星载激光测高仪有源光斑能量探测器检测标定平台及方法

    公开(公告)号:CN110231610B

    公开(公告)日:2022-12-02

    申请号:CN201910439528.1

    申请日:2019-05-24

    Applicant: 武汉大学

    Abstract: 本发明公开了一种星载激光测高仪有源光斑能量探测器检测标定平台及方法,用于等效模拟不同出射激光能量、不同大气条件下的卫星激光测高仪脚点能量密度,针对星载激光测高仪的指向角误差在轨标定中在地面激光足印范围内布设的激光探测器进行检测评估;设置激光发射模块、能量调节模块、光束整形模块、能量监控模块和数据处理模块。本发明解决了星载激光测高仪地面标定激光有源探测器的检测问题,通过多种衰减片组合的方式,实现了对激光有源探测器性能指标检测的全覆盖。同时,高能量稳定性的激光光源与高精度能量计的实时能量监控,保证了探测器测量数据的真实性与可靠性,为星载激光测高仪地面标定提供了可靠性保障。

    一种基于动态梯度组稀疏和低秩正则化的高光谱融合方法

    公开(公告)号:CN113870159A

    公开(公告)日:2021-12-31

    申请号:CN202111019135.9

    申请日:2021-09-01

    Applicant: 武汉大学

    Abstract: 本发明提出了一种基于动态梯度组稀疏和低秩正则化的高光谱融合方法。通过高光谱传感器获得低分辨率的高光谱图像,通过多光谱传感器采集相同画面的低分辨率的多光谱图像和高分辨率的全色图像,利用动态梯度组稀疏正则化和低秩正则化构建低分辨率的高光谱图像、低分辨率的多光谱图像、高分辨率的全色图像三者之间的融合模型,通过交替方向乘子法求解融合模型,获得系数矩阵,进而通过将系数矩阵与子空间矩阵相乘得到高分辨率的高光谱图像。本发明的融合方法将图像的子空间正则化与图像融合相结合,从而将对融合目标的求解转为对低维系数矩阵的求解,提高了计算效率,获得定性和定量方面均优于对比方法的高分辨率的高光谱图像。

    一种改进的基于聚类的单光子点云数据去噪方法

    公开(公告)号:CN109344812B

    公开(公告)日:2021-06-04

    申请号:CN201811424017.4

    申请日:2018-11-27

    Applicant: 武汉大学

    Abstract: 本发明提出了一种改进的基于聚类的单光子点云数据去噪方法。本发明将光子计数激光测高仪的三维点云数据转换为二维点云数据,二维点云数据通过粗去噪方法得到粗去噪后二维点云数据;将粗去噪后二维点云数据通过均匀化处理得到均匀化后二维点云数据;将均匀化后二维点云数据通过精去噪方法得到精去噪后二维点云数据;本发明对单光子探测得到的点云数据以更快的速度和更高的查全率、查准率进行去噪和信号提取。

    一种高动态范围多卫星兼容有源激光探测器

    公开(公告)号:CN112859035A

    公开(公告)日:2021-05-28

    申请号:CN202110042839.1

    申请日:2021-01-13

    Applicant: 武汉大学

    Abstract: 本发明属于激光探测技术领域,公开了一种高动态范围多卫星兼容有源激光探测器,包括:MCU模块、偏置电压模块、光电转换模块、增益调整模块、放大模块;MCU模块用于获取设置信息,根据设置信息输出参考电压至偏置电压模块,输出增益控制信号至增益调整模块;偏置电压模块用于根据参考电压输出偏置电压至光电转换模块,以调节光电转换模块输出信号的动态范围;增益调整模块用于根据增益控制信号调节放大模块的放大倍数。本发明使得有源激光探测器具有极高的动态范围,能够兼容不同卫星不同的地面激光脚点能量。

    基于主被动融合的超远距离目标三维运动轨迹预测方法

    公开(公告)号:CN111896973A

    公开(公告)日:2020-11-06

    申请号:CN202010685740.9

    申请日:2020-07-16

    Applicant: 武汉大学

    Abstract: 本发明提供一种基于主被动融合的超远距离目标三维运动轨迹预测方法,基于主动探测子系统和被动探测子系统所得信息进行主被动融合,包括光学望远镜采取凝视转移的工作方式对探测天区进行扫描搜索目标;提取出目标的二维运动轨迹,望远镜进入凝视跟踪模式;经过像平面上目标轨迹预测处理实现目标的粗跟踪,并控制激光光束指向装置搜索捕获目标,对目标进行连续测距测速,同时光学望远镜不断跟踪拍摄图像,对目标轨迹进行修正;提取到目标附近的点云数据,采用信号光子提取方式得到目标与系统之间的距离和相对运动速度,融合得到目标的三维轨迹参数信息,对目标的三维空间运动轨迹进行预测,同时通过预测的目标位置调整激光指向。

    一种基于自适应光谱-空间梯度稀疏正则化的多光谱图像融合方法

    公开(公告)号:CN109859153B

    公开(公告)日:2020-10-30

    申请号:CN201910049204.7

    申请日:2019-01-18

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于自适应光谱‑空间梯度稀疏正则化的多光谱遥感图像与全色图像的融合方法,包括如下步骤:步骤1:获得同一时间同一地理区域已配准的多光谱图像和全色图像;步骤2:基于步骤1的结果,对融合图像进行下采样,获得融合图像和多光谱图像的l2范数;步骤3:计算融合图像和复制的全色图像的差值图像在空间和光谱方向上的梯度和权重矩阵,从而获得融合图像和全色图像的l1范数;步骤4:基于步骤2和步骤3,获得融合图像与多光谱图像,全色图像的能量函数,并迭代求解获得融合图像。本发明主要针对多光谱遥感图像与全色图像融合的应用需求,考虑到多光谱图像的光谱一致特性和空间梯度稀疏特性。

    基于单光子激光雷达背景噪声率的地表分类方法

    公开(公告)号:CN110501716A

    公开(公告)日:2019-11-26

    申请号:CN201910690511.3

    申请日:2019-07-29

    Applicant: 武汉大学

    Abstract: 本发明公开了一种基于单光子激光雷达背景噪声率的地表分类方法,首先根据镜面反射理论提出了水面光子反射噪声率的表达式,随后结合系统参数、环境参数与目标特性参数,建立了背景噪声率模型,分别给出了陆地背景噪声率与水体背景噪声率的数学表达式,最后计算得到地表分类噪声率阈值。根据陆地与水体背景噪声率的显著差异,可通过代入激光雷达原始点云数据的统计噪声率与噪声率阈值进行比较,判断地表类型。该分类方法不依赖于传统方法中需要用到的数字地形图或高分辨率遥感影像,采用的辅助数据易于获取,具有快速、高效的优点,可在沿海地区实现高精度的地表类型分类。将该方法应用于MABLE原始点云数据中,分类效果优异。

Patent Agency Ranking