工效设计要素考 虑较少。本文以军事需求为牵引,梳理、分析保障设备主要人机工效设计要素,提出设计要求,旨在提升飞机地 面保障设备人机工效设计水平。     

Space object material identification method of hyperspectral imaging based on Tucker decomposition

Space object material identification method based on Tucker decomposition is proposed and demonstrated experimentally. Space target generally has a low spatial resolution because of the limitation in detection distance. Hyperspectral imaging (HSI) technology can capture the image from visible light to shortwave infrared continuously while providing the spatial and spectral information of the target, thereby introducing a new space target detection and identification approach. However, the data obtained by the HSI system often contain mixed pixels, thereby causing difficulties in target material identification. In this work, a material identification method of hyperspectral data based on Tucker decomposition is proposed by combining mixed spectral theory with tensor decomposition. The feasibility of the method is verified by using satellite model hyperspectral data with different spatial resolutions compared with the endmember obtained from the non-negative matrix decomposition (NMF), independent component analysis (ICA), tensor singular value decomposition (t-SVD). The average CORR of NMF, ICA, t-SVD and the proposed method is 0.2694, 0.5818, 0.6397 and 0.937, correspondingly. Therefore, the proposed method has demonstrated a more remarkable performance in terms of material identification, the analysis results of the material abundance distribution that used the proposed method.     

环境减灾卫星高光谱数据在减灾中的应用研究

利用中国环境减灾-1A（HJ-1A）卫星高光谱数据开展减灾应用研究,可提高灾害预警监测能力,提高灾害预警监测精度,拓展国产星载高光谱数据应用的广度和深度。文章简要介绍了HJ-1A高光谱数据的主要特征,阐述了高光谱灾害监测的原理,初步开展了该数据在减灾领域中的应用研究,并展望了HJ-1A高光谱数据在区域土壤有机碳估算等其...