卫星激光测距技术滤波方法的研究与实现

本文从激光测距回波方程及噪声方程出发阐明了降低背景噪声(滤波)是提高激光测距回波信噪比的关键;并通过对望远镜轴系进行指向修正并采用可变光阑减小望远镜视场来实现"空间滤波",采用窄带滤光片实现"光谱滤波",采用高精度距离门选通技术实现"时间滤波",北京房山人卫观测站的激光测距系统具备了白天观测人造地球卫星的能力。本文还引入了C-SPAD"敏感度"的概念并且提出了一种依靠C-SPAD来调整可变光阑位置及滤光片角度的方法。     

航空矢量重力测量中光纤陀螺随机漂移误差实时补偿方法

光纤陀螺随机漂移误差是影响航空矢量重力测量系统姿态解算精度的关键因素。建立模型并在输出中对其补偿是抑制该项误差的有效方法。针对传统ARMA模型只能对平稳随机漂移误差建模,且模型无法满足实时滤波需求的问题,本文引入适用于非平稳随机漂移误差的ARIMA模型,同时给出详细的建模过程,并提出采用实时平均算法消除原始采样序列中常值分量的思路,实现了随机漂移误差的实时Kalman滤波估计。基于本文所提出的模型和实时滤波算法,对光纤陀螺实测数据进行分析,结果表明处理后信号中随机漂移误差的方差减小了46.5%。Allan方差分析结果表明,滤波后角度随机游走系数和角速率随机游走系数分别降低了约50%和40%。本文的结果说明ARIMA模型能够准确描述陀螺的非平稳随机漂移误差。基于实时平均算法的Kalman滤波可实现随机漂移误差的在线估计,有望提高航空矢量重力测量系统的姿态解算精度。     

基于循环特征融合的弯道增强车道线检测算法

针对道路转弯处曲率过大导致弯道识别的精度下降的问题,本文提出了一种基于循环特征融合Resa-CC的弯道增强车道线检测算法。该算法利用车道线的形状先验性,捕获图像像素中行与列的空间关系,融合信息生成特征图;以残差网络为主体框架,加入编码器、解码器和注意力机制模块,在损失函数中引入弯道结构约束来提高车道线弯道的识别精度。加入循环特征融合模块和自注意力机制模块后准确率分别提升3.41%和1.1%,证明了两模块的有效性;Resa-CC算法准确率可达96.83%,FPS为35.68,误检率FP和漏检率FN分别为0.031 5和0.028 2,表明本文算法具有较高的检测性能,在车辆行驶弯道路段中能更准确地推断出车道线的位置。     

渐进三角网加密滤波辅助的布料模拟滤波

为了提高布料模拟滤波（CSF）算法处理复杂地形时的精度与适应性,本文提出了渐进三角网加密滤波辅助的布料模拟算法（CSFPTD）。该方法首先根据地面点云回波次数特点提取单、末次回波点云,以提高点云处理效率,在此基础上,采用渐进三角网加密滤波算法提取地面点,建立宏观反映复杂地形特征的粗数字地面模型（DTM）,对点云进行高程归一化处理,消除地形起伏对点云滤波结果的影响,最后CSF实现点云精细滤波。对CSFPTD算法与经典CSF算法进行了对比实验,其中,Ⅰ类误差由11.81%下降到7.48%,Ⅱ类误差由1.90%下降到1.23%,总误差由4.05%下降到2.58%。实验结果表明：CSFPTD算法在综合复杂地形下的滤波精度明显提高,提升了算法的地形适应性。     

采用张量子空间的高光谱影像多维滤波算法

本文提出了一种基于张量子空间的多维滤波算法,将其应用于高光谱遥感影像降噪。该方法将高光谱影像数据视为三阶张量,引入张量数据表达,通过张量子空间分解将含噪影像投影到信号子空间,根据影像信号与噪声在子空间中分布的不同滤除噪声并保留原始影像的信号成分。利用该算法作用于多组含噪高光谱数据,对比逐波段二维维纳滤波算法、小波降噪算法等传统数字图像降噪算法的结果,实验证明了这种新型降噪算法的有效性。     

基于小波的ICM不变特征在图像匹配识别中的应用

由于交叉皮层模型(intersecting cortical model,ICM)图标信号具有平移、旋转以及尺度不变性,因此,基于ICM的图像匹配算法能够提高实时目标图与基准目标图的匹配率,但根据ICM图标信号获取的不变特征对噪声信号较敏感。针对这一问题,提出了基于ICM和小波变换的图像匹配识别算法。仿真结果表明,本文算法在平移、尺度、旋转变化以及噪声环境下仍具有较高的匹配率。     

基于概率霍夫变换的车道线识别算法

为满足在高精细导航电子地图中进行车道线绘制的需求,本文提出一种基于概率霍夫变换的车道线识别算法。算法在图像预处理部分使用一种基于转换颜色空间的方法提取车道线像素,之后利用自适应阈值的Canny边缘检测算法和概率霍夫变换算法实现车道线识别。试验结果表明,本文算法的运算速度维持在2秒/帧;识别正确率与Matlab经典Hough算法相比提升9%左右,漏检率也有所降低。同时拍摄质量较差图像的针对性试验结果,也证实了本文算法能有效降低天气和光照等因素对车道线识别造成的影响。     

一种改进扩展卡尔曼滤波算法的GPS多径抑制应用

在用EKF算法消除微弱GPS卫星信号中的噪声,并估计出多径幅度与码相位时延的码跟踪环中,由于各种误差的存在,从而降低了环路的跟踪性能。针对这一问题,该文在EKF算法的基础上提出了一种LSEKF算法,该LSEKF算法用最小二乘估计的原理对EKF算法所用的采样观测点进行修正,构造出一组无偏、均方误差和最小与空间分布确定的新型采样观测点,用来进行后续的滤波估计。仿真结果表明,相比EKF算法,LSEKF算法拥有更高的伪码跟踪精度,而且收敛速度更快,跟踪门限也更低。     

联合概率密度空间的遥感自适应变化检测方法

多种因素引起的辐射特征变化,将造成阈值法变化检测的误检。对此,本文提出了一种联合概率密度空间的多阈值自适应变化检测方法。首先,将影像从像素空间转化到联合概率密度空间,将变化地物定义为联合概率密度空间的离群点,并采用迭代方法将其提取,然后映射回原始影像后确定变化区域。选取两种典型应用进行试验,结果表明,本文方法在正确率、误检率和漏检率方面优于传统方法,具有较好的稳健性。     

改进Yolo-v3的视频图像火焰实时检测算法

为解决现有视频图像火焰检测方法精度低、速度慢的问题,提出了改进Yolo-v3的视频火焰实时检测算法。首先,在特征提取阶段,通过进一步融合多尺度特征提高网络对图像浅层信息的学习能力,以实现小火焰区域的精准识别;其次,在目标检测阶段,利用改进的K-means聚类算法优化多尺度先验框以适应火焰不同尺寸;最后,在改进Yolo-v3的视频火焰检测之后,利用火焰特有的闪烁特征对检测结果中的误检帧进行排除,进一步提高检测精度。从精度和速度两个方面对视频火焰进行检测,并与近年来先进的火焰检测算法对比,结果表明,该方法准确率均值可达到98.5%,误检率低至2.3%,平均检测速率为52帧/s,在精度和速度方面皆有更好的表现。     

基于泛在信号融合的室内外场景鲁棒感知算法

针对室内外场景结合的导航应用服务需求的发展以及现有室内外场景感知方法的识别稳定性较低、准确率不高问题,本文提出一种基于泛在信号融合的室内外场景鲁棒感知算法,利用室内外场景中融合的泛在信号降低单一信号识别误差;同时为提高传统AdaBoost算法对不平衡数据集的分类精度,采用概率神经网络（PNN）作为训练的弱分类器,并引入熵权法,对迭代产生的弱分类器的权重进行修正来提高强分类器的分类准确率．现实场景下的实验表明,本文算法在采用室内外环境中的WiFi信号、全球卫星导航系统（GNSS）可用星数、光照强度这三种融合的泛在信号进行室内外场景感知时性能最佳,对于不同角度方向下的室内外场景切换,可以在误报率仅为1.7％的情况下,达到98％的识别准确率,验证了本文所提算法的准确性和鲁棒性．      

距离门宽度对单光子激光测高卫星探测概率及测距精度的影响

针对距离门对单光子激光测高卫星探测概率以及测距精度的影响,结合激光雷达方程、单光子探测方程进行理论推导,采用不同宽度的距离门分析讨论,并利用蒙特卡洛方法进行模拟仿真试验。通过理论分析和仿真试验证明,距离门宽度对于探测概率影响不大,对于虚警概率具有较大影响,距离门为100 ns时,测距误差可以满足激光测高卫星的测距要求,当距离门宽度超过400 ns时,噪声占比会较大,测距精度会急剧下降,需要在数据后处理阶段采用精细化的滤波算法提取有效探测光子,保证测量精度。为保证对同一点重复观测25次,根据ICESat-2卫星的激光载荷参数,推导出光斑大小、光斑间距、激光重频三者之间的定量化关系。相关结论对于后续国产单光子激光测高卫星的设计与指标论证可提供一定参考。     

快速高准确度云检测算法及其应用

采用光谱阈值判别和纹理分析相结合的方法, 提出一种基于树状判别结构的快速高准确度云检测算法, 综合利用多个判别准则, 确定图像中云层覆盖情况, 与传统方法相比能够获得更高的分辨精确度。树状判别结构还能够在平均意义上显著提高算法运行效率。同时, 提出了一种改进的分形维数计算方法, 能够在不影响精确度的前提下, 使算法的运行效率提高5倍左右, 基本满足实时性的要求。所提出的云检测算法已在中巴地球资源卫星项目中实际应用, 实际测试结果表明, 该算法达到自动云检测的虚警概率小于5%, 漏警概率小于10%的工程要求。     

GLONASS频间码偏差实时估计方法及其在RTK定位中的应用

GLONASS伪距频间偏差难以利用经验模型消除。在RTK定位解算中,尤其是需顾及大气延迟的中长距离异质基线,IFCB会降低模糊度收敛速度,甚至导致模糊度固定错误。本文基于双差HMW组合和消电离层组合,提出一种站间IFCB实时估计算法,实时获取各频段的非组合站间单差IFCB。试验结果表明,站间IFCB长期稳定,可达数个纳秒;在GPS/GLONASS观测值先验误差比值为3：5的条件下,未改正的IFCB可能导致基线GPS/GLONASS组合RTK定位性能比单GPS差。将本文提出算法应用于RTK定位,能够有效消除IFCB的影响,RTK模糊度浮点解精度、定位收敛速度和固定率都有明显改善,部分基线的RTK定位首次固定时间从9.2 s提高到2.1 s,固定解比率从84.5%提高到97.9%。     

TERRA: Terrain Extraction from elevation Rasters through Repetitive Anisotropic filtering

Over the past decades, several filters have been developed to derive a Digital Terrain Model (DTM) from a Digital Surface Model (DSM), by means of filtering out aboveground objects such as vegetation. In this filtering process, however, one of the major challenges remains to precisely distinguish sharp terrain features, e.g. ridges, agricultural terraces or other anthropogenic geomorphology such as open-pit mines, riverbanks or road ramps. Hence, loss of elevation data around terrain edges (and consequent smoothing) is very common with existing algorithms. In terraced landscapes, the preservation of precise geomorphology is of key importance in digital terrain analyses, such as hydrologic and erosion modelling, or automatic feature recognition and inventorying. In this work, we propose a new filtering method called TERRA (Terrain Extraction from elevation Rasters through Repetitive Anisotropic filtering). The novelty of the algorithm lies within its usage of terrain aspect to guide the anisotropic filtering direction, therefore maximising the preservation of terrain edges. We derived six DTMs from DSMs using UAV Structure from Motion (SfM) photogrammetry, laser altimetry and satellite sources (grid resolutions ranging from 0.1–1.0 m). The results indicated a close agreement of DTMs filtered using the TERRA algorithm and reference DTMs, while terrace risers were well preserved even under thick canopies of vines and trees. Compared to existing filtering approaches, TERRA performed well in minimising Type I errors (false ground removal), while Type II errors occurred locally where vegetation was covering the terrace edges. Given the promising filtering performance, and supported by the minimal requirements of parameterisation and computation, the TERRA algorithm could be a useful tool in DTM preparation for digital terrain analysis of agricultural terraces and similar hillslopes characterised by a complex mosaic of sharp terrain and non-terrain features.     

Study on the Combined Application of CFAR and Deep Learning in Ship Detection

To maintain national socio-economic development and maritime rights and interests, it is necessary to obtain the space location information of various ships. Therefore, it is important to detect the locations of ships accurately and rapidly. At present, ship detection is mainly carried out by combining satellite remote sensing imaging with constant false alarm rate (CFAR) detection. However, with the rapid development of satellite remote sensing technology, remote sensing data have gradually begun to show the characteristics of “big data”; additionally, the accuracy and speed of ship detection can be improved by analysing big data, such as by deep learning. Thus, a ship detection algorithm that combines CFAR and CNN is proposed based on the CFAR global detection algorithm and image recognition with the CNN model. Compared with the multi-level CFAR algorithm that is based on multithreading, the algorithm in this paper is more suitable for application to ship detection systems.     

双通道SAR振动目标快速检测

目标的振动会对雷达回波产生特殊的相位调制，称为微多普勒效应，能够提供对微动目标检测的有利信息，因此对提高SAR(Synthetic Aperture Radar)系统性能具有重要意义。然而，已有的检测算法存在运算量大、抗杂波噪声能力弱和无法适应多振动目标等问题。针对这些问题，本文提出一种对振动目标检测的新算法。该算法利用相位中心天线偏置DPCA(Displaced Phase Center Antenna )对消技术消除杂波，并沿方位向累加DPCA信号来提高算法的抗噪声能力。由于振动目标SAR方位回波的频谱与脉冲序列具有高度相似性，本文算法选择了检测重复脉冲序列的脉冲重复频率PRI(Pulse Repetition Interval )变换法来实现振动目标的检测。仿真实验表明，本文算法能够在强杂波噪声条件下检测振动目标，同时具有准确振动频率估计性能，甚至当同一个单元存在多个振动目标时，本文算法依然适用。仿真中振动目标检测的计算机运行总时间不超过0.6 s，说明本文算法适用于实时检测，通过与GLRT算法和Hough变换算法运算量的比较，证明了本文算法相比于经典算法具有运算量小，检测速度快的优点。     

Canopy Structure Attributes Extraction from LiDAR Data Based on Tree Morphology and Crown Height Proportion

Urban green space is important for the well-being of urban residents. Seeking for three spatial dimension stereopsis is a very important issue in investigating urban green space. A potential applicability in the domain of urban tree space measurement and modelling has been explored based on LiDAR data in our study. This paper aims to present a framework—through a more automatic way—to extract canopy structure attributes. In this study, treetops were filtered by local maxima filtering algorithm from canopy height model. An improved spoke wheel algorithm was used to delineate the crown boundaries. And, an estimation issue of crown volume was simplified into three measurable parameters by estimating the crown structures. For accuracy assessment, data of 363 sampled trees located in the subset of Székesfehérvár city were selected randomly. The overall detection rate of treetop had proven to be 95.87% and crown boundaries were recognized effectively with a delineation quality of 88.59%, which were acceptable. About 80.26% of investigated crown volume estimates were obtained with shape distortion ranging from 3.1 to 7.8% according to the error analysis. The results indicated that the method can be used to extract canopy structure in urban areas.     

结合显著图和深度学习的遥感影像飞机目标识别

为准确快速识别高分辨率遥感影像中的飞机目标，提出了一种结合显著图和深度置信网络（DBN）的飞机目标识别算法。本文首先使用HC （直方图对比度）算法提取遥感影像中的显著目标；然后通过定位连通区域确定候选目标的位置；随后提取候选目标的颜色矩、Hu不变矩、灰度共生矩阵、Tamura纹理特征和边缘方向直方图；最后将归一化后的多特征融合数据应用到深度置信网络进行目标识别。试验结果表明，本文算法的检测率为98.46%，虚警率为5.20%。算法从多种底层图像特征出发，有效克服了单一特征描述能力不足的问题，提高了飞机目标识别能力及抗干扰能力。