高分一号卫星开启精准服务

6月6日,国家国防科技工业局对外公布了国家重大科技专项高分辨率对地观测系统的首发星高分一号获取的首批影像图。影像图影像清晰,层次分明,信息丰富。此举表明高分一号卫星工程测试第一阶段工作结束,天地系统间协调匹配,卫星各系统工作正常,达到设计要求,实现为国土、环境、农业等领域提供精准服务的目标。首批对外公布的影像图包括:2米全色、8米多光谱、2米全色与8米多光谱融     

基于多种空间信息的高光谱遥感图像分类方法

在高光谱遥感图像分类方法中,空间特征和光谱特征的融合可以有效地改善分类效果。针对单一空间特征的信息表达不充分问题,提出了一种联合多种空间特征的高光谱图像空谱分类方法。利用超像素信息对分类结果进行后处理去掉椒盐噪声,并创造性地将超像素信息应用于分类前处理,提出了一种利用超像素信息对像素点的特征向量进行线性加权融合的方法。试验结果表明,所提方法的性能优于目前的通常方法。     

媒体SCAN

高解析影像及科学实验相机是2006年3月10日抵达火星的火星探查轨道船上的仪器。这张清晰的火星表面影像，使用了拍摄距离为2500千米、解析度为每像素25厘米的影像数据。在接下来的数个月里，火星探查轨道船将以圆形的轨道渐次深入火星的外层大气。这是一种称为气动刹车的过程．将轨道高度缩减到280千米。在这个距离，高解析影像及科学实验相机将以每像素28厘米的解析度拍摄火星表面。这张彩色影像使用了假色．来呈现高解析影像及科学实验相机所记录的可见光和红外光影像数据。这个影像的跨幅是24千米，主题是火星南半球的博斯普鲁斯高原之一角。     

高分四号卫星首批影像发布

正2月3日,国家国防科技工业局召开记者招待会,对外公布了高分四号卫星获取的首批影像图。首批影像图影像清晰,层次分明,信息丰富,包括50米全色、50米多光谱、400米中波红外三类,观测幅宽优于400千米。在综合考虑图像质量、地物类型、目标关注度等因素的基础上,选取了北京、新疆火焰山、西藏纳木错、甘肃敦煌、珠穆朗玛峰、黄河三角洲、     

地基Headwall高谱影像大气校正方法

遥感影像大气校正是定量遥感研究的前提与难点之一.大气校正有多种方法和模型.本文研究了目前常用的大气校正方法,包括FLAASH模型、6S模型、ELC方法和QUAC方法,并应用这几种方法对Headwall野外高光谱成像仪获取的高光谱影像进行大气校正.通过对4种典型地物的表观反射率、校正后反射率以及实测反射率进行对比分析,发现4种模型均能有效去除大气的影响,能够较好地恢复地物光谱的典型特征.相对于其他3种大气校正方法,经验线性法对地基Headwall高光谱影像校正效果最好.      

基于像素间孤波的图像处理模型分析

通过对数字图像像素栅格之间非线性影响的研究,建立了像素间非线性影响的一维和二维时间演化方程模型,通过对方程模型的分析可知图像在空间上是离散的,图像像素之间的作用关系是非线性连续的,且方程具有解析性的孤波解.模型重点研究像素孤波的两个孤波之间的相互作用,给出了像素孤波的二孤波解,利用像素孤波的相互作用来研究模型的性能,发现像素孤波相互作用后仍能保持自身性质不变,因此可用像素孤波代替像素本身.同时发现像素孤波在相互作用时其幅值是两者的非线性叠加,可以作为影响的结果;并且像素孤波相互作用时其相位会发生特定的改变,可以将其映射为像素之间相互影响的方向信息.通过实验表明,模型可以用在图像滤波中,平滑度并不最优但是图像细节得到更多保留.      

基于多源影像的探测器月面着陆点定位与精度验证

探测器月面着陆点高精度定位是探测器着陆的重要技术环节,也是地外天体探测器开展各项工作的重要前提.本文基于多源图像数据,利用图像特征匹配和多重覆盖影像定位技术,设计了探测器月面着陆点高精度定位方法,并使用嫦娥三号任务相关影像进行了定位实验与精度验证.在高精度图像匹配和几何变换的基础上,降落相机序列影像间的匹配精度达到子像素,LRO NAC影像与中分辨率降落图像的匹配精度优于1pixel,最终解算的嫦娥三号探测器着陆点坐标为（44.1196°N,19.5148°W）.本文方法综合利用了多源图像数据,不完全依靠着陆区DOM底图的制图精度,是对影像与DOM底图配准定位结果的进一步精化,在未来的月球着陆探测任务中具有应用价值.      

空间碎片光谱特性获取与分析方法研究

空间碎片的反射光谱是碎片表面材料与太阳光谱共同作用的结果,能够反映碎片的材料性质,为空间碎片的光学特性研究提供依据. 将观测获得的空间碎片反射光谱进行预处理后,与已知空间材料样本的光谱进行比对,比较两者间光学特性差异,包括连续反射光谱曲线中的峰值、斜率、形态、特征窄波段、吸收谱线和多波段反射光谱间的成像差异、色指数、特征温度等,分辨碎片表面可能的材料,最终实现对空间碎片光学特性的研究.      

多谱段全日面极紫外成像仪

在极紫外波段对太阳进行成像观测是研究太阳活动、日冕中等离子体物理特性的重要手段.传统极紫外成像仪或光谱仪无法同时实现高光谱分辨率和大视场的太阳成像.本文设计了一种新型太阳极紫外多谱段成像系统,采用无狭缝光栅分光方式实现了高光谱分辨率和空间分辨率的全日面成像,成像视场可达47',光谱分辨率每像素2×10-3 nm,空间分辨率每像素1.4',全日面时间分辨率优于60s.通过分析谱线的全日面成像图和系统响应,表明成像仪能大范围的观测太阳活动形态演化,为太阳物理研究和空间天气预报提供更完整的观测数据.      

基于双量子比特态测量的量子自适应中值滤波

为了进一步增强去噪时对图像细节的保护能力,并同时提高算法实时性,提出了基于双量子比特态测量的量子自适应中值滤波算法,该算法首先将待处理图像像素转化为量子叠加态,然后依据量子测量原理对此叠加态进行量子测量,最后将测量后的坍缩态转化为输出图像.该算法使用双量子比特态来描述单像素,拓展了单量子比特态与单像素的对应关系.双量子比特态的4个叠加基态增加了被描述像素的信息量,可以更精确地对像素进行操作.该算法根据噪声特点设计双量子比特态的概率密度公式,并根据测量坍缩态自适应地调整滤波窗口尺寸.实验证明,该算法与标准中值滤波和经典自适应中值滤波相比,具有更好的综合滤波能力,既可以有效地滤除噪声点,很好地保护图像细节,又具有很好的实时性.     

TopPixelLoss:类别不均衡的遥感影像语义分割损失函数

针对遥感影像中类别不均衡的小目标分割效果不理想的问题，提出了一种类别不均衡小目标二分类分割的损失函数——TopPixelLoss损失函数。首先计算出每个像素的交叉熵，然后将所有像素的交叉熵按从大到小进行排序，随后确定一个K值作为阈值，筛选出前K个交叉熵最大的像素，最后对于筛选出的K个像素交叉熵取平均，做为损失值。在ISPRS 提供的 Vaihingen 数据集上，使用PSPNet网络与普通交叉熵、FocalLoss、TopPixelLoss三种损失函数分别对车辆进行二分类分割试验。结果表明，不同的K值，使用TopPixelLoss损失函数的平均交并比（MIoU）、F1-score、准确度（ACC）都最高;当K值为5×104时效果最佳，MIoU、F1-score、ACC分别比FocalLoss提高了3.0%、5.0%、0.1%。TopPixelLoss损失函数是一种针对类别不均衡分割非常有效的损失函数     

基于超像素与多尺度残差U-Net相结合的遥感图像飞机检测方法

遥感图像中存在飞机很小、角度和位置不确定且背景复杂等问题,从遥感图像中检测飞机是一项重要且具有挑战性的任务,因此,提出一种基于超像素与多尺度残差U-Net(Multi-scale Residual U-Net,MSRU-Net)相结合的遥感图像飞机检测方法。首先对遥感图像进行超像素预分割,将位置相邻且像素特征相似的像素点组成若干个超像素,保持图像进一步分割的有效特征;然后构建多尺度残差U-Net,学习其多尺度判别特征。与传统的飞机检测方法相比,该方法用少量的超像素代替大量像素表达图像特征,降低了图像分割的复杂度,再利用MSRU-Net分割遥感超像素图像,有效检测不同尺度的飞机图像。在公共飞机遥感图像数据集上实验,结果表明,该方法能够有效的检测遥感图像不同尺度的飞机图像,检测精确率达到91.2 %。     

基于快速退火MRF的改进SAR图像分割方法

基于Markov随机场(MRF,Markov Random Field)的SAR图像分割方法利用了SAR图像的灰度和结构信息,能在分割过程中有效抑制斑点噪声,获得较高的分割精度.但这类方法的缺点是模拟退火的计算量很大.针对该问题,提出了一种基于快速退火MRF的SAR图像分割处理方法.该方法根据SAR图像Gibbs分布的特性,在求取全局最优解时,首先寻找邻域系统中占有支配地位的某种标记,若存在占支配地位的标记,用此标记更新状态;反之,则沿用传统模拟退火的方法随机更新状态.由于该方法引入基于Gibbs分布的先验判决进行系统状态更新,因此能够快速求得全局最优解.最后对真实SAR图像进行处理,处理结果验证了算法的有效性.     

基于递推自适应权重的快速稠密立体匹配

针对经典自适应权重稠密立体匹配算法计算量大的问题,提出了一种递推自适应权重算法.重新定义相邻像素的权重为距离衰减因子和色彩差异函数的乘积,不相邻像素权重为相邻像素权重的累乘,色彩差异越小、距离越近的像素权重越大;证明了在新的权重定义下,一维空间的匹配代价融合可以通过两次递推完成,真实图像的匹配代价融合可以通过4次递推完成,同时给出相应递推公式;递推匹配代价融合时每个像素每一视差只做4次乘法和8次加法,计算量比窗口大小为35×35的经典自适应权重算法小约两个数量级;基于递推匹配代价融合实现了一种快速稠密立体匹配算法.使用Middlebury大学的测评集测试该算法,证明了递推自适应权重算法的速度和精度均优于经典自适应权重算法.     

An approach to multi-temporal MODIS image analysis using image classification and segmentation

This paper discusses an approach for river mapping and flood evaluation based on multi-temporal time series analysis of satellite images utilizing pixel spectral information for image classification and region-based segmentation for extracting water-covered regions. Analysis of MODIS satellite images is applied in three stages: before flood, during flood and after flood. Water regions are extracted from the MODIS images using image classification (based on spectral information) and image segmentation (based on spatial information). Multi-temporal MODIS images from “normal” (non-flood) and flood time-periods are processed in two steps. In the first step, image classifiers such as Support Vector Machines (SVM) and Artificial Neural Networks (ANN) separate the image pixels into water and non-water groups based on their spectral features. The classified image is then segmented using spatial features of the water pixels to remove the misclassified water. From the results obtained, we evaluate the performance of the method and conclude that the use of image classification (SVM and ANN) and region-based image segmentation is an accurate and reliable approach for the extraction of water-covered regions.     

基于四元数理论的彩色图像脉冲噪声开关滤波

根据四元数单位变换理论定义了一种新的描述彩色图像像素点间差异的距离,该距离可以同时描述两个彩色像素点在强度和色度上的差异.利用该距离和图像边缘的结构性与方向性,构造了一种基于四元数的开关型彩色图像脉冲噪声滤波器.该滤波器对像素点进行4个方向上的噪声检测并仅对检测为噪声的像素点进行滤波.实验表明:该滤波器能够在去除彩色图像中的相关和非相关噪声的同时保护图像细节,同时具有比传统方法更快的执行速度.     

使用深度神经网络检测Cassini ISS图像中圆盘状星体轮廓

Cassini空间探测器光学成像系统（ISS）拍摄的图像中,很多卫星呈现为面元,其轮廓检测是天体测量的重要工作.使用神经网络方法进行ISS图像中面元轮廓检测.每个ISS图像的像素分为轮廓边缘和非轮廓两类.使用神经网络框架TensorFlow,输入每个像素的9个特征,输出每个像素的分类.利用约3.6万个像素训练该网络,通过380幅ISS图像进行测试.与人工标记结果相比,轮廓像素检测的平均精确率为78.26%,平均召回率为73.32%.以检出轮廓像素作为输入,通过椭圆拟合得到面元的轮廓,所得轮廓与面元真实轮廓吻合良好.研究结果表明该方案能够有效检测出面元轮廓,进而给出假图像星的排除范围.      

一种高效的油液磨粒图像自适应分割方法

为了提高油液磨粒图像的分割效果,优化磨粒自动识别工作的重要环节,提出了一种结合分水岭算法及区域相似度合并的油液磨粒图像自适应分割方法。对于待分割图像,首先通过形态学重构和基于形态学的自适应H-minima技术对梯度图像进行修正,利用分水岭算法完成磨粒图像的一次分割;其次提取分水岭分割后同质区域的Lab颜色特征、局部二值模式（LBP）纹理特征作为区域的量化指标,基于Bhattacharyya系数分别计算区域间的颜色、纹理相似度,设计可以实现权重自适应调整的颜色、纹理特征融合规则,以此来获取同质区域的综合相似度矩阵,实现过分割区域的合并;最后基于统一的后处理算法完成磨粒图像的完整分割。选择60幅磨粒图像对所提方法的分割效果进行测试,结果表明,单幅图像的平均分割速度在12 s左右,分割正确率稳定在90%以上,所提方法避免了用户在分割过程中对图像的交互式处理,较好地平衡了分割效率和分割精度,自适应程度明显提高。      

一种深度学习分割遥感影像道路的损失函数

传统的根据光谱特征或形态学算法来分割道路,存在精度低、阈值难确定等缺点,而深度学习中已有的方法并未考虑道路的特性,只是利用通用方法来分割道路。针对上述不足,提出了一种针对道路特有形态的深度学习损失函数——形态损失函数。首先使用连通性算法将预测结果划分为若干个相互分离的连通区域,分别计算这些区域的面积与外接圆面积的比值,然后取平均值作为此批训练数据的形态损失函数,最后将形态损失函数按一定的比例与交叉熵损失函数求和,得到最终的损失函数。通过在公开的遥感数据集上使用深度学习网络进行对比试验,附加了形态损失函数后平均交并比（MIoU）、准确度（ACC）及F1 Score均有提高。从预测的图形来看,附加了形态损失函数后,预测的道路更为连续。所提出的形态损失函数可用于提高光学遥感影像道路分割的精度。