分块DPCM与5/3整数小波变换结合的天文图像无损压缩

针对海量的天文图像数据与有限的存储空间和带宽资源之间矛盾日益突出这一问题,提出一种无损压缩方法,首先将超大天文图像分块,再使用差分脉冲编码调制和5/3整数小波变换,最后使用霍夫曼算法编码。对该方法的原理和具体实现做了详细的分析与介绍,通过实验验证该方法比天文中常用的tar、PKZip、WinZip、WinRar软件在压缩比上分别提高了30%、29%、26%、2%,压缩速度远大于WinZip和WinRar;且该算法实现简单,适合硬件实现和利于并行处理。     

基于CCD星图的空间目标精确光学定位方法研究

通过光学定位方法来确定空间目标的轨道是实现空间目标监测的重要手段之一。介绍一套小型的空间目标光学定位系统,针对该系统获取的CCD星图,提出Top-hat变换和中值滤波相结合的算法去除星图噪声,并提出基于梯度Hough变换的算法完成对CCD星图星点和轨迹的同时精确定位,最后利用星角距的旋转不变性和球面几何原理,实现对空间目标的精确定位。对分辨率为752×580的CCD实拍星图的应用研究结果表明,星图去噪算法和星点、轨迹同时精确定位算法是有效的,且空间目标的定位精度也可达到角秒量级。     

Cassini图像中受散射光影响的7颗土星近环内卫星的天体测量

卡西尼号探测器携带了光学成像科学子系统(ISS: Imaging Science Subsystem), 在2004--2017年间拍摄了一些土星内卫星的图像. 部分图像中土星内卫星非常靠近土星环, 观测对象受土星环散射光影响导致测量精度差, 甚至无法测量. 由此提出一种适用于这类图像的背景消除算法, 可对受土星光环散射光影响的土星内卫星进行测量. 归算了7颗近环内卫星(土卫十(Janus)、土卫十一(Epimetheus)、土卫十五(Atlas)、土卫十六(Prometheus)、土卫十七(Pandora)、土卫三十二(Methone)和土卫四十九(Anthe))的70张ISS图像, 并与不消除散射光的方法进行了比较. 结果显示, 该方法至少可以提高43%的精度. 和喷气推进实验室的土星卫星历表\lk SAT415相比, 测量得到的赤经和赤纬方向的残差均值分别为0.72km和2.26km, 标准差分别为10.99km和11.36km.     

风暴浪作用下沙质岸滩稳定机制物理模型试验研究

近年来风暴潮等海洋灾害日趋频发,沙质海岸侵蚀问题也愈发突出,沙滩稳定防护显得日益重要。为研究风暴浪作用下沙质岸滩稳定机制问题,设计了一系列的水槽试验,对风暴浪作用下沙质岸滩的稳定机制和演变过程进行了录像观察和研究分析。试验中采用图像处理技术,根据水和岸滩床面的像素值差异,对岸滩整体剖面进行实时动态提取;对比和分析了不同入射波高、波周期、水深、岸滩初始坡度以及波高连续变化下沙质岸滩演变过程。试验结果表明,岸滩稳定与岸滩初始坡度和沙坝的发育直接相关,而波参数主要影响岸滩扰动幅度和沙坝以及前滩侵蚀边界的位置变化。当入射波高连续变化时,沙坝迅速响应并向离岸迁移。岸滩变化幅值与入射波能流存在明显正相关关系,波能流越大对岸滩稳定性的危害越大。而水位升高会增强前滩向岸侵蚀风险。此外,在本试验尺度下,前滩以侵蚀为主。当岸滩初始坡度小于稳定坡度且波陡较小时,即Dean参数Ω''较小时,岸滩才发生明显的前滩淤积,这对于试验尺度下岸滩恢复工况研究至关重要。具体来说,当岸滩整体坡度为1:10且前滩坡度达到1:5~1:2.5时,岸滩稳定性最好,岸滩形态最接近最终平衡剖面,岸滩趋于稳定的时间最短。     

基于深度学习的水面无人艇目标检测算法综述

随着人工智能的发展,水面无人艇可代替人工进行危险任务作业,目标检测是其完成自主探测的核心技术。深度学习技术克服了人工特征提取精度低、通用性差等局限性,已成为图像处理的主流方法。 首先,对当前基于深度学习的目标检测算法的发展现状进行了全面总结,对算法分类进行了详细的定义,并指出了不同类型算法的优缺点及适用场景;然后,分析了无人艇水面目标检测技术的研究现状,指出了各类深度学习工作的贡献、优势和局限性;最后,总结了面向水面无人艇的深度学习目标检测算法中亟需解决的关键科学问题,并对可行的方案以及该应用研究领域的未来发展做了进一步的展望。     

征稿简则

<正>《海洋测绘》是由海军海洋测绘研究所主办的技术类科技期刊,双月刊,国内外公开发行。为中国科技核心期刊、全国优秀测绘期刊、海军优秀期刊。报道范围以海洋测绘专业为主,也包括测绘学科的其他研究领域主要是:测绘学的基本理论和技术,遥感、地理信息系统和卫星定位技术,图形图像处理和数据库技术,海洋大地测量、海洋工程测量、海洋重力测量、海洋磁力测量、海底地形测量,海图制图,江河湖泊测     

一种改进的车头SURF特征提取和匹配

通过对加速鲁棒性算法特征关键点提取和匹配的研究,提出一种改进的车头加速鲁棒性特征点提取方法,该方法在车头图像像素梯度变化较大的范围内提取关键点,然后采用最近邻比例算法进行特征点匹配。实验结果表明,提出的改进方法不仅能够筛选出鲁棒性较强的关键点,同时提高了特征的提取速度和匹配效率,在总时间上比尺度不变特征变换算法提高了3~6倍;比加速鲁棒性算法提高了近1/4。     

高光谱目标探测的进展与前沿问题

针对高光谱目标探测问题的主要挑战,将高光谱目标探测的进展与前沿问题分为两个方面进行综述。基于信号检测理论的方法如结构化背景的约束能量最小化方法、非结构化背景的自适应一致性余弦评估器等,是高光谱目标的探测经典算法;随着统计模式识别与机器学习领域中新技术的出现,一些数据驱动的目标探测方法逐渐成为了高光谱目标探测的前沿问题,如核方法、稀疏表达方法等。概述了两类方法的特点,比较了各自的优势和不足,并展望了高光谱目标探测未来的发展趋势。