基于RPC模型的星上遥感卫星影像快速正射纠正

针对基于有理多项式系数(rational polynomial coefficients,RPC)的逐点法正射纠正计算量繁复、影像耗时过长,不能满足大数据量的卫星影像数据星上快速正射纠正的需要等问题,提出了基于像平面坐标的二维直接线性变换(DLT)光学遥感卫星影像星上快速正射纠正的方法。考虑到影像正射的精度和可靠性等需求,探究采用二维DLT进行影像正射的算法策略,并与逐点法正射纠正进行对比试验,在减小影像正射纠正的计算量、提高影像正射的速度和效率的情况下,尽可能保证正射的精度。试验结果表明:通过对比分析二维DLT的精度和效率,基于像平面坐标对应关系的二维DLT光学遥感卫星影像星上快速正射纠正理论及方法切实可行。     

基于FPGA的星上影像正射纠正

传统的遥感影像正射纠正需要等待遥感影像下传到地面接收站后才能处理,这已不能满足用户对影像处理时效性的要求,为了解决这一问题,文章研究了一种基于现场可编程门阵列(Field Programmable Gate Array,FPGA)的星上正射纠正实时处理平台。基于FPGA的正射纠正平台采用模块化设计,主要包括外方位解算模块、旋转矩阵计算模块、坐标转换模块和插值模块。通过对SPOT6影像数据进行实验,比较了基于FPGA平台的正射纠正和基于高性能计算机平台的正射纠正的纠正精度和处理速度。实验结果表明基于FPGA平台的正射纠正的精度在1个像素以内,满足纠正要求;基于FPGA平台的正射纠正速度是基于高性能计算机平台的正射纠正速度的4.3倍。利用FPGA进行正射纠正能够提高纠正速度,并能保证纠正精度,具有广阔应用前景。     

虚拟三维地形模型的建模技术研究

三维地形建模技术是视景仿真系统开发的关键因素。为了缩短地形建模时间和提高地形模型的真实性,提出了一种基于Terra Vista的地形建模方法。该方法将获取的数字高程模型（DEM）数据、文化特征数据及其遥感影像数据进行融合,并通过地形转换算法及矢量数据的映射生成比较真实的三维地形模型。测试结果表明,该方法快速、高效地生成了三维地形模型,并为三维地形建模的进一步研究提供了参考和依据。     

基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。     

“高分二号”卫星数据遥感滑坡灾害识别研究——以云南东川为例

标志着中国遥感卫星进入亚米级"高分时代"的"高分二号"(GF-2)卫星在太原成功发射,它将为地质灾害调查提供可靠的数据支持。文章以滑坡灾害频发的云南东川区为研究对象,首先对GF-2卫星采集的研究区数据进行正射校正、配准、融合和裁剪等预处理;然后采用面向对象的分类方法,通过影像分割、合并分块,并结合滑坡灾害的光谱、纹理和数字高程模型等多种信息特征,建立滑坡灾害识别规则,实现滑坡信息的遥感分类;最后对分类结果进行误分对象剔除,得到研究区滑坡信息。结果显示,利用GF-2卫星数据可以较好地提取滑坡灾害信息,基本满足滑坡的灾害识别要求。文章通过面向对象的滑坡灾害特征提取所输出矢量结果可以方便地计算出滑坡的面积,对滑坡研究提供了极大的便利。     

基于GPU的高光谱遥感图像PPI并行优化

传统高光谱遥感信息处理算法的执行效率较低,无法满足海量遥感数据的实时处理需求。文章对基于图形处理器（graphic processing unit,GPU）的高光谱遥感信息处理并行优化方法进行了研究,针对高光谱遥感图像混合像元分解中广泛使用的纯净像元指数算法,提出了一种基于矩阵乘法的GPU并行优化算法,并给出了实验比较和性能测试数据。实验表明,该优化方法在保证结果准确性的同时,运行效率显著提升,算法加速比最高达到634倍,验证了基于GPU的高光谱数据处理并行优化算法的有效性,能够较好地满足高光谱遥感信息实时处理的应用需求。     

“高分二号”卫星在西藏矿山遥感监测中的应用研究

西藏自治区海拔高、地形起伏大,利用优于1m分辨率卫星影像监测当地的矿业开发活动存在较多难点。文章以墨竹工卡重点矿集区为例,通过影像的正射校正、融合镶嵌、几何校正、信息提取等处理工作,完成了基于"高分二号"(GF-2)卫星影像的1∶1万比例尺矿山遥感监测工作。通过与国际多元多尺度卫星影像的对比研究,GF-2卫星影像对于开采硐口的识别、开采面及开发占地性质的确定、水体污染现象的识别等矿山开发信息提取的准确率有了明显提高,完全能够满足1∶1万尺度矿山遥感监测技术要求,在替代国际同等分辨率商业卫星数据的同时,亦可节省大量的野外验证工作,具有显著的社会经济效益。     

“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。     

高轨凝视卫星基于AIS数据的海洋图像几何精校正方法

针对高轨凝视卫星存在难以选取地面控制点从而在一定程度上影响卫星性能发挥的问题,文章将连续成像的凝视卫星与船舶自动识别系统(AIS)数据有机结合起来,充分利用AIS数据定位精度高、更新频次快、与高轨凝视卫星配准性好的特点,将船舶AIS数据作为控制点对海洋区域进行几何精校正。根据海洋较地面平坦的特点,基于多项式校正法,设计了两种针对高轨凝视卫星的遥感图像校正策略,并利用高分四号卫星和商用AIS数据进行了验证比对,给出了应用建议。分析结果表明：采用AIS数据可有效提升高轨凝视卫星海洋遥感图像定位精度,可为高轨凝视卫星影像快速几何精校正策略设计提供参考。     

物方反投影下的星载多光谱相机内视场虚拟线阵拼接

针对遥感卫星多光谱相机非共线TDICCD成像方式,文章提出了一种基于虚拟线阵CCD的相机内视场拼接方法。参考严格几何模型建立虚拟影像像点与地面点间的对应关系,校正相机内方位畸变,根据物方几何约束的地面点反投影算法,建立虚拟影像像点与原始影像像点的坐标关系模型,实现逐像素灰度赋值。最后,以两景"资源三号"卫星多光谱原始影像作为试验数据,验证所提算法的可靠性,试验结果表明:该拼接方法效果好、精度高,具有较好的应用前景。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

支持多从机全双工通信的IP核互联模型

针对CPU、SPI与UART之间数据传输效率低和CPU指令执行效率低的问题,提出一种支持数据并行处理的IP核互联模型。通过设计AXI4主机转接口和扩展3条ARMv4自定义指令实现CPU与AXI4总线的互联;并设计AXI4从机转接口,克服APB转换桥的不足,使AXI4总线可与多个从机同时进行支持流水线操作的全双工通信。整个设计采用Verilog进行结构级描述并通过了Modelsim仿真。实验结果表明,本文设计的模型与目前市面上的AXI4互联模型相比,具有很高的带宽和数据传输效率;CPU执行所有测试指令只需要36个时钟周期,在数据传输完毕之前有156个空闲时钟周期,从而具有很高的指令执行效率。     

长时序Landsat数据辐射校正方法对比研究

Landsat数据以其存档时间长、辐射性能稳定、全球免费获取等优势,被广泛应用于时序定量遥感监测研究。但长时序的遥感数据必须经过辐射校正获得地表反射率后,才能应用统一的模型或分类规则进行地表变化监测。文章以重庆地区2001年到2009年的5景Landsat数据为数据源,分别采用基于MODIS大气产品和6S辐射传输模型的逐像素大气校正方法和基于多元变化检测的相对辐射校正方法反演了地表反射率,并采用目视解译、影像直方图和时序未变化像元统计,对上述两种辐射校正结果进行了对比分析。结果表明:两种校正方法均能有效反演时序Landsat数据的地表反射率,消除时序影像的地物色彩差异,且时序未变像元点的反射率光谱一致性较好。大气校正能够消除可见光波段的大气空间异质性影响,使反演结果在时间序列上具有更高的稳定性和精度。     

“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。     

CBERS-02B卫星HR相机遥感影像RPC校正方法

有理多项式函数模型(Rational Polynomial Camera,RPC)是目前国际上广泛使用的高分辨率相机成像几何模型,文章介绍了CBERS-02B卫星高分辨率(High Resolution,HR)相机遥感影像RPC模型校正方法,首次把RPC模型引入CBERS-02B卫星生产系统进行自动化生产,并对试验数据进行分析,验证了RPC模型的精度。     

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。     

一种用于遥感成像系统的压缩感知编码矩阵设计

压缩感知作为突破传统奈奎斯特定理限制的一种信号处理的新途径,近年来受到了诸多研究领域的广泛关注,特别是在遥感成像方面。该理论中,编码矩阵的设计起着非常关键的作用。事实上,原始信号能否被有效压缩,接收端能否将原始信号精确重构,都依赖于编码矩阵设计的优劣。然而,目前常见的编码矩阵普遍不利于硬件的实现,尤其是遥感成像中的采样更是要求计算简单、省电的设备,所以这是影响压缩感知在遥感成像领域推广的主要障碍之一。文章的研究目的是找到一种新的编码矩阵,既有良好的压缩感知采样性能,又有利于针对遥感应用的硬件实现和降低硬件成本。鉴于分块压缩感知在重构时的优势即提升重构速度和品质,提出了基于分块的二级尺度编码矩阵设计,即在第一次分块的基础上再次分块,并以此基础设置编码矩阵。通过实验模拟实际的硬件采样过程,分析所设计编码矩阵的不足之处,并对其进一步优化,使得所搭建的硬件成像平台中对图像采样的数据可以在终端进行高品质的重构。     

顾及不确定性分析的多数投票 SAR 影像变化检测

合成孔径雷达（Synthetic Aperture Radar，SAR）影像变化检测是遥感领域的一个重要研究方向。文章以投票法（Majority Voting，MV）为基础，提出一种全新的顾及不确定性分析的SAR影像变化检测方法（Uncertainty Analysis-based MV，UAMV）。首先选取三组典型的差分影像生成算法，生成三组互补的差分影像。然后使用模糊C均值聚类估算每组差分影像的关于变化类和未变化类的模糊隶属度函数。最后用模糊集合和信息熵理论优化MV，构建顾及不确定性分析的多数投票法，并用所构建方法融合三组差分影像的模糊隶属度函数，生成变化检测图。为验证文章方法的有效性，通过三组真实SAR影像数据进行实验分析。实验结果表明：1）通过用信息熵分析MV融合过程中的不确定性，能够显著提高MV的变化检测性能；2）与7种现有相关算法相比，UAMV方法能够取得更优的变化检测结果。该研究为SAR影像变化检测提供一种新的思路和方法。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。