一种红外遥感图像压缩和目标检测系统及方法

    公开(公告)号:CN116452975A

    公开(公告)日:2023-07-18

    申请号:CN202310324222.8

    申请日:2023-03-29

    Abstract: 本发明提供了一种红外遥感图像压缩和目标检测系统及方法,该系统包括:图像压缩模块、目标检测模块、复接通信模块,电源模块;图像压缩模块接收并压缩红外载荷的红外图像,输出原始数据和压缩数据,原始数据包括载荷图像数据及辅助数据;目标检测模块接收图像压缩模块转发的原始数据,对红外图像进行目标检测及定位解算,输出检测结果和遥测数据;复接通信模块接收压缩数据和检测结果、遥测数据,同时发送遥控指令至图像压缩模块和目标检测模块;电源模块,用于图像压缩模块、目标检测模块、复接通信模块供电。通过本系统使得红外遥感图像压缩和目标检测系统实现红外载荷图像压缩、检测功能,同时具备算法重构以及抗空间辐射条件下正常工作的能力。

    一种光学遥感图像在轨舰船目标检测方法

    公开(公告)号:CN111428624A

    公开(公告)日:2020-07-17

    申请号:CN202010205440.6

    申请日:2020-03-20

    Abstract: 本发明公开了一种光学遥感图像在轨舰船目标检测方法,包括以下步骤:步骤1:基于异常点判别的疑似目标候选区域提取;步骤2:疑似目标候选区域修正;步骤3:PCA规则化疑似目标候选区域;步骤4:舰船方向梯度直方图特征提取与舰船鉴别。本发明基于光学遥感图像特点和星上硬件架构设计采用粗检测与细鉴别相结合进行目标检测,其中基于异常点判别的粗检测利用舰船目标与海洋背景的差异尽量不遗漏的提取可能存在舰船目标的候选区域。基于舰船方向梯度直方图特征的细鉴别,根据舰船与其他干扰因素的差别剔除疑似目标候选区域虚警,提取出真正的舰船目标。本发明在保证算法高检测率、低虚警率性能的同时,进一步降低了算法复杂度,适用于在轨实现。

    递归型FFT处理器的低功耗优化方法和装置

    公开(公告)号:CN116361605A

    公开(公告)日:2023-06-30

    申请号:CN202310374142.3

    申请日:2023-04-10

    Abstract: 本发明提出了一种递归型FFT处理器的低功耗优化方法,基于查找表搜索法的旋转因子生成单元不仅具有现有技术的运算架构,而且增加了额外的判断逻辑和控制逻辑,用来减少旋转因子生成过程中的访存和复数乘法次数,有效地降低了功耗。另外旋转因子计算单元负责将旋转因子和蝶形运算结果进行复数乘法运算从而得到最终结果,针对大点数二维FFT算法的运算过程,将相位因子代替列变换最后一级的旋转因子,通过超前计算的方法减少了一级的额外读写访存,达到降低功耗的目的,同时减少了一级FFT的计算时间。

    一种光学遥感图像在轨舰船目标检测方法

    公开(公告)号:CN111428624B

    公开(公告)日:2023-04-14

    申请号:CN202010205440.6

    申请日:2020-03-20

    Abstract: 本发明公开了一种光学遥感图像在轨舰船目标检测方法,包括以下步骤:步骤1:基于异常点判别的疑似目标候选区域提取;步骤2:疑似目标候选区域修正;步骤3:PCA规则化疑似目标候选区域;步骤4:舰船方向梯度直方图特征提取与舰船鉴别。本发明基于光学遥感图像特点和星上硬件架构设计采用粗检测与细鉴别相结合进行目标检测,其中基于异常点判别的粗检测利用舰船目标与海洋背景的差异尽量不遗漏的提取可能存在舰船目标的候选区域。基于舰船方向梯度直方图特征的细鉴别,根据舰船与其他干扰因素的差别剔除疑似目标候选区域虚警,提取出真正的舰船目标。本发明在保证算法高检测率、低虚警率性能的同时,进一步降低了算法复杂度,适用于在轨实现。

    一种面向遥感图像目标检测的神经网络压缩方法

    公开(公告)号:CN112488070A

    公开(公告)日:2021-03-12

    申请号:CN202011517057.0

    申请日:2020-12-21

    Abstract: 一种面向遥感图像目标检测的神经网络压缩方法,包括基于深度学习框架对目标检测神经网络进行训练,得到基准网络模型和基准mAP指标;按照卷积层参数量大小顺序,逐层将传统卷积层拆分为一层深度卷积和一层逐点卷积两个参数量更小的卷积层,直至超过mAP指标损失阈值;进行基于TPE优化的自适应剪枝;对权重进行基于层的动态固定点量化,对输入特征图进行基于区域的动态固定点量化,进一步压缩网络模型,逐步降低量化位宽,直至mAP指标损失超过阈值。本发明能够自动对网络各层剪枝阈值进行调节,从而减少剪枝引起的性能损失;通过动态固定点量化,减少量化引起的性能损失;最终在遥感图像目标检测网络上达到25倍以上的压缩率,mAP指标损失不到1%。

Patent Agency Ranking