摘要：针对自然灾害监测、海洋目标监视等多星协同探测应用场合,首先分析了多源卫星信息在轨融合处理的必要性,其次总结了国内外卫星数据在轨处理的研究现状和存在的问题,然后在此基础上从星上探测、通信和计算资源出发,分析了适应在轨处理的在轨自主任务规划、目标信息表征、多源卫星信息目标在轨关联、多源卫星信息在轨特征融合、星地协同数据处理与动态交互等多源卫星信息在轨融合处理的相关问题和关键技术,最后,给出未来发展趋势展望。

摘要：针对目前基于深度学习的合成孔径雷达(SAR)图像舰船目标斜框检测方法难以满足实时化检测需求的问题,提出了一种轻量化SAR舰船目标斜框检测方法。该方法基于无锚框框架,设计了轻量化的网络结构,对模型参数量和运行速度进行了优化,可直接从头训练。同时,为解决基于角度回归的斜框参数表示方法存在的角度敏感性问题,提出了基于旋转向量的斜框参数表示方法。在公开的SAR图像舰船目标检测数据集上的实验结果表明,所提方法在无需预训练的情况下取得了与迁移学习方法相近的检测精度,模型参数量和运行速度取得了最优结果,充分验证了所提方法的有效性。

摘要：针对目前基于深度学习的舰船目标斜框检测方法存在计算量大、效率低的问题,提出一种基于目标中心点的单阶段检测模型.由于舰船中心点不受舰船分布方向影响,模型主要思想是以目标中心点检测为基础,回归中心点处目标斜框的尺度和方向.首先设计特征提取网络,将卷积神经网络细节信息丰富的底层特征与语义信息丰富的高层特征融合起来形成特征图;然后将特征图输入到三个检测分支,分别预测目标中心点、中心点偏移值以及斜框的尺度与方向;设计组合损失函数对网络进行训练,并改进非极大值抑制算法以适应目标斜框检测的需要.在公开的SAR图像舰船目标检测数据集与光学遥感图像上进行了实验,实验结果表明,测试集平均准确率达0.906,检测精度与速度均优于其它检测模型,充分验证了所提算法的有效性.

摘要：针对高分辨率合成孔径雷达(SAR)图像舰船检测对检测精度、智能化水平、实时性和处理效率的要求,在研究了高分辨率SAR图像海洋背景和目标特点的基础上,提出了一种基于支持向量机的高分辨率SAR图像舰船目标检测算法。算法首先设计了一个对分块区域进行线下训练的支持向量机(SVM)分类器对SAR图像分块进行舰船目标区域筛选,进而实现对包含不同观测部分的舰船目标分块的筛选,之后对筛选出的舰船目标区域进行最大熵阈值(KSW)算法进行舰船目标精细检测。采用TerraSAR-X等多幅商业卫星数据进行了实验验证,通过与经典CFAR检测算法的对比得出结论,算法在改善了由斑点噪声和海洋杂波背景不均匀导致检测结果产生大量虚警的同时,检测速度也较之提高了20%~35%。

摘要：目的利用合成孔径雷达(synthetic aperture radar,SAR)图像进行舰船目标检测是实施海洋监视的重要手段。基于深度学习的目标检测模型在自然图像目标检测任务中取得了巨大成功,但由于自然图像与SAR图像的差异,不能将其直接迁移到SAR图像目标检测中。针对SAR图像目标检测实际应用中对速度和精度的需求,借鉴经典的单阶段目标检测模型(single shot detector,SSD)框架,提出一种基于特征优化的轻量化SAR图像舰船目标检测网络。方法改进模型并精简网络结构,提出一种数据驱动的目标分布聚类算法,学习SAR数据集的目标尺度、长宽比分布特性,用于网络参数设定;对卷积神经网络(convolutional neural network,CNN)提取的特征进行优化,提出一种双向高低层特征融合机制,将高层特征的语义信息通过语义聚合模块加成到低层特征中,在低层特征中提取特征平均图,处理后作为高层特征的注意力权重图对高层特征进行逐像素加权,将低层特征丰富的空间信息融入到高层特征中。结果利用公开的SAR舰船目标检测数据集(SAR ship detection dataset,SSDD)进行实验,与原始的SSD模型相比,轻量化结构设计在不损失检测精度的前提下,样本测试时间仅为SSD的65%;双向特征融合机制将平均精确度(average precision,AP)值由77.93%提升至80.13%,训练和测试时间分别为SSD的64.1%和72.6%;与公开的基于深度学习的SAR舰船目标检测方法相比,本文方法在速度和精度上都取得了最佳性能,AP值较精度次优模型提升了1.23%,训练和测试时间较精度次优模型分别提升了559.34 ms和175.35 ms。结论实验充分验证了本文所提模型的有效性,本文模型兼具检测速度与精度优势,具有很强的实用性。

摘要：分析了高分辨率SAR图像中海洋背景和舰船目标的特点,针对高分辨率SAR图像提出了一种两阶段舰船目标快速检测算法:第一阶段采用改进的频谱残差视觉显著计算模型快速获取视觉的感兴趣区域;第二阶段检测阶段,结合贝叶斯理论二元假设检验的思想,设计了一个局部最大后验概率分类器进行像素分类,经参数估计、判决准则完成显著区域内像素二分类以实现目标检测。实验采用典型的高分辨率SAR卫星Terra-SAR-X卫星数据进行仿真实验,结果表明所提算法具有良好的检测性能,也更加符合实际高分辨率图像舰船目标检测的应用需求。通过进一步实验与以往检测算法的对比得出结论,高分辨率SAR图像舰船目标检测方法在能够改善由斑点噪声和不均匀的海杂波背景对检测结果带来虚警的同时,检测速度也提高了25%~50%。

摘要：通过对分布式C4ISR系统通信报文传输标准仿真验证系统的功能、组成、仿真模型与仿真系统流程的研究,提出了分布式C4ISR系统通信报文传输标准仿真验证系统的设计方案。系统可用于对新提出的C4ISR系统通信报文传输标准进行正确性验证与可行性分析,同时可为新标准实施后的实装贯标改造工作提供技术支撑。

摘要：低分辨率SAR(合成孔径雷达)卫星遥感图像具有大幅宽特点,是广域海上目标搜索的重要手段,但相较于高分辨率遥感图像,可用于目标识别的特征较少,导致识别性能有待提高。论文探索并设计了一种基于深度学习的低分辨率多极化SAR卫星遥感图像舰船目标融合识别的算法。首先,以多极化SAR图像为输入,利用改进的VGG16网络提取图像特征得到各极化通道的分类结果,同时自动学习各极化通道的权重,然后,对分类结果进行决策级加权融合;最后,利用公开的OpenSARShip数据集进行实验验证,结果表明,与单极化SAR图像舰船目标识别以及其他融合识别方法相比,该算法一定程度上提升了舰船目标识别效果。