检索结果-内蒙古大学图书馆

作者：傅妍玫中国科学院大学

学位级别：硕士

近年来，随着光学遥感技术、光谱分辨率和辐射分辨率的不断提高，遥感数据类型不断增加，遥感数据已经呈现了明显的大数据特征。然而，有限的存储资源和数据传输难以满足当前遥感大数据应用的要求。不仅如此，下传的数据中存在大量的无... 详细信息

近年来，随着光学遥感技术、光谱分辨率和辐射分辨率的不断提高，遥感数据类型不断增加，遥感数据已经呈现了明显的大数据特征。然而，有限的存储资源和数据传输难以满足当前遥感大数据应用的要求。不仅如此，下传的数据中存在大量的无效数据，占据了有限的传输带宽。因此，为了提高数据传输的效率，本文提出一种在轨目标检测算法，对遥感图像进行目标检测，将不包括特定目标的图像过滤，在轨完成无效数据剔除和目标实时检测定位。　　在轨处理与地面处理相比最大的难度在于在轨处理资源受限。为了实现可在轨运行的目标检测算法，本文以大量遥感图像数据为基础，采用深度学习、卷积神经网络等方法，从计算资源优化和遥感图像小目标检测两方面出发，提出了一种在轨目标检测算法，在两个遥感数据集上证明了其正确性，并将其应于天智一号卫星，主要贡献如下:　　(1)考虑到在轨计算资源和能源的约束，本文采用深度可分离卷积替代传统卷积，设计了一个轻量级神经网络用于特征提取，在保证检测精度的前提下提高了检测的效率，并降低了内存占用。　　(2)为了进一步优化遥感图像小目标检测精度问题，本文提出了一种上下文多尺度信息辅助遥感图像小目标检测的方法，在不引入其他参数的前提下，完成了小目标检测的精度优化。　　(3)给出了在轨检测算法在天智一号卫星上的应用，成功将算法部署到安卓移动端稳定运行，证明了该算法在轨应用的可行性。

关键词：遥感图像在轨目标检测深度学习卷积神经网络

来源：评论

学校读者我要写书评

暂无评论

面向嵌入式平台的光学遥感飞机目标快速检测算法

引用

遥感学报 2025年第3期29卷 762-775页

作者：秦煜陆陈鑫刘艳丽吴庆学张琦张小贝上海大学通信与信息工程学院上海200444 上海航天电子技术研究所上海201109

针对目前深度学习检测算法在遥感图像在轨实时处理任务上综合性能不平衡和在星载嵌入式设备上难以部署的问题,基于YOLOX-s算法,提出一种面向嵌入式平台的光学遥感飞机目标快速检测算法LAD-YOLOX(Lightweight Aircraft Detection YOLOX)... 详细信息

针对目前深度学习检测算法在遥感图像在轨实时处理任务上综合性能不平衡和在星载嵌入式设备上难以部署的问题,基于YOLOX-s算法,提出一种面向嵌入式平台的光学遥感飞机目标快速检测算法LAD-YOLOX(Lightweight Aircraft Detection YOLOX)。首先,在硬件感知网络的设计上,基于ShuffleNetv2设计超轻量、高精度的骨干模块ES-Block (Enhanced ShuffleNet Block),重构原有的主干特征提取网络;其次,引入GSConv构建轻量级颈部特征融合网络GS-Neck,使得前后端结构的参数量配比均衡,降低计算复杂度的同时精度损失更小;然后,设计轻量级解耦合检测头网络结构,进一步提升飞机目标分类和定位的特征编码,降低模型参数量,提升检测性能;最后,为LAD-YOLOX算法替换置信度预测损失函数Varifocal Loss及边界框定位损失函数SIoU Loss,提高模型训练的收敛速度和推理时的精度。基于公开的RSOD遥感数据集和自制飞机数据集,对比其他SOTA模型,对本文提出的LAD-YOLOX算法进行仿真试验验证。结果表明:LAD-YOLOX算法在RSOD遥感数据集上,计算量压缩为原始YOLOX-s模型的43.72%,检测精度损失0.2%,检测速度提高24 FPS;本文提出计算方法在XILINX EK-U1-ZCU102-G评估套件上完成算法部署及加速,对自制飞机数据集的检测速度至少可达到26.53 FPS,能够满足在轨实时、准确检测飞机目标的需求。

关键词：遥感在轨目标检测轻量化 YOLOX RSOD数据集 ZCU102

来源：评论

学校读者我要写书评

暂无评论

在轨光学目标检测模型轻量化研究

引用

遥感学报 2024年第4期28卷 1041-1051页

作者：吕晓宁夏玉立赵军锁乔鹏中国科学院软件研究所天基综合信息系统重点实验室北京100190 中国科学院大学北京100049

目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结... 详细信息

目前应用广泛的神经网络模型结构复杂、参数量大,对星上有限的计算和存储资源占用较多。本文面向微纳卫星在轨计算平台,提出一种深度可分离卷积神经网络模型,该模型结合反向残差结构与通道注意力的思路改进在轨识别算法Yolov4网络模型结构,改进网络模型的局部模块结构,降低整体网络结构的深度与复杂度;同时利用可分离卷积结构实现空间卷积,改进SPP模块与PANet模块,降低模型参数量;通过合并卷积层与Batch Normalization层,进一步加快前向推理速度;此外借鉴Focal损失函数的思想,改进目标检测网络的损失函数,减缓前景与背景样本比例不均衡问题。通过与原Yolov4网络模型对比,在保证识别精度94.09%的前提下参数量降低约7倍,FLOPs降低约30倍。同时与Yolo系列、SSD、MobileNet、CenterNet等前沿网络模型对比的实验结果再一次验证了本文的算法性能,为实现在轨目标识别与过滤无用数据提供了理论支撑。

关键词：遥感卷积神经网络 Yolov4 在轨目标检测反向残差结构

来源：评论

学校读者我要写书评

暂无评论

空间在轨目标实时检测及定位算法研究

空间在轨目标实时检测及定位算法研究

引用

作者：韩璐瑶西安电子科技大学

学位级别：硕士

由于科学技术进步和各国航天事业的蓬勃发展,更多的航天器被送到了太空,但随之产生的空间环境安全问题也不容忽视。更多的空间碎片开始占用有限的轨道资源,不但数量多,且拥有着强大的动力,如果和航天器产生撞击会造成航天器损毁甚至失灵... 详细信息

由于科学技术进步和各国航天事业的蓬勃发展,更多的航天器被送到了太空,但随之产生的空间环境安全问题也不容忽视。更多的空间碎片开始占用有限的轨道资源,不但数量多,且拥有着强大的动力,如果和航天器产生撞击会造成航天器损毁甚至失灵,也会危及航天员的人身安全。空间目标监视对于维护有限的轨道资源,避免发生空间碰撞有着重要的意义。作为监视手段之一的天基光电探测,因其机动灵活的特性在空间目标监视领域有着广泛应用。而在空间目标监视中,在轨目标检测是一项重要的技术,对其进行研究具有重要的实用价值。本论文对基于天基监视系统中空间目标的观测与定位进行研究。天基系统虽然机动灵活、探测范围广,但在系统实现时也有明显的局限性。首先,当空间目标与探测器之间的距离较远时,空间目标在图像中只占几个像素,缺少细节特征;其次,天基的光电探测器视场内会出现大量的背景恒星,背景恒星的成像特征与空间目标类似,对目标检测过程产生干扰;同时,由于空间目标的运行轨道不同,其成像尺寸、运动速度和方向均不可控。另外,对高分辨率图像的实时处理要求,也对在轨实时处理硬件系统提出了挑战,以上均对目标检测算法提出了更高的要求。然而,当前目标检测领域中针对天基图像的研究相对较少,传统算法和深度学习算法的适用性不强。因此,本文围绕天基光电探测系统下的远距离空间目标检测技术和近距离空间目标定位技术两方面,针对在轨实时处理应用深入系统地展开了研究。针对远距离空间目标,本文提出了基于轨迹关联的目标检测算法。首先,进行形态学的运算,通过膨胀和腐蚀来进行星点的筛选,并提取出星点的特征;其次,根据特征进行星点的帧间匹配,建立星点的运行轨迹并实时维护;最后,根据空间目标特性的不同,筛选出空间目标的轨迹,完成空间目标的检测与跟踪。对于近距离空间目标,目标的成像区域较大,有着明显的几何特征、灰度特征、纹理信息等,但是由于天基光电观测易受太阳光照的影响,灰度特征和纹理特征在时域变化比较大,难以完成稳定鲁棒的空间目标定位。考虑到时域上几何特征具有稳定性,本文提出了基于几何特征的空间目标形心定位算法。对于结构已知的空间目标,帆板具有良好的直线特征,借此完成帆板与目标本体的图像分割;在此基础上,通过最小外接矩形的描述,进行目标本体形心的计算,完成空间目标的定位。本文算法首先在仿真数据上进行了实验验证,性能满足了各项指标的要求。算法移植到实时处理硬件平台后,对远距离空间目标检测和近距离空间目标定位进行了验证,实验结果表明算法稳定、实时性好,满足使用要求。

关键词：天基光电监视在轨目标检测目标特性形心定位

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：