基于空间分割的影像条带噪声去除方法

光学遥感卫星影像中包含系统条带噪声和随机条带噪声,由于多种因素的干扰,即使进行系统条带噪声去除后,仍残留部分随机条带噪声。文章通过分析现有卫星遥感影像中的随机条带噪声特性,基于常规的随机条带噪声去除方法,提出一种新的基于空间分割的条带噪声去除算法。该方法以影像的均值、中值以及梯度值构建判定准则,将影像分为动态范围变化较小的多个区域,同时将地物边缘单独提取出来予以保留;然后采用标准矩匹配的方法对单独区域进行处理,在剔除噪声的同时抑制灰度畸变的产生;最后采用中巴地球资源卫星04星（CBERS-04）数据作为试验对象进行了随机噪声去除试验,试验结果表明新方法在去除随机条带噪声的同时很好的保持了原始影像的纹理信息。     

基于几何定位一致性的星载多光谱影像配准精度分析

多光谱影像波段配准是高分辨率光学遥感卫星多光谱相机数据预处理的关键环节,其配准精度直接影响影像产品的融合、解译等应用。文章首先从理论上深入分析了影响基于几何定位一致性多波段配准方法精度的因素,然后利用"资源三号"(ZY-3)卫星多光谱相机影像数据,并结合像方配准方法进行了对比实验验证。实验结果表明,当平台无震颤或存在微小震颤时,基于几何定位一致性多波段配准方法精度优于0.2像元,能满足高分辨率遥感卫星多光谱影像高精度配准需求。     

“高分二号”卫星数据在遥感地质调查中的初步应用评价

"高分二号"(GF-2)卫星是迄今为止中国研制的空间分辨率最高的民用遥感卫星,标志着中国民用遥感卫星进入亚米级"高分时代"。为了更好地了解卫星的应用性能,充分发挥和利用好GF-2卫星数据在地质矿产调查工作中的应用,尤其是在条件艰苦地区和境外区域。文章利用GF-2卫星在新疆哈密地区的相关影像数据开展了遥感地质调查应用评价,从数据处理、地质构造信息提取、地层及岩体等岩性信息的识别,以及可识别地质体精度等方面分别进行评价。结果表明,GF-2卫星数据能有效地划分遥感影像地质单元、识别地质构造空间展布特征,很好地满足优于1∶25 000尺度的遥感地质调查工作,可为地质矿产资源调查及评价提供强有力的数据支撑。     

“高分二号”卫星数据面向对象的海岸线提取法

"高分二号"(GF-2)卫星的成功发射是中国遥感事业发展的重大突破,标志着中国遥感卫星进入亚米级时代。由于兼具高辐射精度、高定位精度和快速机动能力等特点,GF-2卫星数据应用于海岸线提取将极大提高提取的精度和速度。现有的遥感解译海岸线方法主要有阈值分割法、边缘检测法、区域生长提取法、神经网络法和面向对象法等,其中面向对象法是一种新兴的遥感图像解译方法,该方法通过对影像的分割,使同质像元组成大小不同的对象,从而实现较高层次的遥感图像分类和目标地物提取。文章以深圳大鹏半岛GF-2卫星数据为例,通过对影像进行正射校正、配准、融合和裁剪等预处理,再采用面向对象方法对海岸线进行了提取,并对入海河流河口处的海陆分界线划分进行了初步研究。研究结果表明,将海岸线提取结果与GF-2卫星遥感影像叠加进行验证,结果可靠,且所耗时间短,效率高。     

GF-2卫星影像在土地变更监测中的适用性及潜力分析

为进一步推广国产卫星遥感影像数据在国土资源行业中的应用,针对土地利用监测与现状变更调查业务需要,探索"高分二号"(GF-2)卫星数据在土地利用动态监测与现状变更调查工作中的适用性及其潜力。以四川隆昌县金鹅镇为研究区,通过定性、定量评价原始影像数据质量,对比分析同级数据,结合多方法提取变更信息,从不同角度测试其变化监测能力。结果显示,GF-2卫星数据地物清晰,光谱信息丰富,目标解译性较好,影像效果优于"高分一号"(GF-1)和SPOT6数据;主成分分析法和光谱变异法的结合可快速发现影像上的变化信息,GF-2卫星影像能满足土地利用变更监测的需求,具有较大潜力及价值。     

CBERS-02B卫星HR相机遥感影像区域网平差技术

针对CBERS-02B卫星HR相机遥感影像的几何定位精度不高,不能满足有些用户的要求,提出了基于有理多项式（Rational Polynomial Coefficient,RPC）模型的区域网平差技术,并利用多幅CBERS-02B卫星HR相机遥感影像进行了区域网平差试验,结果表明该方法能有效地提高遥感影像的几何定位精度...     

改进的光谱角法在Landsat-8 OLI影像土地利用分类中的应用

文章对光谱角法分类的原理进行了阐述和分析,提出了一种结合图像分割算法改进光谱角法的影像分类方法,采用改进的光谱角分类方法以陆地观测卫星-8陆地成像仪(Landsat-8 OLI)遥感影像数据为数据源对武汉市武昌区的土地利用情况进行分类,并对分类精度进行了分析。研究结果表明改进的光谱角分类方法对于Landsat-8 OLI数据分类效果较好,提高了影像分类的精度。     

基于深度学习的日间逐小时地表PM2.5浓度反演

以长三角地区作为研究区域,提出了使用深度学习算法来实现主被动遥感数据结合反演地表PM2.5浓度的方法。基于MPL观测数据,使用雾霾层高度(HLH)替换了边界层高度(BLH)特征,对已有的基于气溶胶光学厚度(AOD)结合大气BLH来反演PM2.5浓度的算法进行了改进。为提高数据覆盖率,对研究区域内的MAIAC AOD进行了填补与评估。利用多种机器学习算法实现了日间逐小时的PM2.5浓度估算,模型验证相关性最高可达0.87。该方法能够为观测气候变化、应对大气污染提供有效帮助。     

太空非合作遥感卫星三维重建点云的平面滤波方法

受太空环境光照条件弱、卫星高速运动、卫星表面纹理匮乏等因素的影响,太空非合作遥感卫星的三维重建点云中往往会存在大量噪声,给太空非合作目标的准确探测带来了非常不利的影响。文章以非合作遥感卫星的形状特征作为先验知识,提出一种三维重建点云的平面滤波方法。针对点云噪声的不同特点,首先利用统计分析滤波方法消除离群离散点噪声;其次,利用改进的区域生长聚类方法,分割出点云模型中的平面结构与离群点簇噪声;然后,分别用RANSAC算法和最小二乘法对平面结构进行滤波,并将平面结构附近的噪声点垂直投影至平面内,去除模型表面噪声。实验结果表明,该优化方法可以有效去除非合作遥感卫星三维重建点云中的大部分噪声,得到卫星平面结构的光滑点云数据。     

基于云空间分布的遥感影像应用场景评估方法

当前云覆盖遥感影像的可用性筛选方法,通常仅考虑总体云量覆盖率,易导致影像利用率低的问题。文章提出一种云空间分布的遥感影像应用场景评估方法:首先采用光谱阈值法提取初始云区范围,并利用数学形态学方法优化初始云区范围;然后利用地理国情监测数据作为云下地表覆盖先验数据,结合云区检测范围,以单景遥感影像为单位,得到影像的可视云下地类图和云遮挡、云区连片度指标;最后结合定性和定量的评价指标,综合评估得到单景影像的优势应用场景。文章以两景不同地区的"高分"系列卫星数据对该方法进行实验,结果表明:该方法为影像筛选提供了多维度云遮挡评价指标,能够有效评估单景遥感影像的优势应用场景,可以有效地提升云覆盖遥感影像的利用率。     

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。     

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。     

卫星遥感数据的浏览查询技术

遥感卫星图像数据的预处理包括数据编目、存档管理、浏览查询和产品生产等部分。其中，浏览查询是向遥感数据的用户提供查询和检索卫星原始数据各级产品数据的手段，浏览查询系统的功能和性能直接影响到遥感数据的使用效率。本文介绍了新一代高码速率遥感卫星地面数据处理中浏览查询系统研制的主要技术。本文所研究的浏览查询技术已成功的运用到资源二号遥感卫星地面站的数据处理系统中。本文论述的数据处理技术将为其它遥感卫星地面数据处理系统的研制提供重要的帮助。     

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。     

“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。     

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。     

基于价值评估的卫星遥感数据迁移方法探讨

如何对存储的数据进行迁移是采用分级存储结构的卫星遥感数据存储系统的关键技术之一。文章提出了一种基于价值评估的卫星遥感数据迁移方法。通过建立价值评估的模型获得卫星遥感数据的价值,并以此指导存储系统对数据迁移。通过模拟环境下的试验,结果表明采用此方法能够达到提高系统性能、降低开发成本的效果。     

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。     

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。