Sentinel-2卫星的多光谱轻量级船舶目标检测算法

近年来深度卷积神经网络在可见光船舶检测方面取得了显著的进展，然而，大多数相关研究是通过改进大型的网络结构来提高检测性能，因此加大了对更高计算机性能的需求。此外，可见光图像难以在云、雾、海杂波、黑夜等复杂场景检测到船舶。针对以上问题，提出了一种融合红（red, R）、绿（green, G）、蓝（blue, B）和近红外（NIR）4个波段光谱信息的由粗到精细的轻量型船舶检测算法。与现有的方法中根据光谱特性利用水体检测算法提取水体区域不同之处是该算法是利用改进的水体检测算法来提取船舶候选区域。为获取更准确的候选区域，对船舶、厚云、薄云、平静海面、杂波海面5种场景中4个波段的像素值进行了统计分析，选取近红外大于阈值作为辅助判断，并以其中心点获取候选区域32×32大小的切片，并对切片进行非极大值抑制，由此获得了船舶粗检测结果。随后构建了轻量级LSGFNet网络对船舶候选区域切片进行精细识别。构建的网络融合了1×1卷积提取的波谱特征与3×3的提取几何特征，为防止光谱特征与几何特征的信息在融合时“信息不流通”，在LSGFNet网络中引入了ShuffleNet中的通道打乱机制，并减小了模型结构，与典型的轻量级网络相比具有更好的效果且模型较小。最后，利用Sentinel-2卫星多光谱10 m分辨率数据构建了512×512大小的1 120组数据进行粗检测，以及32×32大小的6 014组数据进行精细网络训练，其中候选区域粗提取的查全率为98.99%，精细识别网络精确度为96.04%，不同场景下的平均精确度为92.98%。实验表明该算法在抑制云层、海浪杂波等干扰的复杂背景下具有较高的检测效率，且训练时间短、计算机性能需求低。     

空中目标多波段红外辐射特性描述与仿真分析

针对空中目标在复杂背景下的探测需求,根据实际目标的运动特性,分析目标在飞行高度、飞行姿态角改变时的辐射特点,基于MODTRAN计算得到大气辐射和衰减数据,建立目标的三维模型、热辐射和反射模型,搭建空中目标的红外成像仿真系统.分析和仿真结果表明:在中波波段,目标尾焰的红外辐射比蒙皮强很多,在长波波段,蒙皮的红外辐射比较强,仿真图像的细节比较多,尾焰的红外辐射虽然有所减弱,红外成像效果依旧很好;相同探测条件下,由于位置越高大气越稀薄,探测器的可探测距离会变得比较远.目标红外辐射特性的分析和红外仿真系统的搭建对缩短红外探测器的研制周期和进一步确定探测器波段和系统分辨率等指标提供了参考依据.     

用RQA 法分析不同信噪比下的非线性系统

以Lorenz系统为例，运用重现图形和重现定量分析法分析了不同信噪比下噪声对连续系统混沌区非线性特征量的影响．选取自相关函数第一次降到C(0)／2时所对应的t作为延迟时间τ，运用错误近邻分析法确定序列的嵌入维m，以重构相空间．结果表明：当信噪比大于5时，序列存在的确定性规律RPA仍能显示出来．随着信噪比的降低，RQA的参量：％recur，％determ，ratio，entropy和trends的绝对值呈下降的趋势．当SNR≥1000时，噪声对各参量的值影响不大．