-
题名星载高光谱成像系统发展综述
被引量：1
- 1
-
-
作者
刘思田
卢慧
王栋
李晓兰
朱春丽
边丽蘅
-
机构
北京理工大学复杂环境智能感测技术工信部重点实验室
-
出处
《航天返回与遥感》
CSCD
北大核心
2023年第6期12-26,共15页
-
基金
国家自然科学基金面上项目(61971045)
国家优秀青年科学基金项目(62322502)。
-
文摘
高光谱遥感技术通过记录地表物体在多个连续波段下的光谱信息,实现高精度的地球观测与分析。为了获取更多地物目标的细节信息,研究人员提出了对高光谱成像系统各项参数指标的新要求,国内外开展了大量相关研究。随着卫星技术的成熟,高光谱遥感平台从最初的机载平台逐渐发展到星载平台,促进了高光谱遥感图像在地质、农林业、环境监测等领域的广泛应用。目前,多数光谱成像系统选用传统的光学器件来实现分光,将计算光学与高光谱遥感结合,有利于集成更紧凑便捷的成像系统。文章首先介绍了高光谱成像系统的主要类型和原理,随后对近30年来典型的星载高光谱成像系统及载荷进行了综述,梳理了典型国内外星载高光谱成像系统的发展现状,并对不同国家成像系统的性能指标进行了对比分析,总结了相应的发展历程,并对未来星载高光谱成像系统的发展作出了展望。
-
关键词
高光谱成像系统
遥感载荷
星载光谱成像仪
发展趋势
-
Keywords
hyperspectral imager
remote sensing payload
space-borne spectral imager
development trend
-
分类号
V248.1
[航空宇航科学与技术—飞行器设计]
TP391.41
[自动化与计算机技术—计算机应用技术]
-
-
题名单像素高效感知方法概述
- 2
-
-
作者
边丽蘅
詹昕蕊
王华依
刘海燕
索津莉
-
机构
北京理工大学前沿交叉科学研究院&信息与电子学院
清华大学自动化系
-
出处
《红外与激光工程》
EI
CSCD
北大核心
2022年第8期507-526,共20页
-
基金
国家重点研发计划(2020AA0108202,2020YFB0505601)
国家自然科学基金(62131003,61971045,61991451)。
-
文摘
资源受限平台的高效率视觉感知是信息领域的瓶颈难题。不同于传统阵列探测成像,单像素成像基于压缩感知原理将多维图像编码为一维采集数据,有效提升了数据压缩率,且灵敏度高、工作波段宽,逐渐成为研究热点。然而,单像素成像重建的图像中仍包含大量对高层语义理解无关的信息,导致传输、存储、计算的资源浪费。单像素感知是一种直接从一维采集数据解耦高级语义推断结果的新型感知技术,无需重建多维图像,相较传统先成像-后感知的技术路径大幅提升了感知效率,在遥感探测、智慧交通、生物医学、国防军事等众多领域具有广阔的应用前景。文中重点梳理了单像素感知技术的发展历程,详细介绍了单像素感知技术的方法架构以及在视觉应用中的研究进展,最后对其未来发展趋势进行了展望。
-
关键词
单像素感知
免成像感知
深度学习
调制优化
联合优化
-
Keywords
single-pixel sensing
image-free sensing
deep learning
modulation optimization
joint optimization
-
分类号
O438
[机械工程—光学工程]
-
-
题名大规模计算重建理论与方法
被引量：1
- 3
-
-
作者
边丽蘅
李道钰
常旭阳
索津莉
-
机构
北京理工大学信息与电子学院
北京理工大学前沿交叉科学研究院
清华大学自动化系
-
出处
《激光与光电子学进展》
CSCD
北大核心
2023年第2期1-18,共18页
-
基金
国家重点研发计划(2020AA0108202,2020YFB0505601)
国家自然科学基金(61971045,62131003,61991451)。
-
文摘
计算成像将高维场景信息压缩编码为低维采集数据,并通过计算重建算法恢复高维场景信息。数据爆炸时代,对高时空分辨率的需求日益迫切,亟需同时满足高精度、低复杂度及适用不同系统的灵活性要求的大规模重建算法。现有大规模计算重建研究,包括交替投影、深度图像先验及即插即用方法,已取得阶段性进展。其中交替投影方法已应用于十亿像素定量相位成像,深度图像先验方法和即插即用方法结合了传统模型优化与深度学习技术的优点,具备大规模重建潜力。系统地梳理3类方法的架构及在大规模计算成像中的应用,展望大规模重建算法的未来发展趋势,以期为后续研究与应用提供有益的指导与借鉴。
-
关键词
计算成像
大规模重建
交替投影
深度图像先验
即插即用方法
-
Keywords
computational imaging
large-scale reconstruction
alternating projection
deep image prior
plug-and-play method
-
分类号
O436
[机械工程—光学工程]
-
