可见光载荷对云海背景下某型隐身飞机探测能力研究

为研究可见光探测器对某型隐身飞机探测能力,首先建立可见光波段云-海-大气耦合的多向吸收-散射模型;再通过对飞机蒙皮和尾焰几何截面在不同太阳入射角和卫星观测角度下的反射特性建模分析,计算到达探测器焦平面的目标以及背景的光谱能量分布,从而得到在给定光照条件下探测器极限信噪比和极限探测距离.最后模拟的仿真成像结果验证了分析模型的正确性和结论的可信度.分析结果表明,以云-海为地物观测背景时,云层的上行反射特性对飞机可探测性的影响最为显著;当太阳入射角小于60°时,飞机蒙皮的表面双向反射率(BRDF)明显高于海平面;太阳入射角大于60°时,云层和海平面对阳光的反射占据主导地位.

基于深度学习的多视图火焰面三维重建

针对火焰面三维重建时存在背景噪点的问题,提出了一种基于MVSNet多视图三维重构网络的IM-MVSNet网络用于重构层流火焰的火焰面。该网络通过对输入采样图像的参考帧以及邻域帧进行图像分割,去除采样时的背景噪声,得到高质量分割图像,然后将多视图图像进行三维重建,构建层流火焰面三维点云,进而得到重构的层流火焰面。通过不同重构模型火焰面重构效果对比,本文提出的三维重构网络能够有效减少重构火焰面的点云噪点,提高火焰面重构精度,为燃烧研究提供了一种新的方法。

复杂背景下低轨红外探测器对隐身飞机目标的探测性分析

以STSSLEO天基红外探测器为例,分析近地轨道红外探测器对国外某隐身飞机目标的探测能力.首先进行了隐身飞机目标的机身气动热分析、发动机喷口及尾焰热分析和辐射分析;然后对海洋-云层-大气的光谱辐射特性及耦合特性进行定量分析,计算得到在给定探测场景(经纬度、季节、时段、风速、光照、大气)及探测谱段下的辐射强度分布;最后基于上述分析结果,给出了星下点模式探测能力分析.结果表明,STSSLEODemo红外探测器在星下点观测模式下,在云层遮挡时的最低信噪比19.2~26.1明显高于阈值信噪比6,完全可以透过云海背景探测并识别隐身飞机目标的尾焰辐射信号.

采用自适应背景聚类的激光雷达与相机外参标定优化方法

针对在复杂外部环境下激光雷达外参标定过程中遇到的标定板三维点云提取不准确的问题,提出一种基于背景聚类的激光雷达和相机外参标定优化方法,避免了在整个三维点云中盲目检测标定板点云,而导致标定结果存在较大误差以及需要人工手动纠正错误特征点的问题。该方法利用无标定板的背景点云与有标定板的目标点云之间部分空间域内的密度差异性,通过自适应空间阈值模型获得标定板点云与背景点云之间的差异系数K,然后聚类两点云中的部分三维点,完成标定板的三维点云提取。实验证明,该方法可以在复杂环境中准确高效地提取标定板三维点云,从而提高激光雷达和相机外参标定的准确性,在此基础上点云正确投影比例可达97.43%,与对比方法相比投影误差降低25.33%左右。

云场景下天基红外探测可用度快速评估

天基红外探测场景下,云的存在会对目标探测造成严重干扰,导致无法连续检测跟踪目标,降低系统探测效能。系统在凝视工作模式下,背景在一段时间周期内变化较小,可根据背景特性建模分析不同云场景下探测系统的可用度。将理论分析、图像仿真、解析建模等多种手段相结合,对云场景下天基红外探测可用度进行快速评估。首先通过对目标穿越云层时的信杂比变化进行分析,建立可用度的初步估计模型,确定可用度的影响因素。然后在图像仿真和解析建模中,基于仿真结果拟合了信杂比低于阈值图像帧数跟云参数之间的线性关系,并结合参数物理含义建立可用度解析模型,采用回归分析法确定模型系数。最后基于新的仿真工况对比天基红外探测可用度的仿真值、初步估计值和解析预测值,验证模型的准确性和鲁棒性,该模型可作为系统可用度效能评估的有益参考。

云计算背景下网络安全技术实现路径分析

现阶段,我国已经迈入了信息化时代发展的行列,处于信息化时代发展的背景下,互联网信息技术涌现.云计算技术是新兴的一类计算模式,已经广泛投入到人们的生产、生活当中,将其和原本所应用的计算模式进行对比可知,使用优势尤为显著.用户应用云计算技术可以投入较少的成本,获取更为优质的计算服务,从根源上节省人力、物力等投入.但是在使用时存在风险隐患,所以需要高度注重云计算技术使用时期所形成的网络安全问题,做好网络安全技术建设工作.就云计算背景下网络安全技术的实现路径进行探究,正确认知云计算背景下开展网络安全技术建设工作的现实意义,结合云计算的特征,找出其存在的安全隐患问题,提出更为有效的技术应用路径,从而高效处理各类网络安全问题,保障信息资源的安全度以及完整度.

基于大气廓线合成背景的目标气云透过率反演

天空向下热红外辐射具有随时空变化而变化的特性,当扫描傅里叶变换红外遥测成像系统以天空为背景对目标气云进行成像扫描时,各扫描像素对应的背景辐射差异较大且没有恒定的基线,因而影响目标气云透过率的精确反演.针对这类问题,提出了基于大气廓线合成背景的目标气云透过率反演方法,首先采用实测地点的温度、湿度、压强和臭氧廓线及大气模式生成天空红外背景,以解决化工园区内难以实时测量纯净天空红外背景谱的问题,其次验证了天空红外背景与天顶角余弦逐波数存在连续可导的关系,使得少量具有天顶角梯度的天空红外背景即可快速插值生成任意仰角位置的天空红外背景谱.本文以中分辨率大气辐射传输模型(MODTRAN)软件仿真和SF6气体的遥测成像实验进行了方法验证,所提方法可以快速生成梯度仰角内任意角度对应的天空红外背景谱,准确反演出各扫描像素的目标气云透过率,反演得到的SF6柱浓度气云分布与实际分布一致,相关性达到0.99979.

面向多背景环境的Sentinel-2云检测

在对遥感影像进行处理分析的过程中,云层覆盖往往会对遥感信息的提取造成阻碍。然而,地表背景环境复杂多变,由于不能有效提取云目标和背景环境间的特征差异,现有方法虽然在大多数背景环境下具有较好的云检测效果,但在某些环境下则存在明显的误分漏分,不能保持原有的检测效果,表现出稳定性差、泛化能力不足的特点。对此,该文提出了一种适用于多背景环境的云检测方法,首先基于Sentinel-2A数据,对云目标与背景环境的光谱特征差异进行分析以辅助检测样本选择,并在此基础上加入薄云最优变换(Haze optimized transformation,HOT)和云位移指数(cloud displacement index,CDI)等更有效的检测指标;最后训练得到基于随机森林的云检测模型,从背景环境和云目标种类对检测精度的影响出发,在不同背景环境的影像上与Fmask算法进行对比。结果表明,相对Fmask算法,该文方法的总体精度和F1分数分别提高了2.2%和2.9%,总体精度和F1分数的标准差分别降低了29.6%和72.5%,说明该方法在保持高检测精度的同时,显著提升了不同环境下云检测的稳定性,能够有效应用于多背景环境下的云检测。

融媒体背景下云计算在智能媒资系统中的应用

常规的智能媒资系统设定的分类指令集群一般为单向目标式,对媒体资料的分类效果不佳,甚至存在信息无法对应的风险,导致系统执行响应时间增加,为此提出对融媒体背景下云计算在智能媒资系统中的应用与分析。针对实际的需求及标准,通过需求分析、资料整理业务与应用服务需求以及实录,审片需求进行系统设计需求分析。随后,进行系统硬件框架的设计,以此为基础,关联媒体资料分类功能模块,并综合云计算技术,构建多层级的分类指令集群,明确具体的覆盖范围,进而提升信息的保护程度,实现多层级云计算分类指令集群设计,最终接入云计算资料分类数据库,完成系统软件的设计。系统测试结果表明:通过三组测试的对比,系统的响应时间得到了进一步控制,均在0.5s以下,这说明该系统在云计算技术的优化下,媒体资料的分类效果以及速率得到了明显的提升,且误差可控,针对性较强,具有实际的应用价值。

基于Wiener滤波的小目标检测方法

红外云背景中小目标检测是红外成像技术的一种典型应用。为了检测红外云背景中的弱小目标,分析了背景特性,建立了红外场景模型,提出了一种基于Wiener滤波的自适应背景抑制方法。经过去除虚假目标和目标分割,再利用目标运动的连续性和规则性进行目标检测和跟踪。对包含了仿真目标的红外云背景图像序列进行了实验,结果表明,该方法能够有效地从信噪比为2.0的背景中检测到小目标。

云背景下红外小目标检测的分形方法

针对云背景下红外小目标检测对背景起伏依赖性强的问题,提出采用分形方法实现不同起伏背景的小目标检测。首先利用分数布朗随机场模型对实际云背景图像建模得到分形曲线,然后通过分析小目标存在对云背景分形特性的影响,总结出云背景区域含小目标时其分形曲线面积增大的规律,据此提出了基于分形曲线面积差量的小目标检测方法。实验结果表明:在虚警率为10-3时,分形方法对弱起伏和中等起伏云背景下红外小目标检测概率达到1.0,对强起伏云背景下红外小目标检测概率达到0.6,较现有其他一些方法具有更好的检测效果和背景适应能力。

云杂波成像背景的时序多帧投影抑制

为提高空间目标天基实时监视能力,对美国在空间中段实验卫星上搭载的空间目标在轨检测与跟踪信号处理器采用的基于时序多帧投影策略的MTI(Moving Target Indicator)算法进行了深入研究,并提出了一种基于时序差分标准化最大值投影的云杂波背景抑制算法。系统地阐述了时序多帧投影算法的思想与典型投影算子的设计方法;针对云杂波成像场景,对MTI算子提出了两点改进方法,即引入相邻帧差分算子与次序统计量中值估计算子来提高对云杂波成像背景的抑制能力,增强背景抑制算法的稳健性;最后,利用实际获取的云层背景图像数据库,仿真比较了不同投影算法的性能差异及影响算法性能的主要因素。仿真实验结果表明:对于输入信杂比小于2.0的弱小目标图像,本文算法的输出信杂比达到5.8以上,比MTI算法平均提高了1.0左右,有效解决了云杂波成像背景的弱小目标检测问题。

基于背景抑制的4种红外小目标检测算法比较

背景抑制是红外小目标检测的关键技术。对空域高通滤波、最大中值滤波、单一结构元素形态学和多结构元素形态学的背景抑制原理进行分析,并在云杂波背景条件下对4种算法进行仿真并作比较。仿真结果表明多结构元素形态学算法性能最好,最大中值滤波算法次之,单一结构元素形态学算法稍差些,高通滤波算法最差。

人工增雨催化响应试验分析

针对2003年7月8日吉林省境内一次积层混合云人工催化响应过程,确定人工增雨效果检验的背景区和催化响应区,分析云系人工增雨的可播性及背景区与响应区云的微物理量差别。结果显示:(1)催化响应区中冰粒子数浓度明显高于背景区,其中直径为37.5~187.5μm的冰粒子数浓度增加最多;(2)催化响应区中直径小于等于18.5μm的小云粒子数浓度低于背景区,而直径为18.5~45.5μm的大云粒子数浓度则相反;(3)催化作业后,过冷水含量减少,雷达回波强度增加,强回波区范围增大,此次人工催化作业催化响应明显。

与强对流相联系的云系特征和天气背景

对2005—2011年造成高影响的一些强对流天气过程,按其云系特征和天气背景分为冷气团内部型、西风槽或冷涡云系尾部型、梅雨锋或切变线云系上嵌入型和高原东移高空槽云系型4种类型。冷气团内部型强对流发生在锋面或切变线云带后部的晴空区内,沿高空西北气流下滑的积云簇或向东南方向移动的短波槽是其发生的关键因子。西风槽或冷涡云系尾部型强对流发生于云带的尾部,云带后部干气流的反气旋式侵入是其主要特征。梅雨锋或切变线云系上嵌入型强对流出现在梅雨锋或切变线上,云带的北边界因常与高空急流相平行而比较清楚,强对流云团出现时云带北部的急流与高空的反气旋脊线距离较近。高原东移高空槽云系型强对流的关键影响系统是从青藏高原东部移出的短波槽云系,从水汽图像上可以看到其后部常有暗区或暗带相伴。

半透明云风矢量高度算法中云下背景辐射的估计

半透明云风矢量高度指定是卫星风矢量算法的重要部分,需要来自半透明云体的辐射和云下背景辐射两个变量。云下背景辐射发生在云层下面,未被卫星直接观测到,为了在半透明云风矢量高度指定算法中更精确地获得云下背景辐射,使用风矢量附近无云区的红外/水汽散点图,估计云下背景辐射。分析表明:在追踪区域里存在无云区的情况下,追踪区的最高红外亮温可代表红外通道的背景辐射;而水汽通道的背景辐射,却在红外亮温高值区段内水汽亮温相对较低区段。追踪区内找不到无云区时应扩大搜索范围,找到无云区后可估计云下背景辐射。在半透明云风矢量高度指定算法中使用云下背景辐射估计的改进算法前后,计算FY-2气象卫星进行风矢量,并将结果与欧洲中期天气预报中心(ECMWF)分析场进行对比表明,在半透明风矢量高度指定算法中使用云下背景辐射估计,FY-2气象卫星风矢量误差明显降低。

云层背景目标识别的匹配滤波器设计

提出一种利用最大平均相关高度(MACH)算法识别复杂云层背景目标的改进滤波器设计方法。在MACH滤波器设计中,通过对云层背景功率谱的统计特性分析,数据拟合得到云层背景功率谱的分布函数,用以代替传统的白噪声模型;提取飞行目标的姿态变化图像,并作阈值化处理,得到训练样本。对不同云层背景和姿态变化目标的相关识别结果表明:改进滤波器的平均峰值相关能量比为0.71%,峰值鉴别率为0.92,可以有效抑制云层背景的干扰,对姿态变化目标识别的鲁棒性较好。

江淮对流云发生规律及其垂直结构分析

利用安徽省内多普勒雷达组网数据,统计分析了江淮地区2013—2014年6—9月发生的对流云结构特征,共找出227个对流云个例,将不同对流云按结构分为9类,归类后发现江淮对流云以孤立对流、簇状对流和非线性对流为主,分别占总对流数的29.1%、18.1%和23.3%。不同的天气背景条件下,主要发生的对流结构也不同,低槽Ⅰ型天气下,主要以孤立对流云为主;低槽Ⅱ型天气下,主要发生的对流以非线状对流为主,同时由于低槽Ⅱ型是江淮地区多发的天气类型,所以这种天气是各种对流的高发型天气。利用调频连续波雷达探测获得高时空分辨率云体时间-高度剖面,了解云体的垂直结构,给出比一般雷达产品更加精细的对流云个例显示,典型孤立对流云、簇状对流云和非线状对流云的个例剖面图,及相应水粒子最大下落速度分别为13.3、8.2和11.5 m·s^(-1)。

基于多结构元素的云杂波背景小目标检测算法

背景抑制是小目标检测的基础。传统的形态学单一结构元素,对云杂波背景滤波常留下强云层边缘,增加了后续处理的复杂程度。针对这一问题,在分析云层边缘形状和结构元素选择方法的基础上,构造与云层边缘相关的多结构元素。并用基于多结构元素的小目标检测算法,对云杂波背景图像仿真,仿真结果表明,该算法对云杂波背景抑制效果好,提高图像的信噪比,有效检测出小目标。

云天背景下的红外弱小目标检测算法

根据点目标在红外系统中的成像特点,提出了一种红外弱小目标快速检测算法,首先进行下采样来减小图像大小;再运用"梯度增大法"增强图像对比度;然后与背景预测图像做差值运算,用最佳门限从差图中得到候选目标集;最终利用相临帧的相关性在后续帧处理中确定目标。仿真试验表明本文算法能从复杂云层背景中快速有效地检测出目标。