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。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...     

分布式协同微纳遥感星群的智能控制系统关键技术

近年来，国内外微纳遥感星座发展不断加速，通过高频重访大幅提升了对地观测的时间分辨率，但是由于单颗微纳卫星观测能力受限，难以满足多源同步与融合、高品质、大幅宽等数据应用需求。为此，将星座与星簇相结合，以星座化分布满足高时间分辨率需求，以星座节点上的星簇协同观测获取多源、高品质、宽幅数据，构建基于微纳卫星的分布式协同遥感系统，是兼顾上述遥感应用需求的有效途径。智能分布式协同控制是该系统的核心关键，为此，必须研究解决星座+星簇大规模动态微纳遥感星群控制系统的分布协同自主导航、智能运动规划与控制、智能健康预测与管理、智能组网等关键技术难题。在梳理分析国内外分布式微纳遥感系统的基础上，给出分布式协同微纳遥感星群的概念内涵，分析其特有的四方面难题，梳理总结相关技术发展现状与趋势，以期为后续该方向的研究起到一定的借鉴作用。     

遥感场景分类的批处理协方差神经网络方法

针对卫星遥感图像场景分类数据集中存在的局部区域特征异常问题，提出一种采用批处理协方差层的神经网络(CovNN)模型进行遥感场景分类的方法。该方法通过计算全输入通道的局部区域均值实现一种3D批处理协方差算法，能够有效消除局部区域均值的影响，从而更好地处理局部光照过强和局部区域存在无关特征的问题。将其应用于存在局部光照异常和局部无关特征问题的卫星采集AID数据集和NWPU RESISC45数据集中，实验表明CovNN在两个数据集上均取得了超过现有卷积神经网络(CNN)的召回率，可有效降低图像局部区域特征异常的不利影响。     

一种针对多光谱遥感图像的桥梁快速识别算法

提出了一种针对多光谱图像中桥梁的识别算法。首先,根据水体和背景地物在不同光谱波段的亮度差异,计算多光谱图像的水体指数得到水体增强图,搜索其具有明显双峰的直方图得到最优阈值,实现河流的完整提取；其次,利用桥梁的存在会导致局部水体的光谱异常,沿河流中间线进行潜在桥梁区域的快速提取；再进一步利用桥梁长度以及与河流的空间关系进行鉴别,有效剔除虚警。利用 SPOT4遥感影像进行实验,结果表明本文算法运算量小,对于多个桥梁的识别具有很好的实用性。