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。     

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。     

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。     

基于多源遥感数据的灌丛化草原识别技术研究

为探索遥感技术在灌丛化草原空间分布识别方面的应用潜力,文章采用GF-2、GF-3和GF-6等多源遥感数据,利用随机森林算法和灌丛植被覆盖度估测模型,分别从分类识别和定量提取角度对内蒙古正镶白旗开展多尺度的灌丛化草原遥感识别技术研究。结果表明：1)GF-6的纹理信息和GF-3的极化信息对提取灌丛植被覆盖度信息贡献度最高,但在不同尺度下差异明显,整体上尺度较小时纹理信息占优,尺度增大时,极化信息优势凸显;2）二元二次灌丛植被覆盖度估测模型效果最优,在多尺度下均比次优的估测模型精度提高5.95%,23.84%和20.74%;3）基于随机森林算法的草原灌丛化分类识别准确率随尺度增大而降低,整体上均低于以灌丛植被覆盖度为基础的定量监测结果。该研究的部分成果可为我国北方草原的监督管理及合理利用提供一定技术支撑。     

海面目标的岸基多手段监测方法

针对沿海区域目标监测问题,目前主要的监测手段有雷达、红外、光学等。利用岸基ISAR搜索成像雷达和光电综合监测设备获取多源实测数据,并通过图像解译方法提取目标特征,可以有效提升沿海环境下监测系统的态势感知能力。     

基于统计特征的稳健的飞机识别

给出了一种用于稳健的高距离分辨率（HRR）雷达飞机识别（ID）的基于统计特征（StaF)的分类器，HRR波形峰特征在飞行中选择，没有对特征的数目与位置作出先验假设。所抽取的特征取决于所观测的波形（使特征的数目、位置与幅度为随机变量）的信息内涵，这项研究的主要目的是通过保持对已知目标的高识别率同时又使未知目标错误最小来提高分类的稳健性。文中给出了识别结果，表明这种统计特征（StaF)分类器可以显著地降低与未知目标相关的误差，同时保持很高的正确分类概率。     

基于层次化分类器的遥感图像飞机目标检测

在大量航空航天遥感图像中,快速发现和统计飞机目标并对其进行准确定位,在军事和民用方面均具有重要意义。结合遥感图像特点,针对飞机目标的特征,文章设计了一种基于层次化的分类器的遥感图像飞机目标检测方法。首先用基于哈尔（Haar）特征的底层AdaBoost分类器快速去除大部分非目标区域;然后用基于梯度方向直方图（Histogram of Oriented Gradient,HOG）特征的顶层支持向量机（Support Vector Machine,SVM）分类器进行精细检测。在分辨率为1m的遥感图像数据集上的实验结果表明,层次化分类器在保证较高检测率的前提下,大大降低了虚警率,可以有效解决遥感图像飞机检测问题。     

中巴地球资源卫星数据在毛乌素沙漠生态环境监测中的应用

以2001年中巴地球资源卫星(CBERS-1)影像为主要数据源，对毛乌素沙漠生态环境重点建设区宁夏盐池县进行了生态环境遥感动态监测的应用研究。通过与2000年Landsat-TM／ETM 数据在信息(影像)特征、识别效果、分类精度等方面的对比，分析了一年来土地利用与土地覆盖的变化，并就CBERS-1的数据质量、精度及其在西部生态环境建设中的应用潜力做出了客观评价。     

应用Landsat-8卫星遥感图像的青海地区土壤分类研究

遥感技术的迅速发展和应用,为土壤分类提供了新的技术与数据支持,文章提出一种利用陆地卫星-8(Landsat-8)遥感图像的土壤分类方法,用于青海地区土壤分类,所提取的特征包括4种,即基于遥感图像的变换特征、指数特征、纹理特征和基于高程图像的地形特征,通过随机森林方法实现土壤分类。文章首先提出2个基于遥感图像的纹理特征——熵与平滑度,从中国土壤数据集中自动提取了16 444个数据点,并在试验中采用,充分验证了此分类方法的有效性。     

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。     

航天光学遥感在自然灾害管理中应用能力评述

以建（构）筑物、生命线、农作物、基础设施等受损情况为切入点,介绍了航天光学遥感在灾害特征参数反演、灾害风险评估、灾害监测、灾害损失评估、恢复重建等领域的应用现状和应用能力,指出航天光学遥感与灾害管理之间存在灾区遥感数据实时获取能力不足和相应遥感灾害信息智能提取算法体系不完善等问题,并从航天器设计角度提出了解决对策,如平衡发展多种空间分辨率和多种光谱分辨率光学遥感器,协同发展机动和常规两种成像模式,积极发展星上智能信息提取技术。     

一种遥感影像快速计算水面率的方法

为了有效去除阴影噪声对遥感影像水体提取的干扰,快速准确计算大区域范围内的水面率,本文提出基于GF6（高分六号卫星）影像,利用UWI（Urban Water Index,城市水体指数）并结合FROM-GLC10（Finer Resolution Observa-tion and Monitoring of Global Land Cover 10,全球陆地覆盖精细化观测与监测10）数据,通过求交计算和小碎斑删除实现水体提取结果的精细化,有效消除了阴影等噪声对水体提取的干扰,实现水面率的快速计算。本文选择中山市作为试验区,试验区域范围广、地物背景复杂,综合对比本文算法、NDWI（Normalized Water Index,归一化水体指数）算法和TSUWI（Two-Sted Urban Water Index,城市二类水体指数）算法,从定性与定量角度分析,结果表明：本文算法提取的水体连续完整、漏提和误提较少,可有效去除阴影、建筑、道路等噪声干扰,在总体精度、Kappa系数、错分误差、漏分误差等指标均取得了较好结果。利用UWI与FROM-GLC10数据相结合计算水面率具有可行性,为工程化、大面积、快速计算水面率提供了一种新的思路。     

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。     

基于深度学习特征提取的遥感影像配准

传统的影像配准算法,如尺度不变特征变换(SIFT)、加速稳健特征(SURF)等,对遥感卫星影像配准存在提取特征点少、错误匹配多等缺点。文章使用数据驱动的随机特征选择卷积神经网络(RanSelCNN)方法,对Landsat-8卫星不同时相或同一时相具有重叠度的遥感影像进行配准,卷积层使用随机特征选择,增加特征提取的鲁棒性;训练时使用联合损失函数,同时对特征探测器和特征描述符进行优化,减少特征的错误匹配。结果表明:基于随机选择的深度神经网络的遥感影像配准能提取更多的特征点,有效降低错误匹配率。与传统的人工设计特征相比,该算法能明显提高卫星影像配准的精度。     

“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。     

森林碳储量遥感卫星现状及趋势

“二氧化碳排放于2030年前达到峰值,2060年前实现碳中和”是统筹中国国内经济社会发展与全球应对气候变化协同共赢的重大战略。森林生态系统是陆地生态系统的主体,在减缓温室效应、维持全球碳平衡中起着极其重要的作用。精准计量森林生态系统的碳储量,可以加深对全球碳循环过程的理解,为“双碳”目标的实现提供科学支撑。近年来,卫星遥感技术迅猛发展,多类型的光学遥感数据、激光雷达遥感数据、合成孔径雷达数据等,为森林碳储量的定量估测提供了丰富、可靠的数据源。文章综述了森林碳储量遥感卫星载荷技术发展现状及趋势,分析了森林碳储量遥感卫星常用观测模式,论述了森林碳储量地面真实性检验系统发展状况。文章可为森林碳储量遥感卫星设计与应用提供有益参考。     

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。     

基于“高分四号”卫星数据的水体提取效果评价

"高分四号"卫星具有静止轨道卫星高时间分辨率和中高空间分辨率的特点,可以实现对水体面积及变化的大范围实时监测,有效支撑洪涝灾害应急救助工作。为了验证其对水体面积及其变化的监测能力,文章分别利用区域生长法和水体指数法,在开展全国水体面积变化监测基础上,针对与同期"高分一号"卫星16m分辨率多光谱相机及美国Terra卫星的中分辨率成像光谱仪数据等卫星的监测结果展开对比,结果显示,与其他极轨卫星监测结果相比,"高分四号"卫星可以有效开展水体面积及变化监测。但是,鉴于"高分四号"卫星50m像元分辨率,相比更高分辨率遥感影像的水体提取结果,"高分四号"卫星数据提取的水体外部轮廓较为粗糙。在针对规模较小洪涝灾害监测方面可能存在一定误差,仍然需要再进一步开展评价。     

基于多源遥感的铁路外部环境隐患监测方法综述

随着中国铁路运营里程的不断增加,铁路外部环境日益复杂,以彩钢瓦房、防尘网、塑料大棚、地膜、塑料垃圾为主的铁路外部环境隐患层出不穷,频繁引发铁路交通重大事故,已经成为铁路安全运营的重要制约因素。铁路外部环境隐患的高效监测是实现治理的重要前提,而遥感技术是目前实现大范围、低成本铁路外部环境隐患监测的最佳手段。为此,文章对光学遥感、合成孔径雷达、激光雷达、地基视频监控等4类遥感监测技术的优势、局限及应用现状进行了梳理;分析了基于人工特征和基于深度学习这两类监测识别方法的特点及不足;最后,从铁路外部环境多源遥感数据多层次融合、铁路外部环境隐患精准识别模型构建、知识引导的铁路外部环境隐患智能动态监测等方面,对基于多源遥感数据融合的铁路外部环境隐患智能监测进行了展望。     

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。