航天航空图像智能处理与应用  082500M02010H

学期:2020—2021学年(春)第二学期 | 课程属性:一级学科普及课 | 任课教师:李盛阳,万雪
授课时间: 星期六,第1、2、3 节
授课地点: 教二楼113
授课周次: 2、3、4、5、6、7、8、9、10、11、12、13、14
课程编号: 082500M02010H 课时: 34 学分: 2.00
课程属性: 一级学科普及课 主讲教师:李盛阳,万雪 助教:周壮
英文名称: Intelligent Digital Image Processing and Applications of Aerospace 召集人:

教学目的、要求

本课程为航空航天工程、计算机应用技术、信息与信号处理、电子与通信工程、人工智能等相关学科研究生的一门专业普及课。本课程主要讲述航天航空图像智能处理领域的背景情况、技术方法、应用研究、困难挑战和未来发展等多个方面。核心内容包含技术方法和应用研究,其中,技术方法是基础理论知识,应用研究是行业中基础理论知识与应用实践密切结合的典型案例。通过本课程的学习,要求学生掌握航天航空领域有关图像智能处理的基本理论、关键技术和应用实践体系,了解航天航空图像/视频数据应用的最新研究成果和前沿动态,培养学生在相关方向上的研究兴趣和解决实际问题的能力。

预修课程

线性代数、概率论、遥感图像处理、机器学习、神经网络与深度学习

教 材

授课教师的讲义

主要内容

第一章 绪论(4学时)
1.1 航天航空平台和传感器的发展
1.2 航天航空地面数据处理技术系统介绍
1.3 航天航空图像智能处理及应用
第二章 基础理论与方法(8学时)
2.1 机器学习的基本知识
2.2 神经网络的基本概念和经典算法
2.3 深度学习遥感图像处理主要技术方法(遥感图像场景分类、目标检测、语义分割、遥感图像变化检测等)
第三章 应用技术研究(18学时)
3.1 图像智能处理应用背景知识(航空航天图像数据概述、数据集标注的需求及挑战,智能图像检索、智能融合、有关技术方法、智能化硬件等)
3.2 图像质量评估与应用(图像质量分析与预测、航天载荷图像质量与工程参数关联分析的载荷运行状态反演、时序卫星遥感图像处理分析与应用等)
3.3 空间探测图像/视频智能处理(空间/深空目标检测、识别、语义分割,合作与非合作目标的抓捕、对抗,深空/月球无GPS视觉导航等)
3.4 地面目标检测、识别与跟踪(航天遥感光学/SAR图像典型地物/目标特征、车/船/飞机目标检测与识别、卫星/无人机视频目标检测、识别、跟踪、语义分割等)
3.5 安防领域图像智能处理技术与应用(军事设施检测、区域人口变化制图,交通/边境/沿海/集会人群监视、港口/机场/交通枢纽异常检测;马拉松赛事管理/人员追踪/资源分配,结构性火灾、山地救援、鲨鱼检测等)
3.6 国土遥感领域图像智能处理技术与应用(违法用地/采矿/围海造地/非法码头/闲置土地管理,测绘制图、城市规划、考古,海岛礁/海岸带专项调查、海洋灾害、海域动态巡航、海上执法;无人机土地开发进度监督、工程车辆检测/调度/管理、员工进出/物料入库与消耗等)
3.7农业遥感领域图像智能处理技术与应用(农作物种类识别、种植面积智能提取、生长状态监测、产量预测、病虫害监测、土壤肥力,大棚/地膜检测提取;无人机植保、喷洒农药、畜牧业牲口数量等)
3.8 资源遥感领域图像智能处理技术与应用(风沙源/水源地/森林生态评价、近海污染物识别/跟踪,气象卫星强对流云团识别/跟踪、空气污染预警、气候研究,矿山开采、矿山生态恢复/地质灾害预警与应急处置;发电厂/天然气/采矿设备监管,油轮/油罐/运输管道巡检、产能/存储/消耗/需求情况监测,化工厂/炼油厂/生产基地自动化有害气体检测,动植物种群统计/分布状况调查等)
3.9 交通领域图像智能处理技术与应用(路网提取,交通密度估计与车流量统计、车速/加速度、轨迹分析;无人机自主导航/跟踪、常规桥梁异常检测、灾害救援等)
3.10电力领域图像智能处理技术与应用(夜光卫星遥感反演经济发展水平,电力塔/电力线/光伏电站太阳能板/风力涡轮叶片/蜂窝网络基站无人机巡检等)
3.11 空间在轨信息处理技术(智能感知/压缩、星上图像分割、多源数据在轨智能几何校正与典型目标检测、稀疏表征等)
3.12 图像智能处理其他应用(工业基地卫星制造业指数、零售店停车场计数/销售额评估、房地产资产管理、运输物流供应链监控;进出口资产估计、作物产量/商业/灾害损失保险等)
第四章 未来技术发展及应用(4学时)
5.1 无人机与图像处理技术发展应用(无人机群、应用技术与服务)
5.2 航天与图像处理技术发展应用(航天飞行器、卫星/商业航天发展、传感器一体化、高分辨率/全天候、微小卫星组网集群、地面数据处理与运营服务系统、产品商业运营、按需服务、在轨信息处理发展、灾害/军事/反恐快速响应、目标提取、智能解译、多源数据集成分析、专题信息提取、AI、时空信息协同计算、云计算、大数据等技术,技术发展研讨)

参考文献

1.周志华. 机器学习. 清华大学出版社, 2015. 北京.
2.李航. 统计学习方法. 清华大学出版社, 2012. 北京.
3.伊恩·古德费洛, 约书亚·本吉奥, 亚伦·库维尔. 深度学习. 人民邮电出版社, 2017. 北京.
4.Jorge Nocedal, Stephen J. Wright. Numerical Optimization(Second Edition), Springer, 2006. New York.