基于小波包变换的Quick Bird全色影像和多光谱影像的融合

为了能够更好地将迄今为止在商业领域内空间分辨率最高的Quick Bird卫星遥感影像的高空间分辨率特性和多光谱特性结合起来,以提高对影像信息的分析和提取能力,笔者在研究了小波包图像分析法之后,提出了一种基于小波包变换(WPT)的Quick Bird遥感影像融合方法,在此基础上,对同一地区Quick Bird全色影像和多波段影像进行了融合实验,获得了满意的实验结果。     

资源三号卫星廊坊地区遥感数据的融合处理

本文以资源三号卫星河北省廊坊地区2A级全色遥感影像和多光谱影像数据为基础,采用遥感数字图像处理软件ERDASIMAGINE进行了研究区域的提取,并对提取的感兴趣区进行了几何校正,即图像配准处理,然后进行了融合处理,分别采用了空间增强的分辨率融合算法、改进IHS分辨率融合算法以及小波分辨率融合算法,通过和融合前的影像进行对比,融合后的影像既保留了多光谱影像的丰富的波谱信息,同时具有了全色影像的高空间分辨率的特征,最后对比三种融合算法,得出改进的IHS分辨率融合算法效果最佳。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

基于双时相遥感影像差异信息的深度学习滑坡检测

目前利用高分辨率卫星影像进行滑坡等地质灾害识别逐渐成为研究热点,滑坡目视解译依赖于解译人员的经验,耗时费力且提取精度低,而传统的滑坡自动识别方法易将滑坡和道路、裸地、建筑等多种具有相似光谱信息的地物混淆。针对以上问题,文章使用一种双时相高分辨率卫星影像差异信息的深度学习滑坡检测算法,获取时序影像各个波段和归一化植被指数（Normalized Difference Vegetation Index,NDVI）的差异影像作为深度学习的输入特征。为充分挖掘滑坡前后影像多种信息差异特征,采用了U-net网络模型耦合空洞空间金字塔池化和嵌入注意力机制模块相结合进行滑坡特征提取的方法,该方法增强了滑坡边界信息的保存,能够有效地提取滑坡边界信息和发生剧烈变化的区域。利用上述方法对恩施市和九寨沟进行了滑坡检测,实验结果显示,所取得的综合评价指标值（F1-Score）分别为88.4%和90.53%,误差较小、精度较高。表明该方法能够准确检测出高分卫星数据的滑坡边界,且能保持滑坡的完整性。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题，文章提出基于深度学习的遥感图像目标检测系统软件。首先，为给深度学习网络训练提供高质量的样本数据，在GIS平台上实现了样本标注功能和数据集兼容性转换功能，并提供图像预处理方法对样本进行扩充；其次，针对遥感图像场景分类与遥感图像特定目标检测，应用深度学习技术，分别实现了模型训练、迁移学习、目标检测等功能；最后，采用了形态学处理、矢量化、直角化约束等方法，对遥感图像场景分类的效果进行改善。实验结果表明，文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度，在特定目标检测方面取得了95%的检测精度，明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求，能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

卫星遥感影像外方位元素的误差传播研究

高分辨率卫星遥感影像的几何定位精度与影像外方位元素精度密切相关.文章针对单景影像直接对地定位和立体影像前方交会定位两种典型情况,对影像各外方位元素在目标几何定位中的误差传播规律进行分析比较,相关结论可供卫星姿控及相机载荷设计方参考.     

基于知识图谱的遥感图像检索定位方法

为了快速、准确地在海量遥感图像库中检索出所需的遥感图像资源，提出了一种基于知识图谱的遥感图像检索定位方法。为了充分利用遥感图像中所蕴含的地理语义信息，方法中使用知识图谱节点代表遥感图像，根据图像间的相似程度和地理位置在节点间建立关系。通过知识图谱缩小图像检索空间，加快检索速度，准确地定位遥感图像所示区域的地理信息，并返回最相似的图像。将此方法应用于卫星自主导航领域中，与传统的线性检索相比，图像检索的时间缩短了50%，准确率也得到提高。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

未知空间目标纹理缺失表面三维重建算法

针对传统三维重建方法难以对纹理缺失表面进行完整重建的问题，提出一种基于深度学习与截断符号距离函数(TSDF)融合的未知目标三维表面完整重建算法。首先设计一种基于深度学习的图像逐像素深度估计框架，通过在训练过程中引入多个复杂结构模型，提高该深度估计框架的泛化能力；其次，利用TSDF对各帧图像所估计的深度信息进行融合，实现对纹理缺失区域的空间目标完整三维重建。根据仿真校验，对于300 mm尺寸的卫星模型图像，像素深度估计平均误差约为13 mm，通过TSDF融合后尺寸精度误差小于5.10%。实验结果表明该算法可以对未知空间目标光学图像进行逐像素深度估计，并获得目标完整的三维结构与纹理信息，有效解决无纹理区域的重建结构缺失问题。     

我国天基综合信息网构想

阐述了天基综合信息网的定义、组成和特征;介绍了美国和欧洲天基综合信息网的研究情况;提出了我国天基综合信息网的体系架构,其中包含通信卫星、导航卫星、遥感卫星、载人飞船等航天器和临近空间各种飞行器,以及地面系统。分析了该网络的特点和可用的网络协议结构;探讨了该网络的组网结构、网络协议、服务质量(QoS)路由、网络管理、网络安全防护、激光通信和星载处理交换等多项关键技术。依据国情,提出了我国天基综合信息网构想。此构想采用双层(地球静止轨道和低地球轨道)通信卫星星座和导航卫星星座,实现全球全时覆盖空间层航天器、临近空间层飞行器和地面层各种用户终端,通过星间链路、星地链路和地面线路组成一个空天地一体化的全球信息网络。在国外不设地球站的情况下,该网络可实现:国内测控站测控我国全球运行的卫星;国内遥感站实时接收我国全球遥感卫星发送的信息;国内关口站管理我国授权的全球用户站之间的互通信息。最后,提出了开展我国天基综合信息网的可行性研究建议。     

星上遥感影像在轨处理进展研究

从星地数传、高时敏任务等对星上遥感影像在轨处理的需求出发,本文对美国、欧洲以及国内主要的星上遥感影像在轨处理进展进行了研究;以此为基础,结合星上遥感影像在轨处理框架与深度学习等智能处理技术,分析了高性能星上智能处理平台构建、基于深度学习的遥感影像在轨智能处理、多源遥感影像数据在轨融合处理、星地协同数据处理及在轨更新等星上遥感影像在轨处理关键技术;最后,对星上遥感影像在轨处理未来发展趋势进行了总结,为进一步提升遥感卫星在轨应用效能提供参考。     

提高光学遥感卫星图像几何精度总体设计分析

针对如何提高我国光学遥感卫星图像几何定位精度问题,从影响几何成像质量的关键要素——内外方位元素出发,介绍地面几何处理方法,并基于多颗卫星研制、地面量测试验及在轨验证情况,对高分辨率光学遥感卫星和多线阵观测卫星的几何精度的星-地全链路影响误差项进行对比分析,通过理论分析找出了约束我国高分辨率遥感卫星几何精度的关键问题,最后探讨了如何通过星上设计配合地面处理提高高分辨率遥感卫星的几何精度。     

“实践九号”A卫星图像的直接解调成像方法

“实践九号”（SJ-9）卫星是中国新技术试验卫星系列规划中的首发星,其中A星搭载的光学成像有效载荷技术试验项目为高分辨率多光谱相机,其图像数据将应用于国土资源调查与监测、农林业、环境保护、防灾减灾等领域,满足用户对高分辨率数据的需求。目前,遥感数据地面处理主要使用美国学者提出的调制传递函数补偿方法,而该文使用了中国科学家自主提出的直接解调成像方法处理“实践九号”A卫星全色谱段的遥感图像。通过分析处理前后的敦煌靶标和法国靶标的调制传递函数（Modulation Transfer Function,MTF）和点扩散函数,认为经直接解调成像方法处理后的图像清晰度和MTF有明显提高,达到了国际上同类遥感图像处理方法的先进水平。     

气象海洋卫星地面遥感站

气象海洋卫星地面遥感站主要是用于接收各类气象、海洋、环境卫星的遥感原始数据,并实现数据存储及相关数据处理,从中提取可用的空间环境资料。5.2m天线根据轨道预报捕获并跟踪目标,接收L/S/X三频段射频信号,将信号放大变频后送解调器,解调器从中频信号中恢复出原始遥感数据帧,由记录器对数据进行存储,快视设备实时对原始数据进行去格式处理后显示遥感图像,通过网络传输给各个用户。     

基于直方图修改的卫星遥感图像无损隐藏传输

针对星上低速率数据的传输问题,提出了一种基于直方图修改技术的卫星遥感图像无损隐藏传输方法。该方法通过对星上高速率遥感图像相邻像素差的直方图进行修改,将低速率数据嵌入到原始高速率遥感载体图像中,并利用卫星高速数传系统进行下传。地面接收端可以从载体图像中正确提取低速率数据,并无损恢复原始高速率遥感图像数据。该方法在不增加卫星数传系统复杂度和信息传输速率的前提下,提高了卫星数传系统的利用率,增强了数据传输的隐蔽性。实验结果表明,本文算法在保证良好的不可见性的情况下,获得了较高的纯载荷嵌入容量。与其它无损嵌入方法相比,在峰值信噪比和纯载荷嵌入容量方面都有很大的优势。     

星载云检测算法的FPGA实现

对于光学遥感卫星而言,云的存在遮挡了地物,对卫星图像数据获取的质量造成了很大影响。对云进行实时有效的检测,可以把云图识别并分离出来,根据卫星的不同需求进行分类处理。一方面,为了减轻卫星数据传输通道的压力,云图可以不对地面传输;另一方面可以对云图进行高倍数压缩,由此节省出来的数据量可以给非云图像提供更高的压缩质量。提出的一种云检测FPGA实现方法,检测效果良好,厚云检测率达到97%,目前已成功应用于多颗卫星。     

国外地球同步轨道遥感卫星发展初步研究

地球同步轨道遥感卫星因具备高时效性及持续探测能力等优势,已成为当前国际遥感卫星领域一个重要的发展方向。文章围绕地球同步轨道遥感卫星,重点针对光学、微波、电子侦察等国际地球同步轨道遥感卫星及卫星平台发展动态、发展趋势开展了调研与分析,梳理出国际发展情况对中国地球同步轨道遥感卫星领域发展的启示。文章从地球同步轨道遥感卫星领域发展战略的高度,进一步提出支撑该领域发展需重点突破的关键技术。     

我国遥感卫星系统发展进阶路径探讨

文章回顾了作为人造地球卫星重要分支的遥感卫星及其相关的遥感技术和遥感产业的国内外发展历程,结合未来技术发展趋势和我国新时代发展需求,分别针对高端卫星和商业卫星,探讨我国卫星遥感系统发展进阶路径,提出值得关注的重大技术方向,旨在为卫星系统规划、遥感载荷部署、卫星应用拓展等提供借鉴。