基于免疫抗体编码机理的卫星图像云探测

针对卫星遥感图像中云与下垫面的复杂性和多样性,提出了一种新的在复杂背景下常用目标图像描述方法.通过类比生物免疫抗体特异性与其构成单元氨基酸性质的相关性,得到目标图像的免疫基元集合形式及其分类方法.借鉴生物免疫抗体编码顺序中氨基酸结合能量最小原则,统计分析出训练样本的免疫基元亲和度计算公式,实现了目标图像描述的有限多特征优化组合.对于云检测问题,最终提出云的免疫抗体编码方法,定义了云的免疫亲和度计算公式,并成功构建了云免疫抗体.经200幅IKONOS卫星图像测试,验证了该方法在识别率和运行时间效率方面的有效性.      

含无效云区域遥感图像在轨压缩方法

遥感图像中含有大面积的无效云区域,剔除云区域后的遥感图像形状呈现非规则特性。针对这类非规则遥感图像的压缩问题,在原始CCSDS IDC算法基础上提出了形状自适应CCSDS IDC压缩方法。方法以原始图像及其云掩膜为输入,对图像中的有效区域进行形状自适应小波变换,利用掩膜图像的Lazy小波变换结果指导小波系数编码,重新设计转义字及扫描字编码码表,最终构建形状自适应的比特平面扫描及编码方法。试验结果表明,压缩比一定的情况下,该方法可提高遥感图像解压缩后质量;图像质量一定的情况下,可以进一步降低数传带宽,增加在轨成像时间,进而提升遥感卫星在轨应用效能。     

遥感图像云检测方法综述

光学遥感图像中云层会对地面信息进行不同程度的遮挡,造成了地表观测信息的模糊和缺失,极大地影响遥感图像的成像质量。因此,对遥感图像中云层覆盖的检测和评估是进一步分析和利用遥感图像信息的基础和关键。通过充分的调研和对比总结,梳理了20世纪90年代以来,国内外基于遥感图像的云检测方法的发展趋势和代表性工作。将基于遥感图像的云检测方法分为三类：基于光谱阈值的方法、基于经典机器学习的方法以及基于深度学习的方法。总结了当前国内外云检测公开数据集,并对比了部分代表性工作的云检测精度。此外,简要梳理了与云检测相关的云雾(霾)检测、云雪检测、云阴影检测以及云去除等方法。对当前云检测相关工作中存在的问题和未来的发展趋势进行了分析和展望。     

均匀分布下系统瞬时可用度理论分析

对单部件可修系统的瞬时可用度在其初期出现的波动现象进行了理论分析,介绍了现今2种可用度研究进展并分析了对瞬时可用度研究的重要性。分别讨论了系统部件的故障时间及修复时间都服从相同和不同均匀分布的情况,通过把可用度的更新方程转化为分段的时滞或常微分方程,运用初值与连续性给出了系统瞬时可用度的解析表达式。提出了判断瞬时可用度波动的方法,即判断是否存在小于稳态可用度的点,并验证了该方法的有效性。得到了无论均匀分布为何种参数组合,瞬时可用度均存在波动性的结论。最终的仿真结果和理论结果相一致。      

Ka频段低轨遥感卫星可变编码调制应用效能研究

分辨率的不断提高对低轨遥感卫星的星地数据传输能力提升提出了迫切需求,导致X频段星地数传通道压力急剧增加,而Ka频段可用带宽是X频段的4倍,理论上可大幅提升传输能力。当前低轨遥感卫星的星地数据传输通常采用固定编码调制（CCM）和可变编码调制（VCM）,均未利用地面站仰角增大时大气衰减减小所带来的信道条件改善,对链路资源造成浪费。针对此问题,对指定地面站和链路可用度,综合考虑自由空间损耗和大气衰减随接收仰角增加而同时减小的特性,提出基于DVB S2标准的Ka频段星上VCM系统实现方案,给出传输效能评估标准,并对降雨特性不同的喀什站、北京站、三亚站CCM,VCM的Ka频段传输效能进行了对比仿真分析,以寻找出适合不同站点的星地数传方案。仿真结果表明：干旱少雨的喀什站更适合采用CCM,且链路可用度高达99.82%;雨量中等的北京站可根据用户使用需求灵活选择CCM或VCM;而降雨丰富的三亚站更适合采用VCM,不仅可将传输效能提升8.37%,还可将链路可用度提升11.23%。     

可修系统的可用度分析方法研究

介绍了一种新的可修系统可用度分析方法--可修系统动态故障树建模分析方法.为了获得高的可靠性和可用性,计算机控制系统大量采用了动态余度管理、储备及复杂的故障恢复技术,使计算机控制系统呈现出很强的动态性和实时性.采用动态故障树与Markov过程综合方法,将计算机控制系统的动态时序用DFTA(Dynamic Fault Tree Analysis)描述,将系统可修过程用Markov过程描述,将系统分解成若干个小的模块,逐步计算各模块的可用度、等效故障概率和维修率,最后综合进行整个系统的可用度分析.     

基于失真敏感性的可见光遥感图像压缩补偿

可见光遥感图像纹理细节丰富且分布情况复杂,高倍压缩后容易出现失真不均衡现象。现有研究并不针对图像的主观品质且易出现错补偿问题。为此,设计了基于失真敏感性的可见光遥感图像压缩补偿方法。通过对比结构相似度模型各函数对遥感压缩失真的评价效果,构造了压缩失真敏感性模型,在此基础上深入分析了不同程度的数据损失对恢复像质的影响,设计了基于失真敏感性的压缩补偿策略,在压缩编码端确定失真敏感区域并量化回传失真影响明显的数据,补偿于解码端恢复图像中。结果表明,该方法能有效提高恢复图像失真敏感区域内遥感目标的清晰程度和可判读性,降低恢复图像的失真不均衡程度,改善恢复图像的整体质量。     

基于云模型的目标威胁等级评估

目标威胁等级评估的实时性、正确性对于后续作战仿真具有重要意义.提出了基于云模型的威胁等级评估的方法,通过对依据专家经验得到的对定性概念评估的隶属云图的贝叶斯修正,得到了标尺云.由战场态势信息对标尺云的匹配和处理,最终得到了目标威胁评估云图,实现了威胁评估.定性概念对战场态势的描述以及隶属云图体现了模糊性与随机性的较好结合,反映了空战时飞行员获取信息的不确定性的特点.通过实例验证表明:基于云模型的威胁等级评估的方法能有效地实现对目标威胁等级的确定.     

遥感图像的显著-概要特征提取与目标检测

针对巨幅遥感图像的目标检测问题,提出了一种基于显著-概要特征的遥感图像自动目标检测算法.采用滑动窗口将巨幅遥感图像划分为若干个小尺度的区域,针对各个小尺度分块图像,借鉴人类视觉生理功能特性之原理,提取其显著特征和概要特征,其中的显著特征代表了图像中的显著信息及显著区域空间分布和关联信息,概要特征可从整体上反映该区域的背景/目标关联信息.通过对分块区域图像的分类鉴别以实现目标检测.实验结果表明:此方法能以高可靠性和高精确度检测出巨幅遥感图像中的目标.     

卫星控制系统测试数据自动判读系统设计

针对卫星控制系统测试数据类型多和数据量大的特点,人工判读方式存在判读时间长和判读精度不够高等不足,分析了卫星控制系统测试数据的变化规律,建立了测试数据的判读规则,在此基础上完成自动判读方法设计和自动判读系统设计,该系统能够按照设置的判读规则进行自动判读,对判读结果进行实时显示和存储,提高了测试效率和判读的准确性.     

基于高分四号数据的多时相多通道云检测算法

针对高分四号（GF-4）卫星影像波段较少导致传统云检测算法难以区分云与冰雪像元的问题,提出一种多时相多通道云检测算法。该算法首先对GF-4卫星影像进行辐射定标和配准,然后利用云与典型地表的光谱差异得到潜在云像元,之后利用序列GF-4卫星影像之间的差异识别出移动的云像元,最后利用中红外波段反演地表亮度温度来去除冰雪像元。该算法在海南、辽宁和安徽3个研究区域进行验证,并将检测结果与传统单时相云检测算法、支持向量机（SVM）云检测算法和实时差分（RTD）云检测算法的检测结果进行对比。结果表明,该算法优于其他3种云检测算法,准确识别率均达到90%以上,误检率均低于5%,有利于GF-4卫星影像的进一步利用。     

基于卫星云图的大区域云层预测方法

云层覆盖是影响对地观测卫星成像的一个重要问题,如果遥感图像中云层比例太高,或者特定目标不可见,则遥感图像就会失效。对地观测卫星能够根据云层预测信息,在多个观测目标之间进行选择。面向对地观测卫星任务规划的应用,设计了大区域范围的短期云层预测方法,首先通过光流法获取云运动矢量,然后依据云运动矢量外推获得预测的云层图像,同时引入拉普拉斯算子刻画云层运动过程中的扩散现象,利用风云二号卫星的真实云图序列数据,通过神经网络的反向传播算法优化扩散因子,以提升云层预测的效果。通过对结果进行分析,引入的拉普拉斯算子方法能够提高云层预测的精度,80%分位数的云层覆盖率误差约为11.7%,该精度的云层预测可以用于指导对地观测卫星任务规划。     

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.     

The study of enhanced earth observations on a satellite image chain

The Multi-Spectral Camera (MSC) on the KOrea Multi-Propose SATellite (KOMPSAT)-2 was developed and launched as a main payload to provide a One(1) m panchromatic image and four(4) band four(4) m multi-spectral images at an altitude of 685 km covering a swath width of 15 km. These images, archived around the world, are a useful resource for space applications in agriculture, cartography, geology, forestry, regional planning, surveillance, and national security. The image quality of KOMPSAT-2 depends upon its image chain, which is comprised of an on-board system in the satellite and a processing system at the ground station. Therefore, in this study we determine the factors that have a major impact on the image quality through an investigation of the entire image chain. Consequently, two methods, involving a compression algorithm and a deconvolution technique, were determined as having a significant influence on the KOMPSAT-2 image quality. The compression algorithm of KOMPSAT-2 is rate-controlled JPEG-like algorithm that controls the mismatch between the input and output data rate. The ability to control the input/output data rate may be useful during the operation of the satellite but can also lower the overall image quality. The deconvolution technique may increase the sharpness of images, but it can also amplify the image noise level. Therefore, we propose methods of wavelet-based compression and denoising as an alternative to currently existing algorithms. Satisfactory results were obtained through experimentation with these two algorithms, and they are expected to be successfully implemented into the future KOMPSAT series to yield high-quality images for enhanced earth observation.     

基于生成对抗网络的空间卫星低照度图像增强

针对空间低照度成像条件下卫星光学图像信息受损严重的问题,提出了一种基于生成对抗网络的空间卫星低照度图像增强方法,提高了图像的平均亮度及对比度,恢复图像细节信息,为图像识别等图像处理技术提供更高质量的数据信息.首先,设计了一种密集连接的生成器,加强了各特征提取阶段中的信息传递以及多层特征的融合,减少了特征信息的损耗,更好...     

基于对抗和迁移学习的灾害天气卫星云图分类

针对卫星云图中的灾害天气数据存在严重不平衡问题,提出一个结合生成对抗学习（GAN）和迁移学习（TL）的卷积神经网络（CNN）框架以解决上述问题进而提高基于卫星云图的灾害天气分类精度。该框架主要包含基于GAN的数据均衡化模块和基于迁移学习的CNN分类模块。上述2个模块分别从数据和算法层面解决数据的类间不平衡问题,分别得到一个相对均衡的数据集和一个可在不同类别数据上提取相对均衡特征的分类模型,最终实现对卫星云图的分类,提高其中灾害天气的卫星云图类别分类准确率。与此同时所提方法在自建的大规模卫星云图数据上进行了测试,消融性和综合实验结果证明了所提数据均衡方法和迁移学习方法是有效的,且所提框架模型对各个灾害天气类别的分类精度都有显著提升。      

基于奇异值分解的红外热图像序列处理

在红外热像无损检测中直接获取的原始热像往往信噪比较低、温度对比度较差.为了抑制各种噪声的不良影响,使红外热像无损检测所重构的数字图像有较高的缺陷对比度,从而提高缺陷探测能力,提出了采用奇异值分解法对红外数字图像序列进行处理和增强的方法,并进行了验证.介绍了奇异值分解法的原理;用奇异值分解法对实验中采集的红外热像序列进行处理;以信噪比为指标对图像处理效果进行了定量评定.研究表明奇异值分解法具有抽取红外热像序列中反映试件内部缺陷信息代数特征的能力,可消除加热不均效应、提高图像的信噪比,且缺陷在图像中所处的位置不影响奇异值分解法的使用效果. 因此奇异值分解法是红外热像无损检测中红外热图像序列处理的有效方法.      

基于卫星遥感的岛礁影像多类目标智能化提取

卫星遥感影像具有背景复杂、目标尺度不一、观测方向各异、纹理不清晰等特点,主流的深度学习目标检测算法不能直接适用于卫星遥感影像的目标检测。改进了RetinaNet,使其适用于卫星遥感影像。首先设计了一种新的特征融合方式,融合ResNet50输出的特征图,使得融合后的特征图同时具有高层语义信息和低层纹理细节信息。为了减弱遥感影像复杂背景对目标特征的影响,设计了特征感知模块,在减弱噪声对特征图影响的同时增强有用特征。挑选DOTA数据集中船只、飞机和存储罐图像进行训练和测试。改进的算法与RetinaNet相比,飞机、船只和存储罐的平均精度分别提高了41%、25%、24%。基于高分二号卫星（GF 2）真实影像数据的试验结果表明,提出的算法能够用于卫星遥感岛礁影像的多类目标智能化提取。     

Assessment of thin cirrus and low cloud over snow by means of the maximum likelihood method

Cirrus clouds and low clouds over snow are sometimes difficult to assess by common retrieval methods. In the case of cirrus the reason is the highly variable optical depth while low clouds have approximately the same temperature and reflection properties as snow covered mountains (or plains). An empirical interactive method is described, which allows to classify with great detail clouds of the described types and to determine the fractional coverage of each cloud type as seen from the satellite. The statistical properties of the cloud classes are determined by analyzing small areas of uniform cloudiness. The algorithms applied to pairs of spectral images is the standard maximum likelihood method.