基于改进Unet++的丘陵地区耕地地块深度分割与提取

丘陵地区耕地地块具有结构复杂、种植类型多样且破碎度高等特点,针对传统分类方法对耕地信息难以快速准确提取的问题,文章基于“高分一号”卫星影像和Unet++网络模型,采用余弦退火学习率实现了复杂丘陵地区耕地信息的准确深度分割和分类。首先利用多尺度分割方法完成了深度迁移学习模型中典型区域耕地样本标签的制作及其结果验证;其次,采用规则格网裁切方法构建影像和标签训练数据集,在PyTorch环境完成了模型的训练;最后,将改进后模型与Unet和SVM方法进行了分类精度和泛化性能的对比分析。结果表明：改进的Unet++网络模型在复杂丘陵地区耕地提取结果的总体精度为92.75%,比SVM和Unet的提取精度分别提高了9.06%和2.50%。因此,基于Unet++的深度学习模型不仅能够有效抑制复杂的背景噪声,还能从遥感影像中学习到更强的语义特征,从而获得更加准确的耕地信息。该方法可为农作物面积监测和产量估算等实际应用提供基础数据支持。     

大气环境红外甚高光谱分辨率探测仪数字建模与仿真

"高分五号"卫星是中国高分专项工程中的唯一一颗实现高光谱分辨率的遥感卫星,其中搭载的大气环境红外甚高光谱分辨率探测仪(Atmospheric Infrared Ultra-spectral Sounder,AIUS)是中国第一个星载超高光谱掩星探测载荷,是中国目前光谱分辨率最高的星载傅里叶变换光谱仪。文章基于AIUS的探测原理,以掩星观测路径的能量传输为线索,研究探测仪数据获取链路中各个环节的辐射传输过程,建立了包括大气红外辐射传输仿真和探测器仿真的数字化建模与仿真模型,并对仿真模型进行了精度验证,充分验证了数字仿真模型的有效性和准确性。验证试验结果表明:数字仿真模型具有高精度的数据仿真能力,所有通道仿真数据与实际测量数据相比,相对误差小于2%,数据相似度优于0.99。因此,数字仿真模型能够为"高分五号"卫星大气环境红外甚高光谱分辨率探测仪在轨成像质量预测、指标参数优化和应用能力评价提供重要的数据支撑。     

基于面向对象的高分遥感影像的冬小麦提取

本文应用高分一号卫星数据,基于eCognition软件平台,采用面向对象方法对廊坊市广阳区2013年11月高分一号影像进行冬小麦信息提取。应用多尺度分割算法通过多次试验确定最优的尺度分割参数,结合影像地物光谱等特征,采用模糊逻辑分类算法,最终实现冬小麦信息高效提取。     

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。     

GF-6卫星WFV数据在林地类型监测中的应用潜力

为了了解"高分六号"(GF-6)卫星宽视场(WFV)传感器1A级产品数据品质,评估新增4个波段在林地类型分类研究中的应用潜力,文章以内蒙古鄂伦春自治旗的秋季GF-6卫星WFV数据为对象,开展了绝对定位精度的测试,并应用随机森林方法进行了林地类型分类研究。结果表明,GF-6卫星的WFV平原区数据几何畸变较小,无控制点有理多项式系数校正后图像配准的中误差在1个像元之内,有助于降低遥感技术应用的门槛,提高工作效率。新增的红边1、红边2、黄边波段对林地类型分类影响显著,整体分类精度从74%提高到80%以上,紫边波段对于森林类型分类也有所贡献。因此,GF-6卫星WFV的8波段多光谱遥感数据对中国大尺度森林资源、森林灾害等的宏观动态监测具有重要意义和极大应用潜力。     

旋转森林算法在GF-2卫星影像土地利用分类中的应用

"高分二号"(GF-2)卫星影像中精细的空间信息可用于高精度的土地利用分类研究。为了获取基于GF-2卫星影像土地利用分类的最优特征空间,以及将旋转森林算法应用于提高遥感影像分类精度中,文章利用GF-2卫星影像数据,基于光谱特征(4个多光谱波段和1个全色波段)、指数(植被指数、水体指数及简单比值指数)和变换成分(主成分、最小噪声分离成分与独立成分)构建特征空间,应用基于决策树的旋转森林算法构建面向对象的分类规则集,进行土地利用分类,并与最近邻和决策树算法的分类结果对比分析。结果表明,结合光谱特征、几何特征和纹理特征,采用旋转森林算法得到的分类总体精度为84.85%,Kappa系数为0.819;引入指数、变换成分后分类总体精度提高4.90%,Kappa系数提高0.058;相比于最近邻分类器和决策树分类器,结合旋转森林思想的决策树分类器总体精度分别提高11.97%和15.44%,Kappa系数分别提高0.142和0.184。研究结果可为中国高分辨率卫星影像的信息提取及基于旋转森林算法的土地利用分类研究提供参考。     

基于深度学习的在轨辐射定标方法研究

辐射定标是将卫星传感器的计数值转化为具有物理意义的数值的关键环节。传统的在轨定标方法都是基于一天的数据,定标精度受限于当天的地面测量数据和天气情况。文章提出了一种基于深度学习的在轨定标新方法,其思想是利用定标场地的大量历史卫星影像、历史大气数据和历史光谱数据,通过对这些数据的学习和筛选,构建和真实场景最接近的定标场地模型。利用这一定标场地模型,模拟出待定标卫星成像时刻对应观测几何下的表观反射率,实现传感器的绝对辐射定标。为验证新方法的有效性,分别利用场地定标法、交叉定标法和深度学习定标法对"高分一号"卫星PMS2相机进行在轨辐射定标。结果表明,深度学习定标法的定标精度和场地定标法接近,优于交叉定标方法,且具备交叉定标方法的成本低、频率高、可实现历史数据再定标等优点,是一种比较理想的在轨定标新方法。     

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。     

序言

正2018年5月9日2时28分,"高分五号"卫星在太原卫星发射中心成功发射,"高分五号"卫星的成功发射是我国"高分辨率对地观测"重大专项全面实现"高空间分辨率、高时间分辨率、高光谱分辨率"三大重要目标的重要里程碑,是又一次大幅度提升我国对地观测能力的重要标志。"高分五号"卫星是我国利用高光谱技术完整实现对固体地球表面、植被生物圈、土壤圈、水圈、大气圈进行全面观测的空间遥感卫星系统,通过对大气污染气体、温室气体、气溶胶等物理要素的监测,填     

基于深度监督的TransUNet可见光卫星图像分割

随着人造卫星技术的不断发展,给民用探测带来了诸多便利的同时,也带来了越来越多的挑战。精确定位卫星的重要部件,对故障卫星和太空垃圾的准确抓捕和维修至关重要。文章提出基于深度监督的TransUNet(Deep Supervised TransUNet:DSTransUNet)对卫星目标、星体和太阳翼进行像素级的识别与分割。通过对TransUNet解码过程中多层神经网络特征图进行深度监督,提高可见光卫星图像的分割精度,并进一步通过仿真方法构建卫星部件图像数据集,使用交叉验证的方法对DSTransUNet及7种现有神经网络深度学习方法的分割精度进行了评估。文章提出的方法对卫星星体的分割准确率达到90.51%±6.86%,对卫星太阳翼的分割准确率达到91.63%±13.07%,对宇宙背景的分割准确率达到97.43%±2.85%,对数据集的总体像素分割准确率达到了97.08%±3.37%,其分割性能优于其他神经网络模型。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

“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。     

高光谱图像无监督分类的非线性特征提取器

高光谱图像的数据维数高、数据量大、数据间高度冗余等特点给图像分类带来困难,为进行有效降维、提高分类精度,提出以曲线距离分析作为非线性特征提取器、以独立分量分析的混合模型作为分类器的高光谱图像无监督分类的新方法。利用该方法对来自空载可见光/红外成像光谱仪的高光谱图像进行无监督分类,用分类精度对分类效果进行评价。实验表明,用本文提出的方法得到的分类精度高于传统分类方法得到的分类精度,说明了CDA方法在高光谱图像特征提取方面的有效性。     

基于三维卷积残差网络的无人机高光谱岩性分类

岩性识别和分类是地质学、资源勘查等不可或缺的环节,高光谱遥感的兴起为岩性识别提供新的思路。利用机器学习挖掘岩石高光谱图像中的信息从而准确识别岩性,这具有重要的应用价值。目前用机器学习的方法实现岩石的高光谱影像分类研究中,缺少对空间和光谱信息的充分利用,因此本文使用了一种加入注意力机制的三维卷积残差网络结构,能够有效提取岩石高光谱图像的空间、光谱特征以及空谱联合特征。本实验利用无人机搭载高光谱传感器采集了10种不同类型的岩石样本影像,应用该算法对岩石高光谱图像进行分类。实验结果表明：该算法与传统机器学习算法SVM、RF和深度学习算法ResNet、3D CNN和SSRN相比具有更高的精度。     

“高分一号”卫星遥感影像面向对象的水边线提取

水边线提取对揭示沿海地区自然资源管理状况和人工海域使用程度具有重要的指示作用。文章以津冀地区沿海城市海岸带为例,选取"高分一号"卫星数据为遥感数据源,首先对数据进行了辐射校正、几何校正、影像融合和裁剪等处理,然后采用面向对象的目标提取技术自动提取了研究区内大范围的水边线,并在充分了解不同海岸类型的遥感解译标志的基础上对提取的岸线进行了分类。结果显示研究区的岸线类型主要以砂砾质岸线、养殖/盐田岸线和港口码头岸线为主。在分类结果的精度验证过程中,以与"高分一号"卫星相近时期的亚米级遥感影像为底图,以目视解译的方式从中提取高精度的海岸线,并将目视解译的结果与从"高分一号"卫星数据中提取到的岸线进行对比。通过比较发现,两者位置、长度等基本吻合,从而证明了该海岸线提取方法对高分辨率遥感影像的有效性。该方法为基于"高分一号"卫星遥感数据进行大范围海岸的水边线提取提供了技术支撑,也为实现中国海岸线的定期自动更新奠定了基础。     

基于“高分四号”卫星影像洞庭湖湿地信息提取

文章以"高分四号"卫星数据为数据源,以湖南洞庭湖区域为主要研究区域,建立了洞庭湖三级湿地分类系统(主要包括:水体、草滩地、泥滩、耕地、林地、裸地六类),分别使用最大似然法、支持向量机法以及神经网络法对洞庭湖湿地进行遥感信息提取。结果显示,在三种不同的遥感分类方法中,最大似然法分类精度相对较高,总体精度为77.14%,Kappa系数为0.592 9。研究发现:"高分四号"卫星影像具有良好的湿地类型信息提取能力,采用最大似然分类方法可以较好的进行大区域湿地类型信息的提取。     

基于变化检测的输电走廊外力破坏隐患区域识别

电力行业是国民经济与社会发展的重要行业。可靠的输电走廊环境监测有利于电力系统的安全运行。近年来,卫星遥感因为其大范围观测、高频次重返特性,展现出优于传统巡线方法的优点,开始应用于电力行业研究。然而,基于变化检测技术的输电走廊巡线研究还几乎处于空白。文章提出了一种基于卫星影像的外力破坏隐患区域识别方法,具体而言,提出了基于深度学习模型、植被指数与聚类模型的分层分类方法,构建了基于特殊地类变化的外力破坏隐患识别方案。在石林县的“高分一号”、“高分六号”卫星影像上进行了实验,结果显示：分层分类方法提高了深度学习方法的裸地分类精度。研究同时验核了石林县外力破坏台账记录区域的识别情况,识别结果与台账描述基本一致。研究成果有利于提高电网巡线效率,及时发现输电走廊环境变化异常,同时也为遥感影像分类与变化检测研究提供参考。     

环境减灾二号A/B卫星在辽东湾海冰监测中的应用

为减少由冬季寒潮导致的海冰灾害损失,利用遥感手段对我国高纬度海域海冰风险进行监测,并提供决策支撑。文章利用环境减灾二号A/B卫星的16 m分辨率多光谱数据,采用基于DeepLab V3模型的语义分割方法,对渤海辽东湾地区的海冰范围进行提取和动态分析,得出海冰范围的动态变化规律,并进行提取精度评估。结果表明：利用该方法的海冰提取准确率可以达到97.4%以上,可以满足海冰的日常监测需要,验证了环境减灾二号A/B卫星在风险要素遥感监测的应用能力。     

高分四号卫星在溃决型洪水灾害监测评估中的应用

高分四号卫星具有响应速度快、重复观测周期短等优势,是监测溃决型洪水发展变化状况的有效手段。以江西省鄱阳县河堤溃口引发的洪水灾害为例,将灾区灾后多时相的高分四号卫星连续监测图像与灾前高分一号卫星图像结合,提出空间位置关系约束条件下的溃决型洪水范围提取方法。通过构建人口评估模型,实现受灾人口的快速估算。应用结果表明:高分四号卫星能及时监测突发性溃决型洪水,并能根据实际需求实现对灾区的连续监测;基于高分四号卫星图像的洪水范围提取和受灾情况评估方法,简便易行、准确性高,可用于溃决型洪水范围及其变化的监测评估。根据溃决型洪水灾害监测评估的实际应用需求,从多种卫星的组合观测、地球静止轨道卫星性能指标提升等方面提出了高分四号卫星应用和后续卫星研制建议。     

“高分五号”卫星概况及应用前景展望

"高分五号"卫星是中国高分辨率对地观测系统重大专项中实现高光谱分辨率观测的卫星,运行于高度705km的太阳同步轨道,装载可见短波红外高光谱相机、全谱段光谱成像仪、大气环境红外甚高光谱分辨率探测仪、大气主要温室气体监测仪、大气痕量气体差分吸收光谱仪、大气气溶胶多角度偏振探测仪等6台有效载荷,具备高光谱与多光谱对地成像、大气掩星与天底观测、大气多角度偏振探测、海洋耀斑观测等多种观测手段,获取从紫外至长波红外(0.24~13.3μm)高光谱分辨率遥感数据;载荷的光谱分辨率最高可达0.03cm~(–1),具备在轨定标功能,绝对辐射定标精度优于5%,光谱定标精度最高可达0.008cm~(–1)。卫星将在环境综合监测、国土资源调查和气候变化研究等方面发挥重要作用。