基于改进Yolov5l的航空小目标检测算法

针对航空图像小目标检测存在的检测精度低、误检与漏检严重等问题,提出一种基于改进Yolov5l的航空小目标检测算法(AS-Yolov5)。在Yolov5的主干特征提取网络中引入空洞卷积,使用Transform的Decode模块,在特征融合网络中新增检测头,FPN+PAN特征融合时设置融合权重,输出端采用SE-Net注意力机制,测试时进行多尺寸输入及测试时间增强(TTA)。算法在visdron2021数据集上进行验证,实验结果表明,AS-Yolov5的均值平均精度@0.5(mAP@0.5)为41.0%,较Yolov5l的28.5%提升12.5%,有效提高Yolov5l难以在远距离、暗环境、密集分布和图像模糊的场景下的小目标检测能力。

基于直方图区域生长的遥感图像阈值分割算法

传统阈值分割算法从单阈值扩展到多阈值的过程中,时间复杂度会大幅度增加,并且由于遥感图像信息复杂,会导致分割效果降低。为了解决这些问题,本文提出了基于直方图区域生长的遥感图像阈值分割算法。在本文算法中,每一个灰度级均作为1个初始阈值,用256个阈值将直方图分割成256个原始小区域。为了减少阈值数目,本文将小区域合并成大区域,每一次合并都可视为一次区域的生长。在每次生长过程中,选取熵值H最小的区域作为直方图各区域中的主区域,并通过本文提出的预匹配策略将其与相邻区域合并。每一次区域生长后,阈值数目均减少1个。在整个过程中,最多只需要生长255次。算法的时间复杂度稳定在O(L)级别。最后通过单阈值和多阈值试验证明本文算法在运行时间和分割精度上均具有优势。

吉林一号光谱卫星技术创新与应用成果

一、吉林一号光谱卫星简介吉林一号光谱卫星于2019年1月“一箭双星”发射,单星质量为205kg,携带了多光谱成像仪、短波红外相机、中波红外相机、长波红外相机、星上AI智能处理系统、自动识别系统(AIS)船舶报文接收机、北斗短报文通信终端等有效载荷,可以实现5m分辨率、110km幅宽、26谱段的遥感数据获取,可以每天搜集全球船舶信息,针对用户对舰船识别的迫切需求,增加基于星上AI智能处理的舰船识别与监测,应急响应时间可控制在1分钟以内。吉林一号光谱卫星性能参数如表1所示。

移轴组合相机拼接模型及自检校技术研究

研究了非量测型移轴组合相机的图像拼接技术,以双拼移轴相机为研究对象,探讨了其虚拟像空间坐标系建立,并以此为基础建立子影像至虚拟影像的变换模型。提出一种基于初值约束的投影矩阵自检校方法,该方法利用移轴相机检校参数,结合子影像变换模型,推导和计算自检校方程,精确解求虚拟影像拼接参数。设计了室内外地面实验以及航飞实验,对提出的方法进行了验证。实验结果表明,利用该方法进行移轴组合相机虚拟影像拼接,精度优于0.4像素。

移轴原理的数字相机检校

移轴相机由于其垂视摄影且视场可扩展的优势,已逐步开始应用于航空大面阵多相机系统中。针对当前航空移轴大面阵多相机系统未检校或由于检校精度不高导致几何精度较低的问题,提出了一种针对移轴成像的数字相机几何检校方法。该方法建立了移轴影像像平面坐标系到基准像平面坐标系的转换关系,并以此为基础构建移轴相机几何检校模型。本文以典型的单反移轴相机为例,利用室内三维检校场数据进行了实验验证与分析。结果表明,利用该方法对移轴相机进行检校是可靠的,并达到了较高的精度。

多层感知卷积神经网络的国产多光谱影像分类

联合像元谱段信息与空间结构特征,提出一种适用于多光谱遥感影像像素级分类的多层感知卷积神经网络(MPCNet),并基于吉林1号光谱卫星(Jilin-1GP)影像,在印度纳西克研究区对地表覆盖分类算法进行性能测试。为保证实验的高可靠性,在相同时间段结合Landsat8、Sentinel-2A及HJ-1A影像进行同步分类来定性与定量评估。除此之外,选取三个当前流行算法支持向量机(SVM)、LightGBM、浅层卷积神经网络(CNN)进行算法性能比较。实验结果表明,在Jilin-1GP影像上的总体分类精度可达94.0%~95.8%,Kappa系数达到0.932~0.948。相比准确率较高的浅层CNN,MPCNet的总体分类精度提升3.7个百分点。

联合连续学习的残差网络遥感影像机场目标检测方法

在现有的高分辨率、大尺度目标遥感图像的检测中,传统方法由于提取特征手段单一、速度慢而无法快速并准确地从光学遥感影像中实现机场目标的识别。受人类视觉系统层次认知的启发,提出了一种适用于中高分辨率光学遥感影像的机场目标检测网络(CLRNet)。首先构建深度残差块,并将其作为特征提取网络;然后基于生成的样本核心集,采用连续学习方式从海量遥感数据中逐次迭代,精调机场检测模型;经过连续学习得到了鲁棒性强、遗忘度低的检测模型,该模型可以准确快速地从海量复杂背景下的光学遥感影像中识别出机场目标,而且对薄云遮挡以及卫星拍摄不全的机场有较好的识别效果。选取国产吉林一号卫星影像数据集进行测试,结果表明:所提方法的检测精度mAP(IoU不小于0.5)可达0.9613,每景的检测时间为0.23s。