顾及不确定性分析的多数投票 SAR 影像变化检测

合成孔径雷达（Synthetic Aperture Radar，SAR）影像变化检测是遥感领域的一个重要研究方向。文章以投票法（Majority Voting，MV）为基础，提出一种全新的顾及不确定性分析的SAR影像变化检测方法（Uncertainty Analysis-based MV，UAMV）。首先选取三组典型的差分影像生成算法，生成三组互补的差分影像。然后使用模糊C均值聚类估算每组差分影像的关于变化类和未变化类的模糊隶属度函数。最后用模糊集合和信息熵理论优化MV，构建顾及不确定性分析的多数投票法，并用所构建方法融合三组差分影像的模糊隶属度函数，生成变化检测图。为验证文章方法的有效性，通过三组真实SAR影像数据进行实验分析。实验结果表明：1）通过用信息熵分析MV融合过程中的不确定性，能够显著提高MV的变化检测性能；2）与7种现有相关算法相比，UAMV方法能够取得更优的变化检测结果。该研究为SAR影像变化检测提供一种新的思路和方法。     

基于D-S证据理论的雷达模糊识别研究

针对现代雷达信号的复杂性和模糊性以及信号在时间上的冗余性等特点,将模糊匹配和D-S证据理论相结合.在信号的积累和求取模糊隶属度的基础上,用D-S证据理论对隶属度进行融合,有效地解决了雷达信号识别的不确定性问题,同时充分利用了信号在时间上的冗余信息,提高了雷达信号的识别效果.仿真试验证明了该算法的有效性.     

应用Landsat-8卫星遥感图像的青海地区土壤分类研究

遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程图像的地形特征,通过随机森林方法实现土壤分类。文章首先提出2个基于遥感图像的纹理特征——熵与平滑度,从中国土壤数据集中自动提取了16 444个数据点,并在试验中采用,充分验证了此分类方法的有效性。     

遥感图像运动模糊恢复方法及评价标准研究

遥感成像系统与目标在曝光时间内的相对运动将导致成像的运动模糊。文章结合匀速直线运动造成的图像模糊特点,讨论图像模糊的产生机理并建立相关退化模型;利用点扩散函数（PSF）在频率域和空间域上分别对匀速直线运动产生的模糊图像进行恢复;验证各算法对高斯噪声的抗干扰性;提出使用HVS对比度的方法作为客观评价标准验证恢复算法的可行性,并与传统的灰度平均梯度（GMG）相对比表明该评价标准的合理性。     

基于熵-AHP融合的空袭目标威胁度量与排序

针对传统防空作战时对目标威胁评价主观性强、排序逻辑刻板的问题,提出基于熵值法与层次分析法(AHP)融合赋权的空袭目标威胁度量与排序方法。首先结合空战态势分析影响目标对我防空阵地威胁度的各属性因素,同时给出影响因素的威胁隶属度函数,然后利用熵值法和AHP赋权并相继采用加权求和、乘法合成、几何平均的方法进行二次融合,所获权重用于各目标威胁度的综合度量及排序。仿真结果表明,二次融合权重兼取熵值法与AHP的赋权特点,度量方法更为合理,排序结果更加贴合真实战场态势,可信度高。     

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。     

一种空间目标异动威胁评估的贝叶斯网络模型

针对现有空间目标威胁评估方法存在的指标选取单一、可信度较差的问题，通过分析空间目标威胁特点和特征指标的依赖关系，提出一种基于贝叶斯网络的威胁评估模型，该模型融合形态异常特征、轨道异常特征、历史行为等多源信息实现对空间目标威胁程度的综合评价。模型采用模糊隶属度函数对相对速度、相对距离等连续变量进行离散化隶属度表示，利用专家知识给出贝叶斯网络节点间的条件概率表。对抵近绕飞和碰撞两种典型空间场景进行仿真验证，结果表明该模型可以较为准确地刻画空间目标的威胁程度，具有一定实际意义。     

基于直觉模糊推理的天基海洋监视系统贡献度评估研究

针对传统天基海洋监视系统贡献度评估方法存在权重计算主观性强,难以应对作战不确定性等问题,提出一种基于直觉模糊推理的评估方法。首先讨论了系统贡献度概念,采用覆盖品质因数、覆盖范围、目标发现概率、定位精度、分辨能力、传输与处理能力,以及抗干扰能力指标评估海洋目标监视系统贡献度。其次设计了评估指标的隶属度函数与非隶属度函数,用不同模糊化策略对各输入变量进行多级量化。再次,建立直觉模糊推理规则,设计了max-min推理合成算法,将重心法作为解模糊算法,考虑隶属度与非隶属度大小对直觉指数的影响并进行修正,检验了所建规则的合理性。用典型目标监视实例对评估方法的有效性进行验证,结果表明直觉模糊推理评估法能有效处理系统贡献度评估中的模糊或不确定的问题。研究为航天武器系统贡献度评估提供了新的解决方法。     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

空间飞行器大角度机动控制律设计

研究了空间飞行器大角度机动控制问题。为避免欧拉角描述姿态运动存在奇异性的问题，由姿态四元数建立姿态运动方程。针对飞行器姿态运动模型的非线性和不确定性，利用模糊逻辑系统对不确定性函数进行逼近，将获得的模糊函数作为系统不确定性界函数。对模糊逼近所带来的误差以及外部干扰项，采用变结构补偿控制方法，并在线自适应调整参数。理论分析和仿真研究表明此方法具有姿态控制精度高，实时计算量小，便于工程实现等优点。     

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。     

基于支持向量机的无参考遥感图像质量评价方法

针对遥感图像主观评价方法的低效率以及常用客观评价方法无法充分考虑人眼对图像的感知特性的问题,文章提出了一种基于支持向量机的无参考遥感图像质量（quality）评价方法。首先建立遥感图像主观评价库,然后在不需要图像失真信息的基础上,利用支持向量机（SVM）将图像的失真类型分为三类,并对每类进行单项评价,再通过加权得到遥感图像的总评分,最后将本文方法、信噪比与信息熵的评价结果回归到主观评价空间并进行对比。实验证明,文章所提方法能客观地评价遥感图像的质量,且优于信噪比和信息熵两种质量评价方法,其结果与人眼视觉感受相符。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

随机编码感知的高分辨遥感光谱计算成像

传统遥感光谱成像系统的空间分辨率和光谱分辨率是衡量成像品质的重要指标,而它们受制于探测传感器的点阵密度,提高遥感光谱成像传感器的性能代价非常巨大。另一方面,在入射光能量一定的条件下,由于高分辨光谱的窄波段成像与低窄带辐射能量接收之间的矛盾,传统遥感光谱成像方法的空间分辨率和光谱分辨率往往难以兼得。如何利用普通探测器获得...     

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。     

利用高分辨率遥感数据的芦山地震道路损毁快速评估

道路损毁评估是地震损失评估工作的重要内容。文章根据芦山7.0级地震应急评估需求,提出利用多源遥感数据的道路损毁评估方法。首先,针对获取的高分辨率遥感数据特点,建立道路损毁遥感解译标准,进一步考虑地震平均烈度,建立以县为单元的灾区道路损毁等级快速评估模型,最后给出了地震灾区基于高分辨率遥感数据的快速制图产品和灾区道路损毁分县等级评估结果。结果表明,道路损毁极重灾区有芦山县、宝兴县,重灾区有天全县、雨城区、荥经县、名山区、邛崃市,一般灾区有汉源县等14个县(市、区)。相关研究和结果为震后救灾决策提供了重要支撑。     

卫星多源遥感图像融合研究

卫星多源遥感图像融合技术可以综合利用多源信息,从而获得对同一目标更全面、更清晰、更准确的认识。文中简介卫星多源遥感图像融合系统所包含的三个过程,即预处理、图像融合、综合评价及应用;详细分析像素层、特征层和决策层三个不同融合层次的融合原理和方法;归纳融合效果的主客观评价标准和熵、平均梯度等六种评价指标;最后从空间配准模型、建立统一的数学融合模型、关联的二义性、数据融合方法与融合系统实施存在的问题、有效的评价准则等方面讨论了卫星多源遥感图像融合目前存在的问题,并对今后的发展趋势作出展望。     

遥感图像云检测方法综述

遥感图像云检测是遥感数据处理过程中需首要解决的问题之一,在参考大量国内外文献的基础上,文章对遥感图像云检测方法的研究现状进行了分析,并对已有的遥感图像云检测方法进行了综述和分类,在此基础上对不同的云检测方法进行了比较,最后给出了云检测存在的问题和发展趋势.     

一种适合于遥感图像的逐行扫描压缩算法

在ChristosChrysafis基于逐行小波变换编码的基础上,提出了一种低复杂性基于逐行扫描的图像压缩算法。该算法不需要对图像分块,在对小波系数进行均匀量化之后,根据不同子带的上下文统计特征进行概率建模,采用改进的低复杂性Golomb Rice算法进行熵编码。试验表明,采用这种算法,在对大幅面图像压缩时存储器需求远小于基于SPIHT等算法的存储器需求的同时,其熵编码复杂性也大幅降低,特别适合于功率和空间受限的遥感图像压缩系统中。