摘要：针对传统飞机目标检测算法和现有机器学习检测算法存在的问题,提出了遥感影像中的一种有效飞机检测概念;在认知模型下使用基于深度学习的全卷积检测和分割网络,设计了一种有效飞机目标检测系统并对其进行了仿真;构建了一种检测认知模型,并设计了各模块的功能。实验结果证明了该系统的有效性,该系统为开展目标智能检测提供了一种全新的思路和方法。

摘要：提出了计算机图形处理器(GPU)加速的光学航空影像正射校正并行算法,以满足获取光学航空影像对实时性的要求并提高对海量影像数据在CPU上串行正射校正的效率。介绍了光学影像正射校正算法原理以及正射校正算法的并行化处理。为减少GPU执行的计算负载,引入"有效像素区域"概念,设计了改进的GPU并行校正算法。通过配置选择以及存储器访问优化进一步提高了算法的执行效率。最后,分析了GPU并行算法的精度,并验证了噪声干扰对算法的影响。实验结果表明,优化的改进GPU并行算法显著提高了正射校正的速度,影像大小为5 000×5 000时,加速比最高可达CPU串行算法的223倍以上。虽然GPU单精度计算和噪声干扰会使影像校正精度有所下降,但尚在误差允许范围之内。该算法能够快速实现光学航空影像的正射校正,校正后的影像满足实际应用需要。

摘要：航空航天侦察获取的图像信息经过图像处理和图像判读整饰才能成为可供使用的情报。在现代战争战场环境下,图像判读整饰的工作要具有更高的时效性。在Web环境下进行图像判读整饰,可以达到大范围的信息共享,从而提高图像判读整饰的效率。但是一般的Web应用在客户端无法实现复杂的图像操作,基于Web服务的图像情报整饰系统实现了这一目标,本文将详细介绍系统的工作原理和关键技术的实现。

摘要：设计了一个浅层卷积神经网络来代替预训练模型中的全连接层,将预训练网络提取的CNN特征作为图像输入设计好的浅层CNN网络,对比微调预训练模型的方法,能够更好地适应航拍图像定位任务。为进一步提高航拍图像的定位准确率,利用无人机航拍图像时间连续的特点,通过在CNN的分类阶段加入Bi-LSTM网络,使网络在分类时能够以多张图像特征作为判断依据。实验表明,时序图像定位方法定位准确率稳定在0.89左右,对比单张图像定位方法准确率提升5%左右。

摘要：纳伏(nV)正弦信号测量是微弱信号检测领域里的一个尖端课题,本文针对文献[1]nV正弦信号测量方法中所存在的问题,首次提出了互谱模型参数谱估计的理论及方法,这是对传统的非参数互谱估计方法的一个重大改进。对1nV正弦信号的实测结果表明,该方法的互谱估计性能大大优干传统的互谱周期图法。结合1nV正弦信号测量的实际问题,文中还讨论了正弦信号幅值估计及测量线路设计等问题。

摘要：针对航空图像的目标检测,传统的目标检测方法速度慢且精度低,利用深度学习技术来实施航空图像目标检测是新的研究方向。利用YOLO、Faster R-CNN等算法进行航空图像的车辆检测存在漏检率和误检率较高的诸多问题,因为这些算法在设计上更适合于自然图像的目标检测,而航空图像跟自然图像有明显的区别。针对这些问题,论文利用改进的DetectNet网络实施航空图像的车辆检测。论文通过三种方法来改进DetectNet网络。一是合理标注边界样本以提高训练数据集的质量。二是利用两个3×3卷积核替换单个5×5卷积核来降低训练参数并同时加深模型深度。三是利用学习率指数递减策略来防止模型陷入局部最优解。改进实验的mAP值从56.4%提高到66.4%,证明了改进后的模型的检测精度更高。

摘要：GPU通用计算的发展为图像处理提供了新的技术手段,目前一些图像处理算法已经移植到GPU中且得到了较好的加速效果,但是并没有形成通用的并行设计模型,推广性差。为此,论文在研究GPU结构特点以及已有的GPU图像处理并行算法的基础上,提出了单GPU和多GPU图像并行处理设计模型,并通过图像平滑并行算法在GPU中的执行验证了该模型的有效性。试验结果表明,该模型在GPU图像处理中通用性较好,为更多算法的并行化处理提供了理论借鉴。

摘要：针对带纹理模型简化出现的纹理拉伸和扭曲问题,提出一种基于纹理分割的网格简化算法。化简之前,对模型纹理图片进行分割预处理,根据纹理边界将模型分成多个部分分别进行简化。在简化中,保持边界边不变,依据折叠代价阈值约束简化边与不简化边。折叠代价中考虑了模型的特征,使简化后的模型能很好地保持模型的特征结构。简化完成后,按照新顶点坐标重新计算纹理坐标,进行纹理映射。实验表明,由于单独对每个纹理块进行操作,很好地减少了纹理的拉伸和扭曲,简化算法也较好地保持了模型的几何结构。

摘要：随着遥感影像数据量不断增长,为了更加高效地组织与管理海量的遥感影像,研究并提出了改进的基于小波分解的影像金字塔构建方法。利用多分辨率分析和图像的小波分解与重构算法,参考影像金字塔构建的一般方法,将图像小波分解的不同级系数量化、编码后,分别存储于金字塔的不同层中。该构建方法可以有效地降低金字塔各层之间的数据冗余,减少总数据量和浏览时的数据流量,并能更好地支持嵌入式码流和渐进式传输。