图像超分辨率卷积神经网络加速算法

为了实现模型的实时和嵌入式运行，提出了一种轻量级的卷积神经网络结构。通过采用较小的滤波器尺寸和引入深度可分离卷积，可大量减少模型参数，提高模型非线性表达能力；在网络末端引入子像素卷积层，直接从原始低分辨率图像学习到高分辨率图像的映射，计算成本为原来的1/k²(k为放大因子)。在Set5数据集上的实验表明，所提模型的速度较经典的图像超分辨率重建算法速度提高了25.8倍，能够在通用GPU上实时运行，峰值信噪比平均提高了0.17 dB，并且参数只有它的35%。     

基于AFSA-WNN的Sallen-Key滤波器电路软故障诊断

为提高对Sallen-Key滤波器的软故障诊断能力,提出一种基于多分辨率变换与小波神经网络(WNN)的软故障诊断方法。该方法先引入多分辨率变换提取Sallen-Key滤波器电路的软故障特征,在此基础上,采用人工鱼群算法优化的WNN构建电路软故障诊断模型。仿真结果表明,与单纯的WNN相比,所提出方法对电路软故障的诊断性能更好,总正确率达到94.1%。从而证明该方法用于Sallen-Key滤波器软故障诊断是可行的,也是有效的。     

虚拟战场环境程序化地形细节生成方法

针对目前虚拟战场环境中场景渲染面临的真实数据在类型和精度方面无法满足大规模真实感地形可视化的难题,从虚拟场景构建和渲染的角度,提出了一种以真实地形数据为基础,集成视相关多分辨率LOD(Level Of Detail)渲染机制的程序化地形细节合成方法,实现了地形几何细节、纹理细节和地表植被的自适应可控实时合成,一定程度上解决了大规模地形渲染在真实性和实时性上难以兼顾的问题,为建立高逼真度的虚拟战场环境提供了一种切实可行的方法.     

全力提升空间数据自给率 增强我国空间信息产业国际竞争力——我国成功发射高分一号开启高分专项全面建设阶段

从航天参与雅安抗震救灾谈起——现代科技还不能准确预报地震,但灾后救援可大施手脚四川雅安地震之后,关于地震能否预报的讨论再次掀起。地震似乎变得越来越频繁,人们惊惧恐慌之下,就不得不直面这一严重的问题。目前权威的说法,是"地震预报仍是世界难题",言外之意,现有的技术手段无法做到在其之前提供预警。除了少之又少的例外,我们经历的事实也有力地佐证了这一点。在准确预测上,由于仍处于探索阶     

超分辨率重建方法在图像处理中的应用

为提升现有舰载光电探测系统图像的分辨率,通过图像降质及超分辨重建模型对复原图像中伪信息的产生进行了研究,在Lee方法的基础上,提出了采用高斯马尔科夫先验模型对图像重建过程进行约束的方法,实现了正则化参数的自适应计算。实验结果表明:该方法在视觉效果与客观指标上要优于传统方法与Lee方法,具有良好的应用前景。     

着力加强高分遥感应用产业推广 促进高分专项军民融合深度发展

高分辨率对地观测数据是国家的基础性和战略性资源。随着应用领域的拓展,高分专项将进一步聚焦经济建设、社会建设、生态建设等重大需求上来,实现从创新链到产业链的过渡,实现更广泛、更深入、更彻底的资源共享从2010年高分专项启动实施以来,已经成功发射具有2米分辨率全色/8米分辨率多光谱光学成像能力的高分一号卫星和具有1米分辨率全色/4米分辨率多光谱光学成像能力的高分二号卫星,获取了大量的高分辨率对地观测数据,在国土、农业、环保等领域发挥了重要的作用。     

应用荧光法分析汽油燃烧残留物

通过应用三维荧光光谱法,对比分析了汽油、煤油、柴油及其燃烧残留物的三维荧光特征参数,主要分析了荧光峰位置、半峰宽、荧光发光区域分布、次峰与主峰的荧光强度比等,验证了荧光光谱法在鉴别火场汽油助燃剂燃烧残留物中的可行性,为火灾原因调查提供更多依据。     

航母编队防空指控多分辨率建模

以航母编队防空作战过程作为研究对象,分析了其多分辨率建模的必要性。针对防空作战指挥建模与仿真的特点及存在的困难,运用多分辨率建模方法对其进行探索研究。针对空中混合编队防空和水面舰艇防空过程,分析作战过程中各战斗单元任务分配情况,以任务消息为触发条件,提出了多分辨率建模的主要设计思路,并设计了模型聚合解聚方法。     

冲激SAR成像的分辨率估计

后向投影 (BP)算法是一种被广泛应用于冲激SAR的成像算法。当冲激SAR的发射信号是某一类冲激信号时 ,根据冲激SAR成像的特点 ,推导出BP算法的方位分辨率与成像积累角、信号中心频率的关系。仿真结果表明 ,在相当范围内 ,估计公式都是准确的