面向广域场景的可见光-SAR遥感图像匹配方法

可见光-SAR（合成孔径雷达）遥感图像的高精度匹配是视觉导航、图像融合等典型遥感应用的基础,现有匹配方法主要聚焦在非线性辐射失真（NRD）等成像差异的问题,并未充分考虑遥感图像的场景差异,导致匹配方法的场景适应性有限。为解决可见光-SAR图像匹配中成像场景广域多样、成像差异等挑战,文章提出了一种结合遥感图像场景分类的广域场景异源图像的匹配方法。该方法首先使用广域图像匹配场景分类算法按照纹理特征对遥感图像进行四个典型场景（重复纹理、非均匀纹理、弱纹理和混合类别）的分类,然后在统一的特征匹配框架中为每类场景选择合适特征描述符。将该方法在异源图像匹配数据集上与两种常用的可见光-SAR匹配方法进行比较,通过实验验证,文章的方法可以在不增加计算时间的前提下,在所有类别上取得最优的匹配结果。该方法为广域场景下的可见光-SAR遥感图像匹配提供了一种可行的解决方法。     

遥感图像云检测方法综述

遥感图像云检测是遥感数据处理过程中需首要解决的问题之一,在参考大量国内外文献的基础上,文章对遥感图像云检测方法的研究现状进行了分析,并对已有的遥感图像云检测方法进行了综述和分类,在此基础上对不同的云检测方法进行了比较,最后给出了云检测存在的问题和发展趋势.     

空间遥感与应用的新趋势和观念

介绍了空间遥感与应用系统必须形成天地一体化快速精确的信息流以及利用综合集成方法构建一体化体系的两个新趋势，阐述了重视树立太空意识，对于增强国家安全和提高综合国力具有长远的战略意义的观念。     

自适应在空间光学遥感器上的应用

文章概述了自适应光学的原理及其应用领域,重点介绍自适应光学在空间光学遥感器上的应用,展望了自适应光学的发展趋势。     

空间光学遥感器光机结构材料应用情况及展望

介绍了空间光学遥感器的技术特点,综述了近年来空间光学遥感器光机结构材料的应用状况,对空间光学遥感器的光机结构材料发展趋势进行了展望。     

基于空间分割的影像条带噪声去除方法

光学遥感卫星影像中包含系统条带噪声和随机条带噪声,由于多种因素的干扰,即使进行系统条带噪声去除后,仍残留部分随机条带噪声。文章通过分析现有卫星遥感影像中的随机条带噪声特性,基于常规的随机条带噪声去除方法,提出一种新的基于空间分割的条带噪声去除算法。该方法以影像的均值、中值以及梯度值构建判定准则,将影像分为动态范围变化较小的多个区域,同时将地物边缘单独提取出来予以保留;然后采用标准矩匹配的方法对单独区域进行处理,在剔除噪声的同时抑制灰度畸变的产生;最后采用中巴地球资源卫星04星（CBERS-04）数据作为试验对象进行了随机噪声去除试验,试验结果表明新方法在去除随机条带噪声的同时很好的保持了原始影像的纹理信息。     

自适应在空间光学遥感器上的应用

文章概述了自适应光学的原理及其应用领域，重点介绍自适应光学在空间光学遥感器上的应用，展望了自适应光学的发展趋势。     

融合空洞空间金字塔池化和注意力的轻量化遥感影像道路提取

针对高分辨率遥感影像中道路形状结构错综复杂,出现窄小型道路提取错误或漏分的问题,提出一种基于空洞空间金字塔池化和注意力机制的轻量化遥感影像道路提取方法。首先,在原始高分辨率网络（HRNet）基础上,通过引入空洞空间金字塔池化模块,实现多尺度道路信息融合;再引入挤压激励通道注意力机制,增强网络特征表征质量;最后使用深度可分离卷积方法改进网络残差模块实现模型轻量化,以降低模型计算复杂度。在公开数据集上进行了模型性能测试,实验结果表明,文章所提算法的准确率、精确率、召回率、F1分数和平均交并比,相比原始HRNet分别提升了5.35%、2.15%、4.1%、3.15%和14.34%,且减少了36.1%的参数数量;相比其他网络,该算法突出了细小道路的特征,道路预测结果连续性、完整性好,并且模型小易于部署在实时检测设备中,有效改善了道路提取任务中错分和缺失的情况,是一种适应性更强、分割精度更高、更轻量化的多尺度道路提取算法。     

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。     

未来中国卫星遥感器的发展分析

介绍了国外对地观测系统的发展历程和趋势,重点研究和归纳了中国的气象、海洋、农业、灾害、资源、环境等重大发展问题对空间遥感的需求。在此基础上,提出了中国未来空间遥感器的发展建议,可为中国对地观测卫星技术的发展提供参考。     

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。     

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。     

对偶空间上的高分辨率遥感影像道路提取

道路目标的提取是遥感领域的重要研究内容。针对背景复杂的高分辨率遥感影像，论文提出一种在对偶卒间榆测道路目标的算法。该算法包含以下步骤：通过投影变换，分别将直线的灰度级标准差及其边缘梯度矢量均值映射到直线方程的对偶空间；在对偶卒间上，根据直线的标准差和边缘梯度矢量的峰谷分布规律检测道路目标；根据已检测的目标位置，用搜索和跟踪的手段提取连接道路网。实验结果表明，本方法能够很好的提取各种明暗度及一定曲度的道路目标。     

空间光学遥感运动模糊仿真方法研究

空间光学遥感作为一个动态的成像过程,像物曝光时间内的相对运动必然会导致成像的模糊,因此在遥感成像链路仿真模型中必然要考虑运动模糊的影响。文章将运动类型分为线性运动和简谐运动两种,并且根据成像过程中器件积分时间和简谐运动周期的比值大小将简谐运动分成高频、低频不同情况来处理。文章指出严格意义上运动模糊具有空间移变的性质,最终根据积分时间同简谐运动的频率提出一种TDICCD运动模糊的仿真方法,可为后续全链路仿真提供参考。     

一种基于水平集方法提取高分辨率遥感影像中主要道路信息的算法

以IKONOS多光谱影像为例,提出了一种从高分辨率遥感影像提取城市主要道路的方法 。首先,利用矢量图像梯度算法获取道路的边缘。然后,通过分析各类地物在IKONOS多光谱 波段中的光谱特征,发现绿光与近红外波段的差值影像,不仅能较为有效地区分道路与植被 、水体和裸土的信息,而且能减小道路建筑材质不同引起的道路光谱信息的异质性。再利用 旋转不变Gabor小波方法获取影像的纹理特征,进一步区分道路与建筑物。在水平集理论框 架下,用速度函数将道路的梯度、光谱、纹理特征结合起来,用快速行进算法提取道路。 最后,用数学形态学方法进行提取结果的优化。为验证上述方法的实用性,将该方法应用于 两个云覆盖情况不同的实验区,结果表明用该方法能有效地从IKONOS影像中提取主要道路信 息,且在薄云覆盖区域依然有效。
     

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。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

基于云模型的装备维修性评估方法研究

针对装备维修性评估问题,构建了装备维修性评估指标体系,利用云模型的不确定性推理算法实现了定性语言的定量化转换,利用云图和云滴分布的定性描述表示维修性综合评估结果,使评估结果更具有直观性和说服力,研究成果为装备维修性评估提供了切实有效的评估方法.