一种基于智能解译的卫星遥感图像语义信息生成方法

    公开(公告)号:CN118840669A

    公开(公告)日:2024-10-25

    申请号:CN202410848960.7

    申请日:2024-06-27

    摘要: 本发明涉及一种基于智能解译的卫星遥感图像语义信息生成方法,包括:对卫星遥感图像进行图像预处理;采用要素特征提取子网络和语义分割子网络提取图像特征和语义分割结果,结合目标检测与识别模块实现灾情检测识别,得到包括灾情类型、等级、位置信息的灾情检测识别结果;建立灾情种类和场景要素的启发式知识信息库,作为生成语义信息的先验规则对灾情和场景要素进行整合关联,得到灾情语义信息,根据灾情语义信息对图像区域进行划分,并划分图像区域优先级和图像区域中灾情优先级用于确定语义信息优先级,根据语义信息优先级顺序输出灾情语义信息。本发明具备智能性和自主性,大幅提升应急响应系统的效率。

    一种面向大规模星座非均衡覆盖探测的航迹关联方法

    公开(公告)号:CN118364429B

    公开(公告)日:2024-08-30

    申请号:CN202410788529.8

    申请日:2024-06-19

    摘要: 本发明公开一种面向大规模星座非均衡覆盖探测的航迹关联方法,属于卫星应用领域;针对大规模星座运行场景,通过卫星系统对海面船只探测,获得船只离散点迹,设定自适应探测门限并进行船只离散点迹初步筛选;对船只构建机动模型并计算船只待关联点迹预测值;设置船只机动模型参数门限值,依据船只运行规则对非均衡探测数据进行归属判别,得到待关联点迹测量值;进而利用卡尔曼滤波算法结合船只待关联点迹预测值、待关联点迹测量值形成船只点迹最优融合估计值,进行航迹起始、关联和存储。本发明针对密集动目标与大规模星座运行场景,将点迹选择判别区间与星座重访时间相结合,提升点迹估计精度与关联准确率,增强大规模星座系统航迹关联效能。

    一种人工智能遥感卫星的自主智能任务闭环方法

    公开(公告)号:CN118358776B

    公开(公告)日:2024-08-30

    申请号:CN202410788487.8

    申请日:2024-06-19

    摘要: 本发明涉及一种人工智能遥感卫星的自主智能任务闭环方法,属于智能卫星设计领域,包括:进行意图理解任务决策和知识启发任务推理,产生可执行的任务清单;人工智能遥感卫星根据任务清单进行自主任务规划,在指令控制下自主执行卫星姿态机动及遥感载荷任务;获取遥感载荷任务执行得到的遥感图像,采用面向意图自主决策的星上智能理解技术对遥感图像数据进行在轨数据智能解译处理;将遥感图像数据的实时智能解译结果转换为知识信息,跳转执行知识启发任务推理。本发明打破传统天基遥感系统对地面任务管控的高度依赖,使卫星具有自主任务生成与自主行为决策能力,构建基于“应急指挥意图驱动+知识自主任务启发”的全链路自主学习的智能遥感卫星。

    一种基于多路感知梯度的遥感图像薄云移除方法

    公开(公告)号:CN114936972A

    公开(公告)日:2022-08-23

    申请号:CN202210357921.8

    申请日:2022-04-06

    摘要: 本发明一种基于多路感知梯度的遥感图像薄云移除方法,所述方法包括:建立遥感图像薄云移除数据集,按一定比例组成训练集、验证集和测试集;搭建感知梯度提取模块,用于提取图像薄云特征;搭建云层厚度估计模块,用于自适应估计云层厚度;搭建遥感图像薄云移除网络,用于从单张薄云遥感图像到清晰遥感图像的转换;采用遥感图像薄云移除数据集训练遥感图像薄云移除网络,使用的损失函数包括特征损失函数、梯度损失函数和云层厚度损失函数;将训练结束得到的模型参数导入遥感图像薄云移除网络,输入单张薄云遥感图像实现薄云移除。

    一种基于残差密集连接和特征融合的光学遥感图像去云方法

    公开(公告)号:CN113379618A

    公开(公告)日:2021-09-10

    申请号:CN202110491313.1

    申请日:2021-05-06

    摘要: 本发明一种基于残差密集连接和特征融合的光学遥感图像去云方法,所述方法包括:采用生成网络模型和判别网络模型设计光学遥感图像去云方法,其中,生成网络模型负责生成清晰无云图像,判别网络模型负责与生成网络进行博弈,提高生成网络去云性能;生成网络模型基于特征提取部分和特征重建部分实现遥感图像去云,特征提取部分采用残差密集连接单元搭建,特征重建部分采用残差密集连接单元和特征融合单元搭建;判别网络模型负责区分去云图和真实无云图,为生成网络提供梯度进行对抗训练;采用平均绝对误差损失函数、感知损失函数和对抗损失函数的线性组合训练生成网络,采用交叉熵损失函数训练判别网络;采用训练好的模型参数,仅由一张有云遥感图像就可恢复无云遥感图像。

    一种面向大规模星座非均衡覆盖探测的航迹关联方法

    公开(公告)号:CN118364429A

    公开(公告)日:2024-07-19

    申请号:CN202410788529.8

    申请日:2024-06-19

    摘要: 本发明公开一种面向大规模星座非均衡覆盖探测的航迹关联方法,属于卫星应用领域;针对大规模星座运行场景,通过卫星系统对海面船只探测,获得船只离散点迹,设定自适应探测门限并进行船只离散点迹初步筛选;对船只构建机动模型并计算船只待关联点迹预测值;设置船只机动模型参数门限值,依据船只运行规则对非均衡探测数据进行归属判别,得到待关联点迹测量值;进而利用卡尔曼滤波算法结合船只待关联点迹预测值、待关联点迹测量值形成船只点迹最优融合估计值,进行航迹起始、关联和存储。本发明针对密集动目标与大规模星座运行场景,将点迹选择判别区间与星座重访时间相结合,提升点迹估计精度与关联准确率,增强大规模星座系统航迹关联效能。

    一种基于多路感知梯度的遥感图像薄云移除方法

    公开(公告)号:CN114936972B

    公开(公告)日:2024-07-02

    申请号:CN202210357921.8

    申请日:2022-04-06

    摘要: 本发明一种基于多路感知梯度的遥感图像薄云移除方法,所述方法包括:建立遥感图像薄云移除数据集,按一定比例组成训练集、验证集和测试集;搭建感知梯度提取模块,用于提取图像薄云特征;搭建云层厚度估计模块,用于自适应估计云层厚度;搭建遥感图像薄云移除网络,用于从单张薄云遥感图像到清晰遥感图像的转换;采用遥感图像薄云移除数据集训练遥感图像薄云移除网络,使用的损失函数包括特征损失函数、梯度损失函数和云层厚度损失函数;将训练结束得到的模型参数导入遥感图像薄云移除网络,输入单张薄云遥感图像实现薄云移除。

    一种基于特征自适应校正的遥感图像薄云去除方法

    公开(公告)号:CN113516600A

    公开(公告)日:2021-10-19

    申请号:CN202110615563.1

    申请日:2021-06-02

    摘要: 本发明公开了一种基于特征自适应校正的遥感图像薄云去除方法,采用深度卷积神经网络设计薄云去除网络,实现单张图像薄云去除,薄云去除网络输入为有云图,输出为去云图,利用有云遥感图像和无云遥感图像构造训练数据集,用于网络学习有云图和无云图之间的映射关系;薄云去除网络采用上述训练数据集进行训练,结合均值损失函数、VGG损失函数和最小绝对值偏差损失函数对网络进行优化,训练结束后采用该方法实现单张遥感图像薄云去除。本发明不依赖先验知识和物理模型,仅由单张薄云遥感图像就可完成端到端的薄云去除,适用范围广,实施简单方便,薄云去除效果真实自然。

    基于残差密集连接和特征融合的光学遥感图像去云方法

    公开(公告)号:CN113379618B

    公开(公告)日:2024-04-12

    申请号:CN202110491313.1

    申请日:2021-05-06

    摘要: 本发明一种基于残差密集连接和特征融合的光学遥感图像去云方法,所述方法包括:采用生成网络模型和判别网络模型设计光学遥感图像去云方法,其中,生成网络模型负责生成清晰无云图像,判别网络模型负责与生成网络进行博弈,提高生成网络去云性能;生成网络模型基于特征提取部分和特征重建部分实现遥感图像去云,特征提取部分采用残差密集连接单元搭建,特征重建部分采用残差密集连接单元和特征融合单元搭建;判别网络模型负责区分去云图和真实无云图,为生成网络提供梯度进行对抗训练;采用平均绝对误差损失函数、感知损失函数和对抗损失函数的线性组合训练生成网络,采用交叉熵损失函数训练判别网络;采用训练好的模型参数,仅由一张有云遥感图像就可恢复无云遥感图像。