巨型感知星座星地一体智能化资源管控体系架构

巨型感知星座将具备星上自动处理、星上自主规划、多载荷多模式自动切换等能力,传统的单纯依赖地面系统进行天基资源管控的模式已不能满足巨型感知星座的要求。针对巨型感知星座智能化和网络化资源管控的要求,提出一种星地一体智能化资源管控体系架构,具体设计星上部分、地面部分的工作内容以及星上与地面的交互机制,能很好地适用于巨型感知星座的自主资源管控,实现巨型感知星座观测系统的“网络化、自主化、智能化”,可在国家安全重大应急响应等任务方面发挥重要作用。

基于多模态观测需求信息的遥感星群任务智能规划机制

结合星群观测任务快速智能规划需求和智能快速任务规划相关研究现状,基于应急抢险提交上报过程中常见的语音、文本等多模态观测需求的特点,设计基于多模态观测需求信息的星群观测任务快速智能规划机制。重点解决多模态需求信息的智能解译识别、区域观测任务全要素筹划和复杂应急任务动态高效规划3个面向未来应急抢险应用需求的关键问题,充分利用深度学习的方法,打通观测需求、资源筹划和任务规划3个主体间的自动化流程,实现应急观测需求智能解译、资源智能决策、方案智能生成。最终实现快速协调调动航天观测资源,并在指定时间内执行应急观测任务,充分发挥天基信息资源综合效能的目标,为联合应急抢险任务行动部署提供观测信息支撑。

一种结合上下文与边缘注意力的SAR图像海陆分割深度网络方法

海陆分割对于合成孔径雷达(synthetic aperture radar,SAR)图像海洋目标检测、海岸线提取等任务具有重要意义。针对实际应用中多分辨率SAR图像海陆分割难题,提出了一种基于上下文与边缘注意力的海陆分割方法。该方法利用通道注意力机制融合不同尺度和层次的上下文特征,设计了边缘提取支路提供边缘信息,进一步提高了海陆边界的分割准确率。同时,构建了基于高分三号卫星数据的多分辨率SAR图像海陆分割数据集,该数据集涵盖了多个分辨率,包括港口、岛屿等多种海陆边界类型。并基于所构建的多分辨率SAR图像海陆分割数据集,对所提网络的有效性和各模块的作用进行了实验分析。实验结果表明,所提网络的整体预测准确率和平均交并比分别达到了98.21%和96.47%,能够较好地完成海陆分割任务。