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。     

多源数据融合算法综述

多源数据融合作为一种特殊的数据处理手段,在目标识别领域得到了较大的重视和发展。在介绍多源数据融合的基本原理和功能模型的基础上,对目前的多源数据融合算法进行了全面介绍,从算法概念出发对其进行了分类,分别为物理模型类、基于参数类和基于认识模型类,并阐述了每类算法的特点以及相关算法的改进,列举了目前国内外一些已经发表的重要算法,为下一步多源融合的目标识别研究提供了一定的理论依据。     

基于Contourlet变换和支持向量聚类的遥感图像融合方法

Contourlet变换作为新的多尺度分析方法比小波变换更适合分析二维图像的边缘特征,而支持向量聚类算法所获得的聚类效果不受聚类形状限制,也勿需预先给定聚类数目等参数。据此提出了一种基于Contourlet变换和支持向量聚类的遥感图像融合方法。首先对源图像进行Contourlet变换,再对其高频系数利用支持向量聚类进行融合,最后进行图像重构得到融合结果。给出了实验结果,采用均方差、信噪比、信息熵、空间频率、清晰度和相关系数等评价指标对融合效果进行了定量评价,并与加权平均法、现有的基于Contourlet变换的图像融合方法以及基于支持向量聚类的图像融合方法进行了比较。结果表明提出的基于Contourlet变换和支持向量聚类的遥感图像融合方法能取得更优越的融合效果。
     

卫星多源遥感图像融合研究

卫星多源遥感图像融合技术可以综合利用多源信息,从而获得对同一目标更全面、更清晰、更准确的认识。文中简介卫星多源遥感图像融合系统所包含的三个过程,即预处理、图像融合、综合评价及应用;详细分析像素层、特征层和决策层三个不同融合层次的融合原理和方法;归纳融合效果的主客观评价标准和熵、平均梯度等六种评价指标;最后从空间配准模型、建立统一的数学融合模型、关联的二义性、数据融合方法与融合系统实施存在的问题、有效的评价准则等方面讨论了卫星多源遥感图像融合目前存在的问题,并对今后的发展趋势作出展望。     

基于卫星遥感的铁路灾害监测与评估应用研究

利用卫星遥感技术开展铁路灾害监测与评估,对于保障铁路建设和运行安全、提升铁路防灾减灾救灾能力具有重要意义。通过分析当前铁路灾害卫星遥感应用存在的问题,结合中国卫星遥感发展和新时代应急管理工作实际,探讨了卫星遥感技术在铁路减灾、备灾、应急和恢复重建等灾害管理全过程中的实践应用需求。针对影响铁路安全的主要灾害,分析总结了卫星遥感监测与评估技术在铁路应急管理中的应用方法和应用能力。针对洪涝、地质、森林火灾和雪灾等典型灾害实例,建立卫星遥感监测评估铁路灾害的技术流程,进一步分析卫星遥感对于铁路灾害应急管理的作用效果。结果表明：卫星遥感技术能够实现铁路主要灾害的灾前风险监测和灾后损失评估,可有效支撑铁路的全过程灾害管理。通过多手段的融合运用和动态监测能提升遥感信息的决策支持作用,使其在铁路灾害的应急管理中有着广阔的应用前景。     

北京三号卫星遥感数据处理与应用

针对北京三号卫星多目标成像、条带拼幅成像、立体成像和沿迹成像等多种成像模式的特点,突破基于嵌入式设备的在轨智能观测和影像处理技术、适应多种成像模式的地面预处理技术及多视角卫星实景三维生产技术等,实现了“星地一体、提速提质”的能力建设。基于卫星高精度立体成像技术生成的实景三维产品,在数字孪生社区与城市精细化管理、矿区动态监测及地质灾害隐患识别等领域具有较大的应用优势,可以满足3维空间信息的相关需求,能进一步拓宽遥感卫星的应用领域和范围,持续提升卫星遥感大数据和空间信息综合应用服务水平。     

天基边缘智能光学遥感技术构想

边缘计算对智能遥感载荷的应用有着重要的作用,能极大促进人工智能解决方案的部署,研究边缘计算与智能遥感载荷在多方向的深度融合技术,实现海量数据下复杂需求的实时响应,是全面推进天基物联网智能化建设的必要一环。文章在研讨天基边缘智能遥感应用模式的基础上,提出天基边缘智能遥感的总体构想,分析了天基边缘智能遥感系统构建中的核心问题及需要解决的关键技术,并探讨了天基边缘智能遥感在今后发展中可能存在的问题与带来的挑战。     

基于数据融合算法的危险品仓库智能实时监测系统研究

本文以危险品仓库监测为背景,通过对现存仓储环境监测方式进行总结,提出一种基于虚拟仪器的智能实时监测系统,利用数据融合算法,实现多路传感器大量数据的有效处理,实现系统功能。     

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。     

分布式协同微纳遥感星群的智能控制系统关键技术

近年来，国内外微纳遥感星座发展不断加速，通过高频重访大幅提升了对地观测的时间分辨率，但是由于单颗微纳卫星观测能力受限，难以满足多源同步与融合、高品质、大幅宽等数据应用需求。为此，将星座与星簇相结合，以星座化分布满足高时间分辨率需求，以星座节点上的星簇协同观测获取多源、高品质、宽幅数据，构建基于微纳卫星的分布式协同遥感系统，是兼顾上述遥感应用需求的有效途径。智能分布式协同控制是该系统的核心关键，为此，必须研究解决星座+星簇大规模动态微纳遥感星群控制系统的分布协同自主导航、智能运动规划与控制、智能健康预测与管理、智能组网等关键技术难题。在梳理分析国内外分布式微纳遥感系统的基础上，给出分布式协同微纳遥感星群的概念内涵，分析其特有的四方面难题，梳理总结相关技术发展现状与趋势，以期为后续该方向的研究起到一定的借鉴作用。     

新型智能遥感卫星技术展望

从遥感卫星技术与信息技术深度融合的角度,阐述了未来遥感卫星运营模式和服务模式可能的变革方向。提出了未来新型智能遥感卫星的总体概念设想及一种具备开放软件平台、网络接入、可以支持第三方灵活开发并上注应用程序(APP)的智能遥感卫星,给出了一种由智能遥感卫星、云服务中心、星地网络组成的智能遥感卫星系统,并对支撑该系统建设的网络通信架构、APP软件架构进行了初步设计,对星上智能处理技术进行了分析。     

基于遥感大数据云计算平台下的水稻识别研究

传统水稻种植面积估算基于地面测量,再逐级上报,时效性和准确性难以达到监管需求。文章利用遥感大数据云计算平台（Google Earth Engine,GEE）,结合多源遥感影像（Sentinel系列,Landsat系列等）,对整个湖南省大尺度范围进行了水稻识别算法实验。首先,针对云雾等客观因素造成数据缺失的现象,通过构建一种多源遥感影像数据融合算法,生成了完整的水稻生长周期遥感影像;然后,根据不同作物的生长物候特征,结合归一化植被指数时间序列特征进行分析,对早稻、中稻、晚稻等不同水稻类型进行了有效识别;最后,在精度验证方面,创新性地使用无人机辅助调查的方式对整体实验结果进行精度评价。最终结果表明：早稻、中稻、晚稻的准确率分别为85.15%、89.78%、86.01%,文章算法具有较高精度与鲁棒性,也能够为其他作物识别研究提供一定意义的借鉴与参考。     

环境减灾-1A、1B卫星在干旱监测中的应用研究及实现

"环境与灾害监测预报小卫星星座"(以下简称环境减灾星座)是我国首个以防灾减灾和环境监测为应用目的的小卫星星座,应用环境减灾星座构建干旱遥感监测体系具有重要的现实意义.文章基于HJ-1A、1B卫星遥感器数据,分析其适用的干旱遥感监测模型,并在此基础上选择辽宁省阜新市作为研究区,实现了基于HJ-1B卫星宽覆盖多光谱CCD相机数据的垂直干旱指数监测模型.结果表明,利用环境减灾星座数据可以有效地实现干旱遥感监测.     

基于证据理论的航天器异常状态融合监测方法

利用多传感器数据对在轨航天器的状态进行监测时,多源信息具有的不确定性会导致通道间判定的不一致,目前工程上主要采用依靠专家经验进一步分析的方法,人工干预增加了判定结果的主观性,导致监测效率不高。本文针对此类问题提出了一种基于证据理论的融合方法,用以实现自动监测。设计了6种监测异常状态的信度函数,通过比较分析,最终选定根式函数,并根据数据特点进行了分段改进;结合工程需求介绍了参数设定原则。用此方法处理在轨航天器下传的多传感器数据,监测结果与现有人工判定结果相符,融合监测方法的有效性得以验证。     

基于SVM的多源异构数据融和方法

多源异构数据融合可为决策提供更好的支持,相较于单一数据源有很多优势。异构数据融合常发生在特征级和决策级。本文基于统计学习理论支持向量机(SVM)机制,对多源异构数据特征级融合进行了研究,实验证明此方法能有效实现多源异构数据的融合,并应用于决策支持。     

基于GEE的廊坊城区黑臭水体的遥感监测

本文利用GEE(Google Earth Engine)平台中的多源遥感数据与随机森林分类器对廊坊城区黑臭水体进行了提取。研究结果表明：（1）光学遥感数据中的红光、绿光和蓝光波段可以准确反映水色信息,而雷达后续散射数据可以在一定程度上反映污水表面的几何信息,融合光学与微波的多源遥感特征可以更加准确地的提取黑臭水体信息。（2）随机森林分类器的训练精度达到96.7%,分类精度达到了93.7%,可以基本满足对城市黑臭水体监测的要求。（3）在非黑臭水体的岸边、干涸区域、桥梁等会出现分类错误,这些分类错误是由多源遥感数据的在黑臭和非黑臭水体属性特征空间上的重叠造成的,加大样本点的数量与更多特征属性的选择将有助于提高这部分区域的分类精度。（4）免费的数据与算法可以为环保相关部门低成本定期监测城区黑臭水体提供切实可行、廉价的解决方案。     

多源遥感影像信息融合研究现状与展望

遥感影像信息融合是近几年来国际上遥感领域的研究热点，也是解决多源遥感海量数据富集表示的有效途径。它可以增强多重数据分析处理能力，为大规模遥感应用研究提供一个良好的基础。本文首先介绍了国内外进行多源遥感影像信息融合的研究发展状况，提出存在的关键技术问题和解决办法。最后，对其未来发展前景做了展望。     

基于异构融合类脑芯片的卫星智能平台设计

传统卫星运行基于单星工作模式,计算能力有限,当处理海量数据时,由于单个节点能力的不足极大限制了整体的发展。为适应行业对业务处理低延时提出的迫切需求,天地一体化多星协同、多任务协同的智能化工作模式重要性逐渐显现。传统星载计算机采用固有算法及硬件进行简单任务规划及多星协同管理,其算力及算法难以满足基于深度学习的智能任务需求。当前,基于脉冲神经网络（SNN）加深度神经网络（DNN）的类脑计算方法,具有强智能计算、低能耗、强并行、高效率、存算一体等特点。通过对卫星智能处理平台发展趋势分析,针对异构融合类脑芯片优势特征,同时兼顾航天器在轨可靠性需求,提出基于异构融合类脑芯片的卫星智能处理平台架构,完成星上在轨智能预测和自主任务规划,进一步降低卫星业务成本。     

环境减灾-1B卫星遥感数据在干旱监测中的应用

以2010-2011年发生在山东省的秋、冬、春三季连旱为例,介绍了环境减灾-1B（HJ-1B）卫星遥感数据在干旱监测中的应用。获取了山东省干旱发展顶峰时段的HJ-1B卫星采集的多光谱和热红外遥感影像,利用ENVI 4.7遥感数据处理平台对山东全省的归一化植被指数和地面温度进行了反演,在此基础上计算了山东全省的植被供水指数,并据此将山东省的干旱情况划分为5级,对该干旱监测结果进行了分析。为了验证结论的可靠性,将干旱监测结果与全国降水距平百分率进行了对比,对比结果表明两者一致性较好。文章提供了HJ-1B卫星遥感数据在干旱监测方面的一个实例,其监测结果为相关减灾部门的救灾工作提供了重要的参考,同时也为HJ-1B卫星遥感数据在干旱监测方面的业务化运营提供了一个通用的方法。     

基于多源遥感数据的森林虫害监测及驱动力分析

遥感监测可以及时、准确地监测森林虫害扰动的时空格局,并预测其暴发状况,为区域尺度的森林管理和政策提供指导。文章以加拿大不列颠哥伦比亚省为研究区,基于多源遥感数据,将LandTrendr算法（基于Landsat的干扰和恢复趋势检测算法）和随机森林（RF）分类器相融合识别了1999～2015年森林虫害的暴发区域与严重程度,分析其时空格局,解析了驱动虫害暴发蔓延的关键因子,以及森林生态系统对虫害暴发的响应机制。研究结果表明：1）通过样本点独立验证,提出的森林虫害扰动遥感方法识别准确率达87.1%,与航空调查数据识别准确率接近,森林虫害暴发具有明显时空分异特征;2）原生的虫害暴发地区,其前期的扰动历史或地形因素比其他因素更易造成虫害扰动;3）森林生态系统对虫害暴发的生理性响应早于结构性响应,未来可以利用森林的叶绿素荧光等生理指数来提早监测和预警森林虫害扰动发生。