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。     

多尺度大视场十亿像素成像技术

十亿像素相机可以获取信息量较大的图像,在天文观测、航空航天遥感等领域具有广泛的应用前景。受探测器和光学设计水平的限制,传统的大视场十亿像素成像通过小视场相机扫描和图像拼接实现。为解决传统十亿像素相机实时性不高的问题,文章研究一种新型多尺度大视场十亿像素成像技术,从实现十亿像素成像的条件出发,阐述该技术的原理、优势及应用领域;分析系统独特的技术指标,包括物理锥角、重叠率等,梳理和归纳新型多尺度大视场十亿像素成像系统走向实用化过程中必须克服的关键技术。研究结果表明,该技术可在不提高系统复杂性的情况下大幅提高监视实时性。     

星地协同光学遥感影像目标识别技术验证研究

为了提高光学遥感卫星信息处理的时效性,文章提出了星地协同光学遥感影像在轨目标智能识别技术框架。将基于遥感大数据的深度学习、神经网络模型训练等数据量大、运算量大、计算复杂、要求较高的处理任务部署在地面服务器,将深度学习训练得到的模型进行压缩并上注至卫星,卫星在轨利用轻量化模型对影像进行推理计算,最后把目标识别结果下传至用户。为了对所提出的技术框架进行验证,在高性能服务器和嵌入式开发板上进行了验证试验,利用YOLO-v5算法和DIOR遥感数据集进行了测试,结果表明:在模拟星载计算环境下,处理100km~2范围1m分辨率遥感影像耗时17.74s,平均精确度(Mean Average Precision,mAP)为87.2%。文章提出的星地协同智能目标识别技术框架实时性和精度上能够满足应用需求,具备一定的可行性,可以进一步开展在轨验证试验。     

“高分四号”卫星影像辐射与几何精度评价

"高分四号"(GF-4)卫星是中国首颗高分辨率静止轨道面阵凝视光学遥感卫星,载荷首次采用面阵CMOS探测器在36 000km高轨成像、基于面阵成像构建在轨相对辐射校正模型、面阵相机光学畸变在轨检校。文章首先分析了影响GF-4卫星影像辐射质量(quality,以下同)与几何精度的关键因素,然后介绍了高轨面阵成像处理模型的构建技术,最后分析评价了GF-4卫星影像的辐射质量、几何质量和处理精度。结果表明:GF-4号卫星全色多光谱影像的平均行标准差、平均标准差和广义噪声等相对辐射精度指标均优于3%,典型地物信噪比平均优于40d B。影像内部畸变在垂轨和沿轨方向均优于0.8个像素。     

物方反投影下的星载多光谱相机内视场虚拟线阵拼接

针对遥感卫星多光谱相机非共线TDICCD成像方式,文章提出了一种基于虚拟线阵CCD的相机内视场拼接方法。参考严格几何模型建立虚拟影像像点与地面点间的对应关系,校正相机内方位畸变,根据物方几何约束的地面点反投影算法,建立虚拟影像像点与原始影像像点的坐标关系模型,实现逐像素灰度赋值。最后,以两景"资源三号"卫星多光谱原始影像作为试验数据,验证所提算法的可靠性,试验结果表明:该拼接方法效果好、精度高,具有较好的应用前景。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

基于注意力机制特征重建网络的舰船目标检测

深度学习为遥感领域诸多应用提供了重要的技术支撑,光学遥感图像的舰船目标检测对国防侦察和预警具有重要意义。真实场景中的舰船往往呈不同方向任意排列,且小目标的占比大,经典的深度学习目标检测算法在这种复杂条件下精度低、易漏检。为此,本文设计了基于注意力机制特征重建网络的舰船目标检测算法。首先,通过引入注意力机制对多尺度特征融合网络模型进行训练,以高召回率产生水平锚框;然后,旋转锚框以缓解密集排列目标引起的噪声问题,并利用特征重建模块来缓解特征不对齐的问题,实现模型精炼。在HRSC2016和DOTA数据集上的测试结果表明:舰船目标检测平均精度分别达到90.20和87.52,相比经典的深度学习目标检测算法得到了有效提升,并在模拟星载嵌入式智能图像处理平台上验证了算法在轨应用的可行性。     

低轨视频卫星成像特性分析

视频卫星主要的特点是以"太空录像"的方式获取连续多帧序列图像,可以实现对某一特定区域的凝视成像,因此特别适用于动态变化监测与运动目标矢量指示。文章以美国"天空卫星"(SkySat)为例,分析了图像模式与视频模式下的主要技术指标,给出了低轨视频卫星光学遥感器的主要技术指标和方案设想。在90s的视频成像时间内,分析了卫星俯仰角机动、姿态稳定度及指向精度等姿态控制特性,给出了视频成像的空间分辨率变化和多帧图像构成立体像对的基高比。最后提出了须要重点解决的关键技术,如大面阵CMOS器件、姿态俯仰敏捷机动能力等。     

基于多特征融合的天基面目标长时跟踪算法

天基视频成像特性存在目标尺寸小、特征几乎无纹理、干扰因素多等问题,现有的近景面目标跟踪算法不完全适用。文章通过利用梯度直方图与颜色名称两种特征在天基视频跟踪中的不同优势,借鉴由跟踪、学习、检测三部分组成的长时跟踪思路,对高斯核化相关滤波器进行改进,提出了一种适用于视频卫星数据处理的多特征融合面目标长时跟踪算法。运用该算法对来自SkySat-1及"欧比特"视频卫星的遥感影像数据集进行面目标跟踪测试,从4组天基视频数据中选取的6个目标均实现了稳定跟踪;同时,对OTB近景数据集中选取的与天基视频有类似特征的16组视频序列的测试结果显示,该算法实现了83.4%的精度、63.2%的成功率。试验表明,文中所提方法优于现有相关跟踪方法,显示了将长时跟踪策略引入天基视频跟踪领域的可行性和广泛应用前景。     

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

一种在轨卫星光学遥感舰船检测算法

为了解决资源有限的在轨处理环境对光学遥感舰船检测网络速度和精度的影响,提出了应用倒置残差结构的舰船检测算法。采用端到端网络作为基础模型,裁剪网络的层数和3/4通道数,构建2层卷积倒置残差模块,使用可分离卷积和1×1卷积对普通卷积层进行替换,只保留1个检测分支,使用金字塔检测方式实现多尺度目标检测网络。基于高分一号卫星数据集的试验结果表明:相较于当前的主流网络,算法模型在平均精度(AP)相差不大的情况下检测速度有很大提升。和YOLOv3相比,检测速度提升了72%,参数量减少了99.5%;和YOLOv2相比,检测速度和AP分别提升了58%和0.9。文章提出的算法可为计算资源极其有限的卫星在轨舰船检测实现提供有效的理论技术支撑。     

遥感卫星全视场成像质量仿真方法研究

基于卫星工具包(STK)和MATLAB软件,提出了一种对卫星全视场成像进行物理建模分析的交互仿真方法。以一颗运行在650km高度的太阳同步轨道、具有侧摆能力的遥感卫星为例,对相机在运动中的全视场积分时间偏差和全视场偏流角修正残差进行了仿真分析。仿真结果表明,文章提出的方法能够较精确地对相机在轨全视场的成像质量进行分析,从而可用于在轨成像性能预估。该仿真方法还能以卫星工程数据作为输入,用于卫星星上算法验证、在轨误差分析补偿等方面,为保障卫星在轨成像质量发挥作用。     

新技术试验卫星C星、D星姿轨控分系统设计和在轨验证

介绍了新技术试验卫星C星、D星姿轨控分系统设计和在轨验证情况。姿轨控分系统具备任意目标凝视跟踪、条带拼接成像、主动推扫成像等姿态控制功能。通过基于操作系统的姿轨控应用软件架构设计和基于动态链接库的在轨编程设计,首次实现基于操作系统的星载应用软件并行开发。通过一个软件配置项实现双星功能,解决了双星研制周期短、工作模式复杂等问题。给出了卫星在轨运行的部分曲线和数据,可为遥感卫星姿轨控系统设计提供参考。     

基于视觉显著性和卷积神经网络的机场目标快速检测

针对现有的机场目标检测算法用于大幅面遥感图像时检测速度慢、准确率低的问题,文章提出了一种基于视觉显著性和卷积神经网络相结合的高效、精确的机场目标检测方法。首先,根据机场形状特征,采用基于直线分布特征的视觉显著性检测方法提取候选区域,对机场的可能位置进行粗定位;然后,设计了一种改进的卷积神经网络分类模型判断候选区域是否为机场;最后,使用非极大值抑制的方法去除冗余的预测框,获得最终的检测结果。利用从谷歌地球收集的图像数据集对该神经网络模型进行训练和测试,结果表明其在精准率和召回率上均具有较大优势。此外,文章所提算法在来自不同卫星平台的大量大幅面遥感图像上进行了机场目标检测,结果显示其适应性强且检测效率有大幅度提升。     

视频卫星对地凝视成像姿态调整技术研究

针对视频卫星成像时视轴对地面目标的指向保持问题、面阵传感器与目标区域之间的相对运动导致的成像质量问题,进行视频卫星对地凝视成像姿态调整技术的研究。首先建立使用面阵传感器的视频卫星对地凝视成像姿态运动学模型,分析卫星与地面目标之间的相对运动过程。然后,以成像质量为基本约束条件,提出一种对地面区域目标凝视成像的三轴姿态机动规划方法。最后,对姿态机动规划方法进行数值仿真和验证,依据仿真结果,提出面阵凝视成像对卫星姿态控制精度的需求。数值仿真分析结果表明,文章提出的面阵凝视成像姿态机动规划方法是合理可行的,所需的姿态指向稳定度为0.003(°)/s,偏航轴姿态稳定度为0.069(°)/s,姿态指向精度为0.01°。     

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。     

一种新型超大视场小畸变光学系统

光学遥感器正朝着高空间分辨率、高时间分辨率、高光谱分辨率、大视场等方向发展。在传统空间遥感系统的研制过程中,分辨率与大视场互为矛盾,但在某些场合下,不仅需要图像具有较高的分辨率,而且需要具有较大的视场。解决这一矛盾对空间光学的发展具有积极作用。文章介绍了一种新型多尺度单心光学系统,从其设计原理出发,给出了一个多尺度单心光学系统的设计实例。经验证该系统能够实现大视场,像面照度均匀、畸变小,全视场具有一致分辨率,无需扫描即可获取大视场图像。文章介绍的这种成像系统结构对未来超大视场高分辨率空间遥感器的设计提供了参考。     

基于RPC模型的星上遥感卫星影像快速正射纠正

针对基于有理多项式系数(rational polynomial coefficients,RPC)的逐点法正射纠正计算量繁复、影像耗时过长,不能满足大数据量的卫星影像数据星上快速正射纠正的需要等问题,提出了基于像平面坐标的二维直接线性变换(DLT)光学遥感卫星影像星上快速正射纠正的方法。考虑到影像正射的精度和可靠性等需求,探究采用二维DLT进行影像正射的算法策略,并与逐点法正射纠正进行对比试验,在减小影像正射纠正的计算量、提高影像正射的速度和效率的情况下,尽可能保证正射的精度。试验结果表明:通过对比分析二维DLT的精度和效率,基于像平面坐标对应关系的二维DLT光学遥感卫星影像星上快速正射纠正理论及方法切实可行。     

中国首个0.5m高分辨率商业遥感卫星星座首期正式建成

正2018年1月9日,高景一号03、04星发射成功,与同轨道的高景一号01、02星组网运行,标志着我国首个0.5m高分辨率商业遥感卫星星座首期正式建成。1月11日,高景一号03、04星经过发射初期变轨,于当日中午开机成像,并于当晚开始回放下传,成功获取到首图。此次高景商业遥感卫星系统首批4颗0.5m高分辨率光学遥感卫星组网后,将实现每轨