针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性...针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性以及平均灰度值6个分类指标,使用偏好训练的方式,提高对云和普通地貌的识别准确率,准确区分云和雪地等特殊地物。实验结果表明,PSVM方法综合识别准确率达到了97.66%,特殊地貌识别准确率达到了99.31%,相比于传统的云检测算法性能提升显著。展开更多
遥感卫星图像数据量的高速增长,以及遥感卫星搭载的相机不同工作模式下产生的数据差异化处理的需求,为星间数据处理带来了巨大挑战。针对星载Gbit·s-1级高速数据收发及文件缓存等星间数据处理面临的问题,以百兆每秒级星载高速接收...遥感卫星图像数据量的高速增长,以及遥感卫星搭载的相机不同工作模式下产生的数据差异化处理的需求,为星间数据处理带来了巨大挑战。针对星载Gbit·s-1级高速数据收发及文件缓存等星间数据处理面临的问题,以百兆每秒级星载高速接收缓存系统为切入点,以遥感卫星数据处理的发展为依据,在分析SerDes传输原理的基础上,采用模型仿真和工程验证的方法,制定了高速串行数据链路层传输协议SSLLP(Satellite Serial Link Layer Protocol)和类文件化高速缓存的策略。在硬件设计和软件开发的基础上,最终完成了具备处理入口速率3.2 Gbit·s^(-1)并能以类文件化的方式缓存64个数据文件的星载数据处理单元的工程实现。测试结果表明,基于SSLLP的高速串行数据接收正确,缓存策略有效,系统高效可靠。该设计已在某型号任务中取得在轨验证,为星载高速串行数据处理系统提供了参考。展开更多
文摘针对以往遥感图像云检测方法对雪地等特殊地貌识别效果不理想的问题,基于偏好型支持向量机(preference support vector machine,PSVM)提出一种云检测技术。利用图像的灰度特征和纹理特征,提取图像的能量、对比度、逆差矩、熵、自相关性以及平均灰度值6个分类指标,使用偏好训练的方式,提高对云和普通地貌的识别准确率,准确区分云和雪地等特殊地物。实验结果表明,PSVM方法综合识别准确率达到了97.66%,特殊地貌识别准确率达到了99.31%,相比于传统的云检测算法性能提升显著。
文摘遥感卫星图像数据量的高速增长,以及遥感卫星搭载的相机不同工作模式下产生的数据差异化处理的需求,为星间数据处理带来了巨大挑战。针对星载Gbit·s-1级高速数据收发及文件缓存等星间数据处理面临的问题,以百兆每秒级星载高速接收缓存系统为切入点,以遥感卫星数据处理的发展为依据,在分析SerDes传输原理的基础上,采用模型仿真和工程验证的方法,制定了高速串行数据链路层传输协议SSLLP(Satellite Serial Link Layer Protocol)和类文件化高速缓存的策略。在硬件设计和软件开发的基础上,最终完成了具备处理入口速率3.2 Gbit·s^(-1)并能以类文件化的方式缓存64个数据文件的星载数据处理单元的工程实现。测试结果表明,基于SSLLP的高速串行数据接收正确,缓存策略有效,系统高效可靠。该设计已在某型号任务中取得在轨验证,为星载高速串行数据处理系统提供了参考。
