航拍图像去云方法研究综述

云区的存在严重影响了航拍图像的后期解译工作,如何高质量地去除云区干扰是当前航拍图像研究的重要内容之一。随着深度学习等技术的成熟和专用数据集的出现,航拍图像去云任务引起了研究者的广泛关注,也取得了阶段性成果。首先,介绍了几种常用数据集,结合数量、分辨率大小、获取媒介及特点进行了对比分析,同时给出了下载链接;然后,依据去云模型是否使用深度学习方法将去云方法分为基于经典理论的去云方法和基于深度学习的去云方法,突出阐述了基于深度学习的方法,并按照互补数据来源、应用场景、使用数据集、自身特点对各方法进行对比分析,重点对相关模型进行了说明,之后,介绍了常用的几种评价指标。最后,对现有方法中存在的问题进行讨论分析,并对未来的发展方向进行了展望。     

去偏转换坐标卡尔曼滤波器的雷达目标跟踪

在雷达目标跟踪中 ,扩展卡尔曼滤波 (EKF)和转换坐标卡尔曼滤波 (CMKF)得到了广泛的应用。但当目标方位角的测量误差与目标斜距的乘积较大时 ,传统的EKF和CMKF的滤波性能会大大降低。推导了有测速元时的去偏转换卡尔曼滤波 (DCMKF)算法 ,仿真结果表明DCMKF的精度比EKF与CMKF有了很大的提高     

基于暗原色先验的图像去雾优化技术

由于雾霾等大气散射作用会使战场环境获取的图像质量退化,图像去雾可以大幅度提升视觉效果,方便火控系统目标识别与跟踪。基于暗通道先验理论提出一种改进的中值滤波算法,针对不同区域使用不同大小的滤波窗口,可以快速有效地对透射率细化,避免边缘效应。并且还提出了天空区域透射率优化算法,去除了天空区域的纹理和斑块效应。实验结果表明,该算法具有速度快并且效果好的特点。     

低信噪比下雷达信号调制类型的自动识别

低信噪比下识别雷达辐射源信号的调制类型是电子战系统的关键技术之一.深入分析了小波去噪和小波变换法的基本原理,提出一种在低信噪比下基于小波变换法自动判别信号调制类型的新方法.仿真结果表明,在较低信噪比条件下,该方法能准确识别给定信号的调制类型.     

双频去相关单历元动态解算整周模糊度研究

针对GPS实时动态精密相对定位应用背景,提出一种整周模糊度实时求解方法。采用宽巷组合载波相位双差、伪距双差观测信息建立观测模型;对浮点模糊度协方差阵进行一次Cholesky分解,构造了浮点转换矩阵,使浮点模糊度完全去相关;推导确定整周模糊度的搜索空间;利用最小残差平方和搜索准则,确定单历元整周模糊度,并用OVT检验方法,对不同历元得到的整周模糊度进行一致性检验。结果表明,观测量误差均方差取值对整周模糊度搜索空间和成功率有较大影响,附加OVT检验的双频去相关单历元动态解算整周模糊度方法正确可行。     

基于暗原色先验的单幅图像去雾优化技术

雾霾等粒子的大气散射作用会使得图像采集设备所获取的图像质量下降,影响后续工作。基于暗原色先验理论提出一种单幅图像的去雾优化技术。针对景深突变处出现的"白边"与"黑化"现象,提出结合最小值滤波与中值滤波的粗估计透射率优化方法。并提出自适应限定透射率下限值的方法改善天空区域的颜色失真问题。实验结果表明,该算法在去雾效果及自适应性方面优于对比算法。     

基于云计算的航天发射场业务网络体系架构

随着信息技术的不断发展,网络信息系统正不断向云计算、大数据不断演进。本文针对当前航天发射场网络体系存在的不足,结合信息技术发展趋势,提出了基于云计算的航天发射场网络体系架构设计。同时,结合航天发射场网络体系架构现状和实际,提出了首先实现发射场中心数据处理能力云化,再逐步实现发射场装备终端云化的演进策略,最终实现无中心化的分布式网络体系架构,将为有效解决航天业务信息系统体系弹性差、体系对抗能力弱等突出问题提供可选方案。     

基于自适应小波阈值的SAR图像去噪算法

针对传统阈值去噪方法处理合成孔径雷达(Synthetic Aperture Radar,SAR)图像存在的失真,边缘模糊等问题,提出了一种自适应小波阈值算法。首先对经过对数变换后的SAR图像进行小波变换。然后利用自适应小波阈值对变换后的SAR图像高频部分进行去噪处理,去噪后再对其进行小波逆变换处理。最后再进行一次指数变换,达到去噪的目的。实验结果表明,该算法能够得到较好的去噪效果,并且还有效地解决了传统算法所带来的不足。     

新型双向电磁流量计信号特征提取及去噪实验研究

为有效抑制一种电磁流量计测量过程中产生的干扰,提高测量的精确度和稳定性,采用小波阈值去噪方法,将信噪比SNR和均方根误差RMSE作为去噪效果的评价指标,并按照小波阈值去噪的一般步骤,分析了小波基、阈值规则和变换尺度对去噪效果的影响。分析结果表明:小波基采用sym8、阈值规则采用强制去噪以及变换尺度为8时,该电磁流量计的输出信号去噪效果最好。     

基于非凸范数最小化图像去噪算法

为改善高斯噪声条件下图像去噪性能,基于低秩理论,提出基于伽马范数最小化的图像去噪算法.所提算法对噪声图像重叠分块,基于结构相似性指数自适应搜索与当前图像块若干最相似非局部图像块以组成相似图像块矩阵,进而利用非凸伽马范数无偏近似秩函数以构建低秩去噪模型,并基于凸优化理论求解所得低秩去噪优化问题,重组所得去噪图像块以获得最终去噪图像.与PID,NLM,BM3D和NNM等主流去噪算法相比,实验结果表明,所提算法可有效消除高斯噪声,且可较好地恢复原始图像细节.