应用Landsat-8遥感图像的火点检测研究

论述了一种通过遥感卫星图像来实现火点的检测方法,先通过双阈值方式搜索高温点,然后对高温点像素进行聚类,形成高温点簇,最后建立高温点簇面积与亮温阈值之间的对应关系模型,根据面积亮温模型判断搜索到的高温点簇是否火点。文中通过火灾与秸杆焚烧的遥感图像验证了所提出方法的有效性,其火点检测的平均准确率为0. 892,漏检率为0. 088,从中可看出,采用的面积亮温模型准确反映了火点规律,并且是有效的。     

气象卫星遥感火情监测应用

对气象卫星遥感火情监测应用进行了研究。介绍了用中红外和远红外通道火点像元亮温与背景差异对火情进行监测的原理,以及可用于监测的主要卫星仪器。给出了极轨气象卫星和静止气象卫星的火点判别方法,包括亚像元火点面积与温度、燃烧辐射功(FRP)的火点强度估算方法,以及过火区面积估算和影响评估方法。气象卫星火点监测精度用人工火场卫星同步观测和用高分辨率陆地卫星对火点监测两种方法进行验证。介绍了风云三号(FY-3)等气象卫星在防灾减灾、生态环境保护、气候影响评估等中的应用,包括森林草原火情监测和过火区估算、森林草原火险预警预报、秸秆焚烧火点监测及过火区面积估算、生物量燃烧引起的烟霾天气监测、干旱等气候事件对森林火灾的影响、全球野火监测等。展望了未来气象卫星在火情监测中的技术发展和应用。     

虚拟地球:Google Earth 的激情演绎

2004年10月27日,Google(谷歌)收购了美国的钥匙孔(Keyhole)卫星图像公司,并于2005年6月推出了 Google Earth 系列软件。用户们通过下载一个 Google Earth 客户端软件,就可以免费浏览全球各地的卫星图片。我习惯把 Google Earth 称为超人,懂得它的人就知道它可带着我们在世界任何一个角落游逛。在美国,Google Earth 卫星地图可以细化到街道,用户可以在地图上搜索旅店、公园、地铁甚至提款机的信息;对于准备开车出门旅行而对道路交通状况又不熟悉的人来说,他可以在 Google Earth 上查清交通路线,以获得驾车的具体方向。可以说 Google Earth 已经     

太空“哨兵”Google Earth 身后的遥感卫星

Google earth 所推出的卫星图片史无前例地满足了亿万普通人对自己生活的地球家园的好奇与关注,同时也激发了他们对 Google Earth 身后遥感卫星的兴趣。     

“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。     

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。     

“资源三号”卫星图像影像特征匹配方法研究

随着中国遥感卫星的迅速发展,要求影像几何质量评价方法可以在待评图像和参考图像间提取出精确且分布均匀的控制点信息。文章提出一种基于多源、高精度遥感图像的特征点匹配方法。该方法首先用加速稳健特征（Speeded Up Robust Features,Surf）算法对＂资源三号＂卫星图像和参考图像进行粗匹配以建立两幅图像间的整体几何关系,通过对相同区域进行wallis滤波增强图像纹理信息,然后用Surf算法进行特征点的提取和匹配,最后利用对极几何约束剔除误匹配点。试验结果表明,该方法可以全自动、快速和精确的提取影像控制点。     

一种面向用户任务需求的遥感图像质量标准-NIIRS

文章讨论了现行的遥感图像评价技术 ,介绍了美国国家图像解译度分级标准 (NIIRS)的开发背景和开发过程 ,分析了NIIRS的特征及使用价值     

卫星遥感在自然资源和环境调查应用中的经济效益评价

本文通过与传统的调查方法比较,分析了利用卫星遥感手段进行调查所获得的经济效益,并对用遥感技术进行自然资源和环境调查和监测的若干重点项目的经济效益作了评估。由此可以得出一条结论,应用卫星遥感进行自然资源和环境的调查和监测能产生直接的经济效益和长远的社会效益。与按专业调查的方式相比,利用卫星遥感进行多专业综合调查的效果较好。与利用计算机对遥感图像分类的方法相比,建立在计算机图像增强和光学合成影像基础上的目视解译方法在当前能获得较高的精度和较低的费用。