CN110287939B - 天基智能图像处理方法 - Google Patents
天基智能图像处理方法 Download PDFInfo
- Publication number
- CN110287939B CN110287939B CN201910591894.9A CN201910591894A CN110287939B CN 110287939 B CN110287939 B CN 110287939B CN 201910591894 A CN201910591894 A CN 201910591894A CN 110287939 B CN110287939 B CN 110287939B
- Authority
- CN
- China
- Prior art keywords
- image
- target
- scene
- monitoring target
- space
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000003672 processing method Methods 0.000 title abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 44
- 238000012544 monitoring process Methods 0.000 claims abstract description 28
- 238000000034 method Methods 0.000 claims description 32
- 230000033001 locomotion Effects 0.000 claims description 6
- 238000000605 extraction Methods 0.000 claims description 5
- 230000002708 enhancing effect Effects 0.000 claims description 4
- 230000000877 morphologic effect Effects 0.000 claims description 3
- 238000001228 spectrum Methods 0.000 claims description 3
- 230000005540 biological transmission Effects 0.000 abstract description 12
- 238000013500 data storage Methods 0.000 abstract description 4
- 238000001514 detection method Methods 0.000 description 27
- 238000003384 imaging method Methods 0.000 description 8
- 230000008901 benefit Effects 0.000 description 7
- 230000004927 fusion Effects 0.000 description 7
- 238000001914 filtration Methods 0.000 description 6
- 230000008447 perception Effects 0.000 description 5
- 230000004044 response Effects 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 4
- 230000001629 suppression Effects 0.000 description 4
- 238000012937 correction Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 230000005855 radiation Effects 0.000 description 3
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 3
- PXFBZOLANLWPMH-UHFFFAOYSA-N 16-Epiaffinine Natural products C1C(C2=CC=CC=C2N2)=C2C(=O)CC2C(=CC)CN(C)C1C2CO PXFBZOLANLWPMH-UHFFFAOYSA-N 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000003709 image segmentation Methods 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 238000012850 discrimination method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 238000003702 image correction Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/96—Management of image or video recognition tasks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Astronomy & Astrophysics (AREA)
- Remote Sensing (AREA)
- Image Processing (AREA)
- Image Analysis (AREA)
Abstract
本发明提供了一种天基智能图像处理方法，涉及卫星图像处理与星载设备控制领域，其中，该天基智能图像处理方法包括：获取任务计划和图像；根据所述任务计划对所述图像进行处理，成为已处理图像；降低了星地链路数传压力，提高了星载执行任务的时效性，利用卫星获取图像信息，直接对获取的图像进行处理，根据所述任务计划，在所述已处理图像中提取出监测目标，这样设计降低了星上数据存储的压力。
Description
技术领域
本发明涉及图像处理技术领域，具体而言，涉及一种天基智能图像处理方法。
背景技术
随着航天有效载荷技术的发展，各种高分辨率探测仪器获取的探测数据大幅增长，星上数据处理能力及星地通信能力的发展则相对滞后。现有的天基成像方法在星上不能对进行有效计算，仅进行简单运算或不进行运算，需要将数据传到地面进行处理。但是对于需要进行快速响应的任务，是不能满足任务需求的。例如进行火灾检测或者军事背景下的战场态势感知，需要根据图像处理结果做出立即响应的任务，将数据传到地面需要占用大量的传输时间，影响了任务的有效性。同时，需要向地面传输海量数据对于星地数传链路和地面数据存储也产生了巨大的压力。
发明内容
针对上述现有技术中存在的问题，本发明提供了一种天基智能图像处理方法。
第一方面，本发明实施例提供了一种天基智能图像处理方法，所述方法包括：
获取任务计划和图像；
根据所述任务计划对所述图像进行处理，成为已处理图像；
根据所述任务计划，在所述已处理图像中提取出监测目标。
进一步的，根据所述任务计划对所述图像进行处理，成为已处理图像，包括：
根据所述任务计划确定工作场景，其中所述工作场景包括地面场景、深空场景和临边场景；
根据所述工作场景，对所述图像进行处理，成为已处理图像。
进一步的，根据所述工作场景，对所述图像进行处理，成为已处理图像，包括：
根据所述工作场景，对所述图像进行背景提取，成为已处理图像。
进一步的，根据所述任务计划，在所述已处理图像中提取出监测目标，包括：
根据所述任务计划，确定监测目标以及所述监测目标的目标特征，其中，所述目标特征包括灰度特征、形态特征、运动特征和光谱特征；
根据所述目标特征，在所述已处理图像中提取出监测目标。
进一步的，根据所述任务计划，在所述已处理图像中提取出监测目标，所述方法还包括：
根据提取出来的监测目标和任务计划，进行评测和判断。
本发明实施例带来了以下有益效果：
本发明实施例提供了一种天基智能图像处理方法，包括：获取任务计划和图像；根据所述任务计划对所述图像进行处理，成为已处理图像；降低了星地链路数传压力，提高了星载执行任务的时效性，利用卫星获取图像信息，直接涂获取的图像进行处理，根据所述任务计划，在所述已处理图像中提取出监测目标，这样设计降低了星上数据存储的压力。
本发明的其他特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点在说明书、权利要求书以及附图中所特别指出的结构来实现和获得。
为使本发明的上述目的、特征和优点能更明显易懂，下文特举较佳实施例，并配合所附附图，作详细说明如下。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
图1为本发明第一实施例所提供的一种天基智能图像处理方法的流程图；
图2为本发明第二实施例所提供的一种天基智能图像处理方法的流程图；
图3为本发明实施例所提供的多源载荷下的空间目标检测识别方法的流程图；
图4为本发明实施例所提供的可见光图像单帧飞行器检测方法的流程图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合附图对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
实施例一
天基超算平台是运行在天基卫星平台上的一种架构灵活且易于扩展的可重构计算单元，可通过增加计算节点实现天基计算能力的飞跃，对天基数据处理算法提供了良好的实现环境及运行平台。
随着天基超算平台的诞生，天基计算能力得到大幅提升。对星载载荷海量图像数据的有针对性的处理，降低了星地链路数传压力，并使得对天基观测进行快速响应成为可能。
天基超算平台上的天基智能成像方法可以实现无价值数据去除、降噪、去云雾、去模糊、去抖动、对比度增强、低照度增强、超分辨率重建、三维重建、几何畸变校正、偏色校正、图像拼接，用于目标检测与识别、环境变化监测、火灾检测、地震监测、北极监测、农作物检测、桥梁检测、水资源检测、道路检测等，不仅可以产生良好的军事效益，更有益于广大民众生活的方方面面。
天基超算平台可同时接收可见光、红外、多/高光谱等多种探测载荷的海量异质探测数据。天基智能成像方法接收到相机的图像后，采用自适应场景判别的方法进行场景感知，并根据场景感知结果控制后续加载的算法逻辑。后续处理主要包括图像去噪增强，目标检测识别，去除无效数据检测结果下传。
参见图1所示的一种天基智能图像处理方法的流程图，具体包括如下步骤：
S101.获取任务计划和图像；
其中，图像获取是卫星按照任务计划，根据当前的轨道、姿态、相机安装矩阵，被观测点的空间位置、太阳高度角、观测相角，任务需求等信息，计算出具体的相机开机时间，曝光时间，增益，帧频等信息。相机开机按照计算的曝光时间，增益，帧频等配置成功后，即开始按照约定的时序发送图像数据。相机帧频及图像尺寸受限于相机与天基超算平台的网络传输速度及硬盘写入速度。在相机与天基超算平台的网络传输速度和硬盘写入速度一定的前提下，相机帧频越大，图像尺寸需要相对减小，反之，相机帧频降低，图像尺寸可适当增加。
S102.根据所述任务计划对所述图像进行处理，成为已处理图像；
场景感知与控制主要分析工作场景为地面背景、深空背景、临边背景，并以此为依据，配置相应的图像处理模块。场景感知方法对场景的识别主要通过任务计划，并辅助识别图像背景实现，因而需要首先根据任务计划，如任务计划的任务种类为对地观测，则图像应主要为地面背景；如任务种类为对天观测，则图像应主要为深空背景；如任务种类为临边观测，则图像应主要为临边背景。其次提取图像背景区域：在对深空拍摄时背景为宇宙深空，相对单一，图像全局方差较小并且局部方差较为稳定；而对地拍摄时背景则相对复杂，如：陆地、森林、水面等，图像的全局方差较大，局部方差大小不一。对于水面，沙漠，公路等区域局部方差较小，而城市，森林等局部方差较大。成像为临边背景时，图像中会有部分为深空背景，部分为地球背景，图像全局方差较大，但局部方差较小。利用此信息采用背景建模的方法对每种背景建立模型，然后将输入图像的背景模型与已建立模型进行匹配，从而完成场景分类，并加载相应的后续图像处理算法模块：对于深空背景，采用基于局部信噪比的杂光抑制算法进行背景抑制，提取运动目标轨迹，并结合可见光图像中目标点的运动，形状，光学等特性判断是否为感兴趣目标，进行自主跟踪。对于地面背景图像，首先对图像进行薄云去除，去噪，几何校正，然后利用相邻帧间转台转动角度对图像进行配准，固定背景去除，提取运动目标轨迹，并结合可见光图像中目标点的运动，形状，光学等特性判断是否为感兴趣目标，进行自主跟踪。
场景感知完成后，进行图像的预处理。由于图像是卫星成像设备在高空中拍摄出来的，在成像和传输的过程中，存在大量的干扰噪声。由成像设备产生的噪声属于条带噪声，这是设备的固有缺陷造成的，一般采用频域滤波法去除噪声。其次，图像在传输的过程中，会产生大量的随机噪声，一般采用空域滤波法，如中值滤波法去除。由于受到气候的影响，部分图像中带有薄云。这些薄云具有以下特点：高亮度、低对比度、低频，因此薄云去除的主要方法就是降低云层的亮度，增强对比度。薄云去除主要可以分类两类方法：空域内的多项式法和频域内的同态滤波。在去噪及去除薄云后，对图像进行校正及增强处理。图像校正包含图像几何校正和辐射校正。图像增强主要包括直方图均衡化，空域滤波增强，频域滤波增强，增强后的图像对具体后续处理具有事半功倍的效果。
S103.根据所述任务计划，在所述已处理图像中提取出监测目标。
目标检测识别是根据场景感知及任务背景判断需要检测的目标灰度特征、形态特征、运动特征、光谱特征等。根据目标特征在增强后的图像中将感兴趣的目标提取出来。这中间的处理包括背景抑制、图像配准、图像分割，疑似目标提取，信息融合，目标检测，目标识别等。在不同的处理步骤需要根据场景和任务匹配适当的算法模块。对于背景抑制、图像配准、图像分割三个处理环节主要根据场景感知的结果，对于地面背景、深空背景、临边背景采用不同的处理模块对应的不同的图像处理算法。疑似目标提取，信息融合，目标检测，目标识别四个处理环节主要根据任务背景来加载不同的算法模块进行有针对性的处理。
以多源载荷下的空间目标检测识别和可见光图像单帧飞行器检测为例：
如图3所示，多源载荷下的空间目标检测识别：
将红外图像中提取的目标位置进行映射，计算其在可见光图像中的位置，并将红外图像中目标的灰度，辐射信息，合并可见光图像中目标的纹理，形状，速度等信息，作为红外/可见光动态图像信息融合模块的输入，经过信息融合模块处理，输出目标是否为感性趣目标。若目标为虚假干扰目标，则转入目标检测过程，重新进行检测，若目标被判定为感兴趣目标，则输出目标点位置中心坐标及附近区域图像、目标速度、灰度等特性，同时输出目标轨迹，跟踪指令给控制系统实现闭环跟踪。在对两个源序列图像进行融合时，可分为五个过程：序列图像的预处理、运动目标检测、图像多尺度变换、基于区域的图像融合以及对应的多尺度逆变换。
目标检测识别后，输出为目标点位置中心坐标及附近区域图像、目标速度、灰度等特性，同时输出目标轨迹。将目标点位置信息及目标附近区域图像，目标运动速度、目标灰度、辐射特性等检测识别结果进行下传，去除了无效的图像数据，降低了星地数传链路压力。对于火灾等需要做出快速响应的任务，直接给出火灾地点，预警等级等信息，地面根据星上信息可直接进行决策，而无需在地面等待数据传输完毕，进行图像处理后才做出决策。时效性得到了显著提升。
如图4所示，可见光图像单帧飞行器检测：
采用基于显著图和不变矩结合的方法进行单帧飞行器的检测。首先将待识别的遥感图像进行预处理，包含灰度化和去噪过程，然后采用Itti显著图算法提取原图的显著图，定位显著目标并作为候选目标。确定候选目标后，提取候选目标的伪Zernike矩和仿射不变矩，再进行特征选择和特征融合。使用同样的方法，提取样本图像的伪Zernike矩和仿射不变矩，再完成特征选择和特征融合，最后使用欧式距离作为相似性度量，选取相似性最大的样本图像作为候选目标的判别标准。若该样本图像属于目标图像，则标记该候选目标为识别目标；否则为背景图像，并舍弃该候选目标。
根据任务计划，对于不同的任务，加载相应的智能处理模块，并提取相对应的目标，根据目标特点提取其特征数据，并将其分类，最后根据目标检测结果，选取有效数据下传，避免了大量无效数据浪费数据带宽，并可以满足快速响应任务的应用场景需求。
本发明与现有技术相比，降低了星上数据存储的压力，降低了星地链路数传压力，提高了星载执行任务的时效性，利用卫星获取图像信息，结合卫星轨道姿态信息，使得智能卫星成为可能，便于空间监视，遥感观测，为国防安全，国土安全提供了有力保障。
在天基超算平台的基础上，根据多种任务需求配置对应于不同背景，不同目标处理算法的算法库模块成为可能。天基超算平台的计算能力和灵活性为算法库的配置和加载提供了有利条件。根据不同的任务场景加载相匹配的图像预处理，包括图像去噪，图像增强等算法，根据不同的目标种类加载对应的目标检测识别算法，保证了天基智能成像方法的有效性。
实施例二
参见图2所示的一种天基智能图像处理方法的流程图，该方法应用于分布式服务器，具体包括如下步骤：
S201.获取任务计划和图像；
S202.根据所述任务计划对所述图像进行处理，成为已处理图像；
S203.根据所述任务计划，在所述已处理图像中提取出监测目标。
S204.根据提取出来的监测目标和任务计划，进行评测和判断。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
此外，术语“第一”、“第二”、“第三”仅用于描述目的，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上所述实施例，仅为本发明的具体实施方式，用以说明本发明的技术方案，而非对其限制，本发明的保护范围并不局限于此，尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，其依然可以对前述实施例所记载的技术方案进行修改或可轻易想到变化，或者对其中部分技术特征进行等同替换；而这些修改、变化或者替换，并不使相应技术方案的本质脱离本发明实施例技术方案的精神和范围，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应所述以权利要求的保护范围为准。
Claims (2)
1.一种天基智能图像处理方法，其特征在于，所述方法应用于天基超算平台，所述天基超算平台预先配置有多个图像处理模块，不同图像处理模块与不同工作场景对应；所述方法包括：
获取任务计划和图像；
根据所述任务计划对所述图像进行处理，成为已处理图像；
根据所述任务计划，在所述已处理图像中提取出监测目标；
所述任务计划的任务种类包括对地观测、对天观测和临边观测；根据所述任务计划对所述图像进行处理，成为已处理图像，包括：
根据所述任务计划的任务种类确定工作场景，其中所述工作场景包括地面场景、深空场景和临边场景；所述地面场景与所述对地观测对应，所述深空场景与所述对天观测对应，所述临边场景与所述临边观测对应；
通过与所述工作场景对应的图像处理模块对所述图像进行背景提取，成为已处理图像；
通过与所述工作场景对应的图像处理模块对所述图像进行背景提取，成为已处理图像的步骤包括：
通过与所述工作场景对应的图像处理模块对所述图像进行背景提取，得到所述图像的背景信息；
用所述图像的背景信息建立相应的背景模型，并从多个预先建立的已建立背景模型中匹配出与所述背景模型对应的已建立背景模型；
根据所述背景模型对应的已建立背景模型，确定与所述工作场景对应的图像处理模块；
通过与所述工作场景对应的图像处理模块对所述图像进行去噪、去除薄云、校正和增强，并将增强后的图像确定为所述已处理图像；
根据所述任务计划，在所述已处理图像中提取出监测目标，包括：
根据所述任务计划，确定监测目标以及所述监测目标的目标特征，其中，所述目标特征包括灰度特征、形态特征、运动特征和光谱特征；
根据所述目标特征，在所述已处理图像中提取出监测目标；
根据所述目标特征，在所述已处理图像中提取出监测目标的步骤包括：
对于每个监测目标，根据该监测目标的目标特征判断该监测目标是否为感兴趣目标，如果该监测目标为感兴趣目标，则将该监测目标的目标特征提取出来并进行下传。
2.根据权利要求1所述的方法，其特征在于，根据所述任务计划，在所述已处理图像中提取出监测目标，所述方法还包括：
根据提取出来的监测目标和任务计划，进行评测和判断。
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201811654215X | 2018-12-29 | ||
| CN201811654215 | 2018-12-29 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN110287939A CN110287939A (zh) | 2019-09-27 |
| CN110287939B true CN110287939B (zh) | 2024-01-05 |
Family
ID=68021729
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910591894.9A Active CN110287939B (zh) | 2018-12-29 | 2019-07-01 | 天基智能图像处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110287939B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN110991313B (zh) * | 2019-11-28 | 2022-02-15 | 华中科技大学 | 一种基于背景分类的运动小目标检测方法和系统 |
| CN112016478B (zh) * | 2020-08-31 | 2024-04-16 | 中国电子科技集团公司第三研究所 | 一种基于多光谱图像融合的复杂场景识别方法及系统 |
| CN116682209A (zh) * | 2023-06-15 | 2023-09-01 | 南昌交通学院 | 一种基于机器视觉的自动售货机库存管理方法及系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103076808A (zh) * | 2012-12-27 | 2013-05-01 | 清华大学 | 一种自主协同的航天器集群体系及运行方法 |
| CN103576165A (zh) * | 2013-11-08 | 2014-02-12 | 中国科学院遥感与数字地球研究所 | 一种卫星智能对地观测模式库获取方法和系统 |
| EP3182700A1 (en) * | 2015-12-18 | 2017-06-21 | Airbus Defence and Space Limited | Continuous video from satellites |
| CN107506892A (zh) * | 2017-07-17 | 2017-12-22 | 北京空间飞行器总体设计部 | 一种面向静轨光学遥感卫星星地一体化智能操控系统 |
| CN107682068A (zh) * | 2017-09-06 | 2018-02-09 | 西安电子科技大学 | 一种任务驱动的可重构空间信息网络资源管理架构及方法 |
| CN108133178A (zh) * | 2017-12-08 | 2018-06-08 | 重庆广睿达科技有限公司 | 一种基于图像识别的智能环境监控系统与方法 |
-
2019
- 2019-07-01 CN CN201910591894.9A patent/CN110287939B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103076808A (zh) * | 2012-12-27 | 2013-05-01 | 清华大学 | 一种自主协同的航天器集群体系及运行方法 |
| CN103576165A (zh) * | 2013-11-08 | 2014-02-12 | 中国科学院遥感与数字地球研究所 | 一种卫星智能对地观测模式库获取方法和系统 |
| EP3182700A1 (en) * | 2015-12-18 | 2017-06-21 | Airbus Defence and Space Limited | Continuous video from satellites |
| CN107506892A (zh) * | 2017-07-17 | 2017-12-22 | 北京空间飞行器总体设计部 | 一种面向静轨光学遥感卫星星地一体化智能操控系统 |
| CN107682068A (zh) * | 2017-09-06 | 2018-02-09 | 西安电子科技大学 | 一种任务驱动的可重构空间信息网络资源管理架构及方法 |
| CN108133178A (zh) * | 2017-12-08 | 2018-06-08 | 重庆广睿达科技有限公司 | 一种基于图像识别的智能环境监控系统与方法 |
Non-Patent Citations (3)
| Title |
|---|
| 发展软件定义卫星的总体思路与技术实践;赵军锁 等;《2018软件定义卫星高峰论坛》;20180430;第44-49段 * |
| 天基信息港及其多源信息融合应用;李斌 等;《中国电子科学研究院学报》;20170630(第3期);第251-256段 * |
| 张寅.天基红外相机大气背景测量数据处理与图像仿真技术研究.《中国博士学位论文全文数据库 工程科技II辑》.2016,第49页. * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN110287939A (zh) | 2019-09-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN110207671B (zh) | 一种天基智能成像系统 | |
| CN110287939B (zh) | 天基智能图像处理方法 | |
| US7528938B2 (en) | Geospatial image change detecting system and associated methods | |
| US9086484B2 (en) | Context-based target recognition | |
| US7630797B2 (en) | Accuracy enhancing system for geospatial collection value of an image sensor aboard an airborne platform and associated methods | |
| US7603208B2 (en) | Geospatial image change detecting system with environmental enhancement and associated methods | |
| US20070162195A1 (en) | Environmental condition detecting system using geospatial images and associated methods | |
| CN112801158A (zh) | 基于级联融合和注意力机制的深度学习小目标检测方法及装置 | |
| CN112364843A (zh) | 插拔式航拍图像目标定位检测方法、系统、设备 | |
| CN116597168B (zh) | 车载激光点云与全景影像的匹配方法、装置、设备及介质 | |
| Li et al. | Sea–sky line detection using gray variation differences in the time domain for unmanned surface vehicles | |
| Carrillo-Perez et al. | Improving yolov8 with scattering transform and attention for maritime awareness | |
| An et al. | A comprehensive survey on image dehazing for different atmospheric scattering models | |
| CN117975276A (zh) | 一种基于双目视觉的实时战场三维场景与目标感知方法及系统 | |
| CN111739050B (zh) | 基于Zynq的姿态测量和天体形心提取的飞行器导航系统 | |
| Baranova et al. | Autonomous Streaming Space Objects Detection Based on a Remote Optical System | |
| WO2022156652A1 (zh) | 交通工具运动状态评估方法、装置、设备以及介质 | |
| Chen et al. | A simulation-augmented benchmarking framework for automatic RSO streak detection in single-frame space images | |
| Jia et al. | Self-supervised multi-task learning framework for safety and health-oriented road environment surveillance based on connected vehicle visual perception | |
| Patel et al. | Road Network Extraction Methods from Remote Sensing Images: A Review Paper. | |
| Chen et al. | Motion deblurring via using generative adversarial networks for space-based imaging | |
| Pan et al. | The Application of Image Processing in UAV Reconnaissance Information Mining System | |
| Chandran et al. | Change detection & flood water mapping from remotely sensed images-a survey | |
| CN116310900A (zh) | 一种复杂战场上的目标识别及跟踪方法、装置及系统 | |
| Xia | High-Resolution Remote Sensing Image Object Detection System for Small Unmanned Aerial Vehicles Based on MPSOC. |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |