基于张量的多光谱图像云检测与在轨实时处理研究

发布时间：2024-07-11 06:17

　　遥感图像处理技术广泛应用于军事国防和民用经济建设领域,得益于航天遥感对地观测技术的迅猛发展。如今的光学成像卫星的遥感图像具有分辨率高、覆盖面宽、细节丰富等优点,同时这些优势也意味着成像的数据量非常巨大,海量的数据会造成更大的数传压力,极大地延误了遥感信息的时效性。云通常覆盖了地球的近三分之二的区域,海洋比陆地上有更多的云层覆盖。云层阻挡地面特征的光线到达传感器系统,严重阻碍了光学遥感卫星获取有效信息,造成星上存储资源冗余,增加了数传压力。随着集成芯片产业的快速发展,人工智能、深度学习与基于嵌入式系统的实时识别已经在地面应用中得到实现。具有人工智能识别功能的嵌入式实时处理相机是未来星载相机发展的重要方向。智能相机可以对数据进行在轨实时处理,比如实现星上目标实时检测功能,剔除被厚云层覆盖或者平静海面等无效信息,提取舰船或者飞机等有效军事目标信息。在一个数传窗口内,大幅度缩减冗余信息量,提高数据使用效率,减少数传压力,从而实现如下目的:大型军事目标实时侦察,跟踪监视其活动情况,掌握敏感地区海上大型军事力量的部署与目标动向。所以,实现在轨实时云检测处理在军事或商业卫星领域均有重要的实际应用价值...

【文章页数】：163 页

【学位级别】：博士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 高空间分辨率多光谱光学遥感图像的特点
    1.3 多光谱遥感图像的描述方式
    1.4 基于多光谱图像的云检测算法
    1.5 嵌入式处理平台的现状与特点
    1.6 遥感图像在轨云检测处理面临的问题和挑战
    1.7 论文的研究内容和组织结构
第2章 基于张量的多光谱图像表示与机器学习方法
    2.1 引言
    2.2 张量及相关概念
        2.2.1 张量的定义
        2.2.2 张量指标和分量的符号
        2.2.3 张量的积
        2.2.4 张量距离测量
        2.2.5 结构张量
        2.2.6 张量分解
    2.3 基于张量的机器学习方法
    2.4 支持规范张量训练机
    2.5 实验分析
    2.6 本章小结
第3章 基于特征加权小波融合的超像素分割
    3.1 引言
    3.2 超像素分割算法
        3.2.1 基于图论的能量优化方法
        3.2.2 基于梯度下降的特征优化方法
    3.3 基于特征加权小波融合的超像素分割算法
        3.3.1 灰度级相关度量
        3.3.2 差异估计度量
        3.3.3 平均加权求和图像
        3.3.4 高斯径向基函数核
        3.3.5 特征加权函数定义
        3.3.6 小波变换融合
    3.4 实验与分析
        3.4.1 主观性能分析
        3.4.2 客观性能分析
    3.5 本章小节
第4章 基于张量的Gabor纹理能量云检测方法
    4.1 引言
    4.2 云检测方法
        4.2.1 基于空间的方法
        4.2.2 基于时间的方法
        4.2.3 混合的方法
    4.3 基于Gabor纹理能量的云检测方法
        4.3.1 多光谱特征
        4.3.2 Gabor能量特征
        4.3.3 算法步骤
    4.4 实验与分析
    4.5 本章小结
第5章 基于FPGA的快速张量运算架构
    5.1 引言
    5.2 处理模块系统架构
    5.3 基于FPGA的张量内积与外积架构的设计与实现
    5.4 基于FPGA的张量分解与重构架构的设计与实现
    5.5 实验与分析
    5.6 本章小结
第6章 FPGA与多核DSP硬件处理平台
    6.1 引言
    6.2 FPGA与多核DSP硬件处理平台的框架功能
    6.3 FPGA与多核DSP硬件处理平台的性能分析
        6.3.1 SRIO数据接口性能分析
        6.3.2 FPGA的 DDR存储速率测试
    6.4 FPGA与多核DSP硬件处理平台的超高速CameraLink接口
        6.4.1 超高速CameraLink接口交叉验证步骤
        6.4.2 实验结果与分析
        6.4.3 结论
    6.5 在轨云检测算法在硬件平台上的架构
    6.6 实验与分析
    6.7 本章小结
第7章 总结与展望
    7.1 论文总结及主要创新点
    7.2 后续工作展望
参考文献
致谢
作者简历及攻读学位期间发表的学术论文与研究成果



本文编号：4005369