文献类型：期刊文章

作　　者：程前[1,2] 高欣健[1] 高隽[1,2] 王昕[1,2] 党天一[1,2] 严圆[1,2]

Cheng Qian;Gao Xinjian;Gao Jun;Wang Xin;Dang Tianyi;Yan Yuan(School of Computer and Information,Hefei University of Technology,Hefei,Anhui 230009,China;Image Information Processing Laboratory,Hefei University of Technology,Hefei,Anhui 230009,China)

机构地区：[1]合肥工业大学计算机与信息学院,安徽合肥230009 [2]合肥工业大学图像信息处理研究室,安徽合肥230009

出　　处：《光电工程》

基　　金：国家自然科学基金面上项目(62171178)。

年　　份：2022

卷　　号：49

期　　号：6

起止页码：53-67

语　　种：中文

收录情况：BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：大气偏振模式凭借具有太阳子午线信息的“∞”字形特征支撑偏振导航应用,然而由于采集装置的物理特性限制、采集地点的周边环境以及薄云等遮挡,导致获取的大气偏振信息部分失真,降低了太阳子午线的精度。为解决该问题,本文提出了基于邻域约束的大气偏振模式生成网络,该网络挖掘大气偏振模式分布的连续性,通过多步邻域特征推理以增加重构过程的约束,由局部有效偏振信息精准生成全局的大气偏振信息。此外,针对大气偏振模式的物理特性,提出了太阳子午线角度损失,进一步提升太阳子午线精度。本文在实测大气偏振数据上进行了实验,并与其它最新方法进行对比,实验结果证明了本文方法的鲁棒性和优越性。

关 键 词：大气偏振模式  偏振信息重构  邻域特征推理  子午线角度损失  深度学习  

分 类 号：O436.3] TP391.4]