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。     

基于互信息相似性度量的多时相遥感图像配准

图像配准是多源图像分析的基础，特别是对于多时相遥感图像的变化检测，图像配准的性能直接影响到变化检测的实现。针对当前利用互信息实现图像配准时出现的稳健性问题，本文提出一种新的多时相遥感图像配准方法，在计算互信息时引入图像的梯度信息，作为多时相遥感图像配准的相似性度量准则，并在配准过程中应用多分辨率分析技术，使得图像配准在提高稳健性的同时减少运算量。将此方法用于变化检测中的多时相遥感图像配准实验，结果显示该方法比直接应用灰度互信息的配准方法具有更好的稳健性。     

遥感影像建筑物提取多尺度特征深度学习网络

语义分割网络被广泛应用在高分辨率遥感影像建筑物提取领域。但是语义分割网络中的连续下采样会损失特征中的细节信息,导致提取结果边缘模糊,不同深度特征的不充分利用导致传统网络难以识别尺度差异大的建筑物。针对以上问题,文章基于双线性插值上采样和多尺度特征组合提出一种多尺度建筑物提取网络（Multi-scale building extraction network,Msb-Net）,该网络包括编码器、解码器以及多尺度特征组合三部分。首先,编码器基于双线性插值上采样丰富图像的细节信息,再通过特征编码提取深层抽象特征;其次,解码器恢复特征空间分辨率,获得深度不同的解码特征;最后,基于多尺度特征组合结构对不同深度的解码特征进行组合,获得最佳的检测结果。文章在马萨诸塞州数据集和武汉大学数据集上进行验证,结果表明,Msb-Net具有更高的识别精度,在两个数据集上交并比指标分别提高了1.71%和1.88%。通过结果对比可以得出结论：相比于传统语义分割网络,Msb-Net可以通过多感受野特征组合的方法更加准确地识别遥感影像中不同尺度的建筑物。     

基于传感器几何特性和图像特征的影像配准方法

“天绘一号”卫星是我国第一代传输型立体测绘卫星,搭载有三线阵CCD相机、多光谱相机和2m分辨率全色相机。多光谱相机波段间影像的配准是保证多光谱影像质量和有效应用的前提,在现有配准方法的基础上,文章提出了基于传感器几何特性和图像特征的配准方法来改善影像配准效果。这种方法首先基于相机几何特性对待配准图像进行调整,然后对图像进行局部多点取图,采用尺度不变特征变换（Scale Invariant Feature Transform,SIFT）法提取图像特征并进行初步匹配,利用匹配点领域灰度相关性来进行精匹配和误匹配点的剔除,最后获得图像位移差,进而完成图像配准。实验结果表明,这种方法能够提高多光谱波段间影像的配准成功率,准确率达到95％以上,大幅改善了匹配精度。     

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。     

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。     

遥感卫星运营中的质量控制措施

一、前言随着遥感平台数量的增长和传感器技术的提高,遥感影像正在向高时间分辨率、高空间分辨率、高光谱分辨率的目标迈进,其应用范围更广、层次更深。卫星遥感影像数据采用卫星平台采集获得,具有获取周期短、覆盖范围广、不受地区限制的优势。目前高质量的遥感影像已经引起全球军事、国土、测绘、城市规划、地质、林业、农业等领域的高度重视[1],为行业发展和科学研究提供了高效率、高质量的基础数     

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。     

国外遥感政策对发展我国商业卫星遥感的启示

2011年7月,印度政府发布了其新版遥感数据政策,即《2011年遥感数据政策》(RSDP2011),取代《2001年遥感数据政策》,以对其国内外获取、分发卫星遥感数据进行恰当的、更好地管理。美国政府也曾于2003年5月颁布了《美国商业遥感政策》,以取代1994年3月颁布的关于外国获取空间遥感能力的23号总统决策令(PDD-23)。欧洲、俄罗斯、日本等航天大国也在相关的国家法令和政策中对遥感数据的分发、获取和应用给予了规范。分析各国遥感数据政策的特点和作用,对于我国卫星遥感的商业化发展将提供有益借鉴与参考。     

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。     

多光谱多镜头CCD相机的光学配准

文章分析了多光谱多镜头CCD相机光学配准的重要性，以及影响多光谱多镜头CCD相机的光学配准的各种技术因素。     

基于双投影策略的红外图像配准方法

图像配准是红外图像处理技术的前提,广泛应用于成像制导、光电侦查及工业实时监控等领域。考虑红外图像的实时配准需求,利用对数极坐标图像的尺度、转不变特性,将配准过程从直角坐标空间引入到对数极坐标空间,提出了基于双投影策略的配准算法,将二维空间的配准参数估计转换成两个一雏曲线的空间距离估计。此算法在保证尺度变化及旋转的匹配精度条件下,轴向投影统计大大降低匹配计算量。     

抗旋转和缩放的SAR与可见光图像自动配准算法

针对合成孔径雷达与可见光图像在大角度旋转和大比例缩放情况下的高精度自动配准问题,提出了一种尺度和旋转不变的SAR(Synthetie Aperture Radar)和可见光图像自动配准算法.算法以SIFT(Scale Invariant Feature Transform)算法为基础,首先通过增强Frost滤波和自适应直方图均衡增强SAR和可见光图像的共性,使其显著提高能够提取出足够多的特征点数目,然后再通过特征描述方法、相似性度量方法、点匹配方法、特征点聚类方法和误匹配点剔除方法等方面对原始SIFT方法进行改进,有效地提高其在多源图像、强噪声、复杂成像条件下的特征提取和匹配性能,最后通过最小二乘法和相似变换模型实现SAR和可见光图像的精确配准.试验表明该算法对图像尺度和角度变化具有良好的适用性,在正确匹配点的比率和定位精度方面都优于原始SIFT算法和Harris算法,具有良好的工程应用前景.     

CBERS—1卫星CCD相机的光学拼接、配准和定焦

文章介绍了CBERS－1卫星的CCD相机的光学拼接、配准和定焦技术，它们是获得清晰度图像的关键技术。     

基于改进EX的机动雷达误差配准算法

针对EX(Exact Method)算法的大计算量和耗时对其工程应用造成的不利影响,提出了一种改进的EX算法（MEX算法）,通过优化EX算法的算法结构,消除其存在的冗余运算,提高了实时性;为解决机动雷达情况下的误差配准问题,通过改进MEX算法以适应系统存在姿态角系统误差的特点,提出了扩展的MEX算法（EMEX算法）;把EMEX算法推广应用到多机动雷达情况下的系统误差估计中,得到了采用集中式融合结构的EMEX算法（CEMEX算法）。为验证提出算法的正确性和有效性,对算法进行蒙特卡洛仿真比较,结果表明,MEX算法在保持EX算法估计性能不变的前提下,大大减少了算法耗时,提高了EX算法的估计效率;EMEX算法能够有效地估计出机动雷达的各种系统误差;CEMEX算法能够有效地融合多部雷达量测的信息,具有良好的系统误差估计性能。     

遥感场景分类的批处理协方差神经网络方法

针对卫星遥感图像场景分类数据集中存在的局部区域特征异常问题,提出一种采用批处理协方差层的神经网络(CovNN)模型进行遥感场景分类的方法。该方法通过计算全输入通道的局部区域均值实现一种3D批处理协方差算法,能够有效消除局部区域均值的影响,从而更好地处理局部光照过强和局部区域存在无关特征的问题。将其应用于存在局部光照异常和局部无关特征问题的卫星采集AID数据集和NWPU RESISC45数据集中,实验表明CovNN在两个数据集上均取得了超过现有卷积神经网络(CNN)的召回率,可有效降低图像局部区域特征异常的不利影响。