应用ASTER遥感图像的岩矿信息提取研究

高级星载热发射反射辐射计(Advanced Spaceborne Thermal Emission and Reflection Radiometer,ASTER)的数据具有较高的空间分辨率、光谱分辨率和辐射分辨率,利用其波段设置对比其他多光谱数据具有更好的波谱连续性这一特点,文章提出一种应用ASTER遥感图像的岩矿信息提取方法,用于帕米尔高原地区的岩矿信息提取。利用ASTER图像中的5个热红外波段数值来计算矿物学指数:石英指数、碳酸盐指数、镁铁质指数,将以上3个指数作为特征,通过随机森林分类方法实现岩矿信息提取,成功提取了5种重要的岩性信息(硅质、硫酸盐、超镁铁质、石英以及变质硅酸盐)。通过对帕米尔高原地区的遥感图像分析,绘制相关矿藏分布图,与经过实地勘测的矿藏分布图以及经过实验测试得到的数据点进行对比,充分验证了方法的有效性。     

“快鸟”：高分辨率商业遥感卫星中的一颗新星

遥感卫星或称地球观测卫星围绕地球运转,传回有科学和商业用途的图片,如今已不算什么新鲜事了。然而,高分辨率商业遥感卫星的出现,有可能给卫星遥感市场带来革命性的变化。因为在未来的岁月中,人们的生活将深受其影响。到２０１０年末,人们很可能都离不开商业遥感卫...     

基于全局—局部特征联合的光学卫星遥感图像舰船目标细粒度识别

针对光学遥感图像舰船目标类间差异小,需要丰富舰船目标的特征表示能力提高其细粒度识别准确率的问题,文章提出了一种基于全局—局部特征联合的舰船目标细粒度识别方法,设计了双分支特征提取与融合模型.首先,全局特征提取分支通过卷积神经网络提取图像的全局特征;其次,局部特征增强分支将浅层特征图打乱并重构,加入对抗性损失函数,训练网...     

面向制造的复杂光学遥感器全三维设计

文章以数字化技术为依托,针对复杂空间光学遥感器传统研制模式存在的具体问题,利用基于模型的设计制造信息化技术,介绍了一种面向制造的光学遥感器三维数字化设计方法,通过对三维设计软件定制开发,搭建了一套用于光学遥感器数字化设计的系统.文章详细地介绍了遥感器数字化设计的具体流程和数字化模型体系,规定了光学、结构、热控、总体等多...     

复杂背景下深度学习方法的夜光船舶目标检测

文章针对传统阈值方法难以适用复杂背景下夜光船舶目标检测的问题,提出一种尺寸扩张注意力特征融合的Faster R-CNN方法（Size Expansion Attention Fusion Faster R-CNN,SEAFF）。首先,在Faster R-CNN基础上加入图像尺寸扩张,提升夜光船舶目标空间特征;然后,在深层残差网络后加入注意力机制模块,从通道和空间维度上对夜光船舶目标特征筛选;最后,结合特征金字塔网络,弥补不同层次特征提取缺失现象。实验表明,图像尺寸扩张具有很强的不可替代性,特征金字塔特征融合在抑制夜光船舶目标检测漏检具有显著影响,注意力机制在降低虚警方面有一定影响,同时引入三部分使模型达到最优。此外,通过与主流目标检测模型SSD、YOLOv5、Faster R-CNN对比表明,分别提高11.4、7.1和5.6个百分点。SEAFF模型在复杂背景下船舶夜光目标检测中具有显著优势和潜力。     

反射镜面形三坐标白光扫描检测精度研究

检测与评价是保障遥感器光学镜面各加工阶段面形精度的必要条件。在镜面加工的铣磨、研磨、粗抛阶段,由于面形偏差及粗糙度过大,通常采用三坐标接触式测量法来测量评价面形质量从而指导面形加工,但检测效率低。文章阐述了一种基于三坐标测量机的新的、非接触式光学检测方法——三坐标白光扫描,同时对该检测方法的扫描参数、反射镜表面反射率是否影响检测精度开展了实验研究,并与三坐标接触式测量法进行了精度比对。研究表明白光扫描检测精度不受扫描参数及反射镜表面反射率的影响,且与接触式三坐标测量法精度基本相当,同时提高检测效率80%以上。     

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。     

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。