【技术实现步骤摘要】
本专利技术涉及一种面向天地协同探测的计算网络，属于智能光学计算领域。
技术介绍
1、随着人工智能技术的迅速发展和广泛应用，现代卫星对地观测系统也逐渐整合了人工智能技术，以提高数据处理和分析的效率和准确性。但是传统计算方法在处理大规模数据时的局限性日益凸显。尤其是在现代卫星对地观测系统中，随着卫星数量的增加和传感器分辨率的提高，数据量呈现爆发式增长的趋势。这种海量数据需要在短时间内进行高效处理和分析，以提取有用信息并支持各种应用，如气象预测、自然灾害监测、农业资源管理等。
2、智能识别检测的能力很大程度上取决于深度神经网络构架的复杂度，系统效能完全依赖于现有电子计算平台的规模及性能水平。但是，传统的基于电子计算的方法在处理这种大规模数据时往往效率低下，通常受到运行速度、能耗、带宽等物理限制。特备是在天基场景下，天基平台受功耗、体积等约束，能提供的计算资源与能耗受限，难以部署复杂模型，使得基于传统电子学器件的在轨数据处理存在瓶颈问题，数据应用面临极大挑战；与此同时，在器件实现层面，由于多层神经网络信号之间出现相互干扰的几率较大，对需要高密度连接的神经网络的硬件实现带来一定困难。
技术实现思路
1、本专利技术解决的技术问题是：针对目前现有技术中，高密度连接的神经网络设计连接实现困难的问题，提出了一种面向天地协同探测的计算网络。
2、本专利技术解决上述技术问题是通过如下技术方案予以实现的：
3、一种面向天地协同探测的计算网络，包括星上光计算网络、地面电计
4、星上光计算网络，接收简单目标探测捕获后图像，将简单目标探测图像依次进行线性调制及非线性调制，对调制后图像进行拟合处理获取简单目标拟合图像，利用简单目标拟合图像进行简单目标识别；接收复杂目标探测捕获后图像，将复杂目标探测图像依次进行线性调制及非线性调制，对调制后图像进行拟合处理获取复杂目标拟合图像，利用复杂目标拟合图像进行压缩预处理；将简单目标识别结果、复杂目标压缩预处理结果发送至地面电计算网络；
5、地面电计算网络，对简单目标识别结果、复杂目标预处理结果进行初始特征重构及非线性信号重构处理，输出目标重构图像。
6、所述星上光计算网络包括三层线性调制层、两层非线性调制层，其中：
7、第一线性调制层，接收简单目标、复杂目标的探测捕获后图像，对探测捕获后图像进行基于透射式的强度线性调制后获取简单目标、复杂目标的初始特征矩阵，并将该线性调制后图像发送至第一非线性调制层；
8、第一非线性调制层，对线性调制后图像进行非线性调制并限制非线性调制后图像的增益值为预设倍数，将非线性调制后图像发送至第二线性调制层；
9、第二线性调制层，对非线性调制后图像进行特征提取，并进行特征压缩，将特征压缩后图像发送至第二非线性调制层；
10、第二非线性调制层，对特征压缩后图像进行拟合处理，并发送至第三线性调制层；
11、第三线性调制层，根据目标类型对拟合处理后图像进行图像识别或图像压缩预处理。
12、当目标类型为简单目标，则在第三线性调制层中对简单目标拟合图像进行简单目标识别，获取简单目标信息作为简单目标识别结果；简单目标识别在星上光计算网络完成；
13、当目标类型为复杂目标，则在第三线性调制层中对复杂目标拟合图像进行压缩预处理，获取复杂目标压缩向量作为复杂目标压缩预处理结果；复杂目标压缩向量在地面电计算网络中根据天地协同探测任务需求进行后续计算。
14、所述第一线性调制层包括液晶显示器、透镜；
15、液晶显示器，接收简单目标、复杂目标探测捕获后图像进行成像处理，加载简单目标、复杂目标的初始特征矩阵，并根据初始特征矩阵进行线性调制；
16、透镜，对线性调制后图像进行下采样处理后向第一非线性调制层输出线性调制后图像。
17、所述第一非线性调制层包括图像增强器，其中：
18、图像增强器，接收入射的线性调制后图像，通过局部放大效应实现非线性调制并且控制增益为800倍至3000倍。
19、所述第二线性调制层包括微透镜阵列、液晶显示器、透镜，其中：
20、微透镜阵列，对非线性调制后图像复制；
21、液晶显示器，接收复制后所有非线性调制后图像进行透射式强度调制，加载对应的调制矩阵对图像进行调制以实现特征提取，获取用于反映不同类别图像信息的特征矩阵进行显示；
22、透镜，对线性调制后图像进行下采样处理及压缩处理，获取聚焦远小于原图像的线性调制及特征压缩后图像并向第二非线性调制层输出。
23、所述第二非线性调制层包括图像增强器，其中：
24、图像增强器，接收入射的线性调制后图像，进行非线性调制及图像拟合，将拟合处理后图像发送至第三线性调制层；
25、其中，第二非线性调制层的图像增强器与第一非线性调制层相同。
26、所述地面电计算网络包括采样网络、初始重构网络和深度重构网络，其中：
27、采样网络，预设压缩采样矩阵，根据压缩采样矩阵对简单目标识别结果、复杂目标压缩预处理结果进行自动压缩处理，将压缩处理后图像发送至初始重构网络；
28、初始重构网络，按照天地协同探测任务需求中的图像特征需求对压缩处理后图像进行特征图像转换，将初始重构后特征图像发送至深度重构网络；
29、深度重构网络，接收初始重构后特征图像进行非线性信号重构，输出目标重构图像。
30、所述初始重构网络采用卷积层及reshape+concate层实现特征图像转换；
31、初始重构网络结构中，卷积层设计为：
32、卷积核尺寸1*1，卷积核通道数1024，卷积核数量16384，输入压缩处理后图像尺寸为2*2，输入通道数为1024，输出特征图尺寸为2*2，输出通道为16384；
33、reshape+concate层用于将16384*2*2的特征图像转换为1*256*256的初始重构后特征图像并输出深度重构网络。
34、所述深度重构网络包括五层相同结构的卷积层，各层设计如下：
35、第一卷积层，卷积核尺寸3*3，卷积核通道数1，卷积核数量64，步长1*1，填充1*1。输入特征图尺寸为256*256，输入通道数为1，输出特征图尺寸为256*256，输出通道为64；
36、第二卷积层，卷积核尺寸3*3，卷积核通道数64，卷积核数量64，步长1*1，填充1*1。输入特征图尺寸为256*256，输入通道数为64，输出特征图尺寸为256*256，输出通道为64；
37、第三、第四卷积层与第二卷积层设计相同；
38、第五卷积层，卷积核尺寸3*3，卷积核通道数64，卷积核数量1，步长1*1，填充1*1。输入特征图尺寸为256*256，输入通道数为64，输出特征图尺寸为256*256，输出通道为1。
39、本发本文档来自技高网...
【技术保护点】
1.一种面向天地协同探测的计算网络，其特征在于：
2.根据权利要求1所述的一种面向天地协同探测的计算网络，其特征在于：
3.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
4.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
5.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
6.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
7.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
8.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
9.根据权利要求8所述的一种面向天地协同探测的计算网络，其特征在于：
10.根据权利要求8所述的一种面向天地协同探测的计算网络，其特征在于：
【技术特征摘要】
1.一种面向天地协同探测的计算网络，其特征在于：
2.根据权利要求1所述的一种面向天地协同探测的计算网络，其特征在于：
3.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
4.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
5.根据权利要求2所述的一种面向天地协同探测的计算网络，其特征在于：
6....
【专利技术属性】
技术研发人员：李维，刘勋，李涛，张维畅，蔡滟馨，刘彦兵，李强，孙德伟，
申请(专利权)人：北京空间机电研究所，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。