卫星图像采集任务调度系统的设计与实现

随着卫星遥感技术的高速发展 ,卫星图像在众多领域有了广泛的应用。文章给出了一个卫星图像采集任务调度系统的总体结构及其功能 ,讨论了该系统实现过程中的卫星资源描述、卫星图像采集任务描述、调度引擎、卫星时间窗口的仿真计算、调度结果的可视化展现等关键技术 ,归纳了系统的特点 ,并总结了今后系统的研究方向     

一种针对高光谱图象识别与分类的二进编码方法

针对高光谱遥感图像中地物识别与分类问题,在对传统二进编码方法的优缺点进行分析的基础上,给出了一种新的二进编码策略,并给出了相应的快速匹配算法。该算法原理简单,易于实现,能够提高不同地物的可分性,试验结果表明,算法可以得到较好的分类效果。     

基于人类视觉特性的遥感图像优化显示及应用

在分析遥感图像主观质量（Subjectivequality）评价的基础上,提出基于人类视觉特性的优化显示技术．并应用于遥感图像压缩、相对辐射校正评价和噪声估计。结果表明：当图像以50％比例放大时,处理前后的效果不明显：以100％比例放大时,差异性开始出现;当显示比例提高到200％时,图像的噪声、条纹及退化现象比较容易发现与识别。因此,当需要比较两幅图像差异及监测图像质量变化时,建议显示比例设为200％。上述成果已成功应用于CBERS-02B卫星HR相机及后续高分辨率相机压缩方案的评价,也用于中国卫星遥感地面处理系统的图像质量监测。     

结合邻域聚类分割的高光谱图像异常检测支持向量数据描述方法

支持向量数据描述方法在高光谱图像小异常目标检测中具有较好的检测性能,但是待检异常的几何形状受到约束和背景的选择具有盲目性影响检测效果,且检测需要对整幅图像进行遍历导致计算量大。提出邻域聚类分割和支持向量数据描述相结合的异常检测方法,首先利用邻域聚类方法分割图像,将几何尺寸小的分割块作为潜在异常目标;其次选择与潜在异常的形状和大小相适应的背景窗进行背景像元收集;最后采用SVDD方法从潜在异常中快速且准确地检测出异常目标。对HYMAP图像的实验结果表明,该算法提高了复杂地物背景下异常的检测性能,降低了SVDD用于高光谱图像异常检测的计算量。     

利用机载GNSS-R的有效波高反演技术

采用自主研发的多源多宿GNSS-R(Global Navigation Satellite System-Reflections,全球导航卫星系统反射信号)海洋环境遥感探测系统,在天津渤海湾特定区域进行了3次机载校飞试验,获得了大量有效GNSS-R信号数据,对自然条件下的海面有效波高进行了反演处理。该系统通过对接收的GNSS直达信号和海面反射信号进行相关运算处理,可以获得DDM(Delay-Doppler Mapping,时延—多普勒映射)图谱,再利用DCF(Derivative of the Correlation Function,相关函数的导数)在DDM图谱基础上进行相关功率波形的计算,进而通过计算DCF的函数波形宽度得到海面有效波高,验证了该方法的可行性。该方法具有全天时、全天候、高分辨率、低成本等优点,对全球范围内中小尺度海洋状态和物理现象的监测具有重要意义。     

Expert Algorithmic and Imagistic Problem Solving Strategies in Advanced Chemistry

Abstract

Visualization and imagistic reasoning appear central to expert practice in science; however, expert use of these strategies on authentic tasks has not been examined in detail. This study documents how science experts use both algorithms and imagistic reasoning to solve problems. Using protocol analysis, we report expert chemists' preferential use of algorithms for solving spatial problems and imagistic reasoning for deducing spatial transformations. We observed experts employ algorithms to solve the majority of spatial tasks while reserving imagistic strategies to solve a class of tasks that required translating between representations. Strategy used varied widely among experts and tasks.     

高分影像辅助下的航空高光谱严密几何检校方法

 惯性测量单元(IMU)与传感器视准轴的偏心角和偏心矢量是造成航空线阵列高光谱数据几何校正误差的主要原因之一。在分析偏心角与偏心矢量误差来源之后提出该误差由IMU主轴与传感器主轴的角度偏差、测区固定偏差、GPS中心与传感器投影中心相对偏差组成,在此基础上建立了较为严密的检校模型。针对模型解算时需要大量高精度控制点的问题,提出了一种高分影像辅助下的亚像元精度控制点自动提取方法。通过多地区、多传感器高光谱航测实验表明,亚像元精度控制点能有效提高模型解算精度。新检校模型可获得亚像元校正精度,推扫式传感器——应用型机载成像光谱仪(AISA)建模中误差约为0.39个像元,摆扫式传感器——实用型模块化成像光谱仪(OMIS)建模中误差约为0.23个像元,校正后的影像可直接进行拼接。     

Human Four-Dimensional Spatial Judgments of Hyper-Volume

The dimensionality limitation of human spatial representations has been a long-lasting, unsolved issue in psychology, mathematics, and philosophy. The present study examined the possibility of human four-dimensional spatial representations using a spatial judgment task on hyper-volume, a novel property unique to higher dimensional space. Observers studied visual simulations of random wireframe hyper-tetrahedrons (4-simplexes) rotating around the y-z plane and judged their hyper-volume by adjusting the size of a 4-D block. Multiple regression analyses showed a significant correlation between the responses and the actual hyper-volume but not the definition-based, lower-dimensional cues such as the mean 3-D volume, providing empirical evidence of human 4-D spatial representations that can support judgments of certain novel, high-dimensional properties.     

基于多尺度 3D-2D卷积神经网络的高光谱图像分类

设计提出了 1种针对高光谱图像分类任务的 3D-MSCNN模型。在 PCA降维的基础上,利用 3D空谱特征提 取网络和 2D多尺度特征提取网络实现高光谱图像特征提取,充分发挥高光谱图像空谱信息价值,增强对不同尺度 地表覆盖的表达能力。最后,利用 Softmax分类损失函数实现高光谱图像分类任务。实验结果表明,本文算法在 In. dian Pines和 Pavia University数据集上都取得了较好的分类效果。与 CD-CNN、3D-CNN、SS-Net和 HybirdSN等方法相 比,本文算法能够有效提升总体精度、平均精度和 Kappa系数等客观评价指标。     

用TH神经网络方法外推数据的超分辨雷达成象

研究用Ｔａｎｋ－Ｈｏｐｆｉｅｌｄ神经网络（ＴＨＮＮ）求解ＡＲ模型参数作数据外推的超分辨雷达成象,并用微波暗室实测数据对ＴＨＮＮ方法和Ｂｕｒｇ方法作了验证,结果表明,两种方法均能在较低的信噪比条件下实现超分辨成象,且随着ＶＬＳＩ技术的发展,神经网络方法将是一种很有希望的超分辨成象方法。