融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络（HRNet）基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。     

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。     

一种遥感图像建筑物检测新方法

遥感图像中的建筑物检测对于土地规划和地图绘制等具有重要意义。文章针对高分辨率全色遥感图像植被覆盖中隐蔽建筑物检测问题,提出了一种结合屋顶结构信息和纹理信息的快速房屋检测方法。首先利用屋顶边缘的几何关系寻找具有矩形屋顶的建筑物;然后使用形态学方法提取屋顶较亮的建筑物;最后利用局部二值模式（Local Binary Pattern,LBP）描述屋顶的纹理特征,并利用支持向量机（Support Vector Machine,SVM）排除误检区域。通过在全色遥感图像集上的试验证明,所提方法对高分辨率遥感图像植被覆盖区域中的建筑物目标具有较高检测率和较低误检率。     

全球高分辨率商业遥感卫星的现状与发展

高分辨率卫星遥感影像由于空间分辨率高、识别地物能力强、信息准确等因素,受到各国的重视。长期以来,高分辨率遥感卫星多用于军事目的。20世纪90年代后,法国发射了民用商业卫星SPOT,实现了巨大的商业     

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。     

基于改进DeepLabV3+的石漠化地区裸岩信息提取

针对传统喀斯特地区裸岩提取方法成本高、精度低的问题,文章构建了一种基于改进DeepLabV3+的裸岩提取方法。该方法首先在编码器中用CA-DC-MobileNetV3替换DeepLabV3+骨干网络Xception进行特征提取,很大程度上减少了模型的参数量;其次,将编码器提取的特征通过特征金字塔网络和坐标注意力机制进行加强特征提取,以获取更多小目标信息并减少图像细节损失;最后在空洞空间金字塔池化模块将不同空洞率的卷积层进行特征融合,提高信息的利用率。研究结果表明：文章方法在不同场景裸岩提取任务中表现最好,模型参数量约为DeepLabV3+的1/13,交并比、F1分数分别为72.46%、84.03%,上述2个指标相比于DeepLabV3+模型分别提高了4.62和3.19个百分点,并优于其余常用语义分割模型,提高了裸岩提取精度。     

“资源三号”卫星正视影像区域网平差

目前卫星影像的区域网平差技术已经有了初步的发展,但大多数研究都基于国际高分辨率卫星影像,针对大区域范围内的中国卫星影像的快速平差还鲜有提及。文章以“资源三号”卫星正视影像为数据源,配合高分辨率的控制点影像和数字高程模型（DEM）数据,基于RPC（rational polynomial coefficients）模型参数精确解算和一种新的控制点选取策略对大区域范围内仅使用少量控制点的区域网平差进行了研究与试验。在试验过程中,文章采用地形坡度统计的方法来快速获取多景影像中控制点的优先选取区域,缩小控制点选取范围。除此之外,文章还通过添加选取相对较为容易的连接点替代部分控制点来保证影像平差精度。结果表明：采用文中方法能大量减少控制点选取难度并有效提高中国遥感影像的几何定位精度,真正实现数字正射影像（DOM）产品的快速生产。     

基于综合卫星遥感的典型铁路设施提取方法研究

随着遥感技术在铁路行业应用的深入,应用多源遥感对铁路设施状态进行观测成为学界和产业界关注的热点。针对铁路设施状态定量化监测问题,应用InSAR技术可以获得铁路设施沉降信息,沉降信息的分析提取往往要借助设施的类别、位置等属性,否则无法进一步对特定铁路设施的沉降进行量化评估。文章综合利用星基光学与微波遥感影像,通过目标检测技术对铁路设施进行自动提取,确定铁路设施微波散射点与光学属性中类别与位置的对应关系;选取典型区域,以接触网立柱为例,利用多源遥感影像对文中提出的提取方法进行验证,结果显示：综合光学遥感影像的高空间分辨率以及SAR影像对铁路设施特异性散射的特征对铁路设施进行提取,提取准确率较光学遥感影像提取准确率提高2.8%,较SAR影像提取准确率提高9.2%,同时提取结果中设施位置更准确,可减少因设施的错误监测造成的行车安全影响,为InSAR对铁路设施形变的定量化监测提供参考。     

“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。     

基于改进语义分割网络的输电走廊遥感变化检测

利用不同时间卫星遥感图像的变化检测,可以及时发现输电走廊周边的地质灾害、人为破坏和违章建设等潜在风险.目前,由于卷积网络需要池化,基于深度学习的高分辨率遥感图像变化检测通常采用降采样提取抽象特征,导致检测结果分辨率降低.针对这个问题,文章提出一种综合语义分割和孪生网络的变化检测算法,利用语义分割网络的编码功能提取高级抽...     

凝视视频卫星目标检测算法

为了实现对高分辨率光学遥感视频卫星成像视场范围内的飞机目标进行快速高效检测,提出一种遥感影像快速目标检测方案。文章借鉴深度卷积神经网络模型YOLO系列算法高速检测目标优点,引入端对端式全卷积神经网络构建检目标测算法,通过实验统计和探索光学卫星成像视场范围大小对目标检测准确率和检测速度的影响,结合目标尺度进行网络调优、改进检测模型,得到基于凝视成像视频卫星目标检测的高效算法。运用算法对来自"吉林一号"光学A星及视频3星的影像数据集进行目标检测实验统计,在413张800像素×800像素的静态遥感影像测试集中实现76.2%的平均检测准确率,在同等尺度的遥感视频序列中实现31帧/s的检测速度。该算法成功将深度卷积神经网络技术引入到凝视视频卫星遥感应用领域,有效证明了深度学习技术在遥感视频识别领域的可行性。     

“资源一号”02C卫星PMS数据融合方法比较研究

遥感影像融合方法可以分为空间域、分量替换、多尺度分析三类。文章从空间域方法中选择Brovey比值法和高通调制滤波法,从分量替换方法中选择色彩变换法,从多尺度分析方法中选择梯度金字塔法,使用这四种常用的融合方法对"资源一号"02C卫星全色/多光谱相机(panchromatic and multispectral sensor,PMS)数据进行了融合处理试验,并从主观评价和定量分析两个方面对融合效果进行了综合评价。结果表明:与PMS数据中的全色高分辨率影像相比,四种方法均可以增加融合后影像的光谱信息;与PMS数据中的多光谱低分辨率影像相比,四种方法均可以增加融合后影像中的空间细节信息。其中,梯度金字塔法在亮度信息、信息量和清晰度方面明显优于其它三种方法,但是较多地丢失了PMS数据中多光谱图像的光谱信息,光谱保持能力较差。色彩变换法可以很好地保持PMS数据多光谱影像的光谱信息,光谱扭曲度较小,但是亮度信息和清晰度表现能力一般。     

一种基于水平集方法提取高分辨率遥感影像中主要道路信息的算法

以IKONOS多光谱影像为例,提出了一种从高分辨率遥感影像提取城市主要道路的方法 。首先,利用矢量图像梯度算法获取道路的边缘。然后,通过分析各类地物在IKONOS多光谱 波段中的光谱特征,发现绿光与近红外波段的差值影像,不仅能较为有效地区分道路与植被 、水体和裸土的信息,而且能减小道路建筑材质不同引起的道路光谱信息的异质性。再利用 旋转不变Gabor小波方法获取影像的纹理特征,进一步区分道路与建筑物。在水平集理论框 架下,用速度函数将道路的梯度、光谱、纹理特征结合起来,用快速行进算法提取道路。 最后,用数学形态学方法进行提取结果的优化。为验证上述方法的实用性,将该方法应用于 两个云覆盖情况不同的实验区,结果表明用该方法能有效地从IKONOS影像中提取主要道路信 息,且在薄云覆盖区域依然有效。
     

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。     

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...     

动态新闻

<正>高分辨率卫星影像图库助力中国建设"智慧城市"据中国航天网2013年4月10日消息,四维世景科技(北京)有限公司的商业高分辨率遥感卫星影像图库,在搜狐、百度、腾讯等网站和企业中应用,将成为我国"智慧城市"项目的重要力量。该图库的空间影像能够提供更多增值的信息,从而助力"智慧城市"项目的综合建设,此项目融合了云计算、物联网等多重技术和地理信息定位等,是一项复杂的系统工程。     

资源三号卫星廊坊地区遥感数据的融合处理

本文以资源三号卫星河北省廊坊地区2A级全色遥感影像和多光谱影像数据为基础,采用遥感数字图像处理软件ERDASIMAGINE进行了研究区域的提取,并对提取的感兴趣区进行了几何校正,即图像配准处理,然后进行了融合处理,分别采用了空间增强的分辨率融合算法、改进IHS分辨率融合算法以及小波分辨率融合算法,通过和融合前的影像进行对比,融合后的影像既保留了多光谱影像的丰富的波谱信息,同时具有了全色影像的高空间分辨率的特征,最后对比三种融合算法,得出改进的IHS分辨率融合算法效果最佳。     

基于交互融合的高精度图像融合算法的研究

针对可见光和SAR图像融合,提出了一种基于跨模态差分感知和注意力机制的交互融合（TDPAM Fusion）算法,能有效保留可见光图像中的纹理结构和SAR图像的细节信息。首先,采用跨模态差分感知融合（Cross-Modal Differential Perception Fusion, CMDAF）模块提取图像的互补信息,避免真值缺失并提高融合精度。其次,通过坐标注意力机制（Coordinate Attention,CA）提高特征提取的准确性和效率,增强语义信息的集成。最后通过交互融合算法（Interactive Fusion Module,IFM）将特征自适应融合。设计了相应的大型基准数据集,用于网络模型的训练和测试。实验结果表明：TDPAM Fusion融合算法可以获得包含清晰SAR信息的高质量可见光图像。此外,融合算法将互信息（Mutual Information,MI）、空间频率（Spatial Frequency,SF）、视觉保真度（Visual Fidelity,VIF）和相关系数（Correlation Coefficient,CC）等关键指标,分别提高了约6.41%、10...