大规模无人机遥感影像快速区域网平差

随着无人机遥感的快速发展和广泛应用,大规模无人机影像的区域网平差成为遥感影像处理的重要研究内容。针对大规模影像区域网平差对计算机内存开销大、时间消耗长的问题,提出了一种快速高效的解决方案。一方面对传统区域网平差解算流程进行了优化,分别采用矩阵的Schur补和预处理矩阵减小了未知数的数目和法矩阵的条件数,并利用共轭梯度的截断牛顿法进行法方程的答解,大大提高了法方程答解速度;另外一方面尽量发挥平台的计算资源优势,借助CPU和GPU设备对矩阵运算进行了加速。利用典型无人机影像进行实验,结果表明提出的解决方案可以处理上万幅无人机影像而且具有较高的效率。     

融合动量项的步长自适应盲源分离算法

为进一步缓解盲源分离算法收敛速度与稳态误差之间的矛盾,首先在自然梯度算法的基础上,通过融合动量项改善算法的收敛速度,基于分离性能指标的步长自适应减小稳态误差;然后,给出了所提算法的模型图,同时考虑分离性能和计算复杂度,选择合适的融合动量项算法,并设计了算法的近似最优参数,有效避免了算法的分段收敛;最后,合理选择步长与动量项的权重系数,有效改善了分离性能与收敛速度。仿真结果表明:该算法在一定程度上缓解了上述矛盾,并具有较低的计算复杂度。     

目标协同跟踪系统图像监控软件流程设计

为更好地对复杂战场环境下敌方目标运动状态作出精确估计并实施精确打击,提出了构建基于多传感器的目标协同跟踪系统的设计方案。设计的系统主要由可见光无人传感器平台、指挥控制中心、传输设备组成,重点阐述了指挥控制中心图像监控软件设计流程。该系统的设计为进一步研究基于微波、毫米波、红外、可见光等混合多源传感器的目标协同跟踪系统提供一定的参考价值。     

基于GA的卷积神经网络结构化剪枝算法

为解决传统神经网络模型过参数化问题,提高深度学习模型工程化实现的效率,提出了基于GA的结构化模型压缩算法.该方法从全局搜索空间对模型各层卷积核进行结构化剪枝,并以"高检测精度,低网络规模"为准则建立适应度函数,解决传统权重剪枝易陷入局部最优和剪枝结果对硬件平台不友好问题,获得精度损失低、模型压缩率高的轻量化模型结构.     

一种无人机载高分辨率SAR图像目标快速检测方法

针对无人机平台空间和资源有限、高分辨率SAR图像检测容易出现目标标注不准以及计算量过大等问题,提出一种无人机载高分辨率SAR图像目标快速检测方法。该方法首先利用双边滤波器抑制高分辨率SAR图像中存在的相干斑噪声和目标内部的非均匀起伏;然后进行一次大尺度的SLIC分割,通过对超像素单元粗糙度进行分析,对存在欠分割问题的超像素单元再进行一次小尺度的SLIC分割;最后对过分割的超像素单元进行合并处理,最终得到目标检测结果。实验结果表明,该方法不仅可以提升对高分辨率SAR图像目标的检测效率,改善SAR图像目标提取能力,还有利于发现部分人工方法容易遗漏的小目标,具有很好的工程应用价值。     

基于线特征的多时相遥感图像变化检测

多时相遥感图像中利用线特征可以感知道路等线形地物的变化。论文提出一种新的基于边缘特征描述的线特征变化检测算法,首先根据边缘的梯度信息得到变化边缘,并对变化边缘进行编组,形成变化边缘的直线支撑区域,然后通过最小二乘拟合方法从直线支撑区域中提取出变化直线。提出的线特征变化检测算法把边缘的相位和幅度信息作为变化检测的判定依据,从而避免了线的匹配与比较工作,降低了变化检测的算法复杂度,具有很强的实用性。将提出的方法用于多时相遥感图像变化检测,实验结果显示该方法的有效性。     

极端条件光测图像技术进展及其空天应用

与传统测量手段相比,光学图像测量具有高精度、非接触、大视场、适合实时动态测量等优势,广泛应用于航空航天、国防试验、勘察勘测、交通运输等领域。对于飞行平台成像观测、非合作目标观测、空间操作观测等,常常会叠加更多更极端的限制条件或干扰因素,要同时满足高精度等测量需求,属于一类极端条件下的测量问题。近20年来,课题组对光学图像测量的理论和方法进行系统深入的研究,取得一系列原创性成果,显著提高了目标探测能力和运动参数测量精度,开拓了光学图像测量在空天领域的应用研究。