高光谱遥感影像技术发展现状与应用

遥感作为一种常用的地质勘查技术,具有更为分辨率高、图谱合一等优势和特点。因此被广泛地应用到地质、环境监测、农林资源调查、海洋研究等等方面。本文在参考国内外研究文献的基础上,阐述了高光谱遥感的特点、优势,对高光谱遥感影像技术的发展现状进行分析,探讨该技术在经济、军事以及在航空及航天领域的发展情况,同时指出了目前高光谱遥感卫星技术应用存在的主要问题与发展趋势。     

改进的基于CNN的高光谱遥感图像分类办法

由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。     

以图搜图在公路监控中的应用模式研究

以图搜图是互联网领域兴起的一种具有颠覆性的搜索方式。在公路监控领域,存在海量的图像数据,对于通过图像搜索图像存在巨大的需求。能否将以图搜图技术引进公路监控领域、如何引进,是值得探讨研究的课题。本文提出了一些以图搜图在公路监控领域的应用模式,以及相关的问题与解决思路。     

浅谈如何运用遥感影像分析规划城市土地

近年来,随着城市化进程的高速推进,提高城市土地利用率,充分利用城市土地越来越重要。遥感影像技术,作为一项土地资源管理的重要技术,通过不同分辨率遥感影像可以动态监测土地,从空间尺度对信息的变化进行分析,从而掌握土地资源的实际变化情况,实现科学合理安排使用土地资源的目标。本文以国家中心城市郑州市管城回族区(以下简称“郑州市管城区”)土地为例,谈一谈如何利用遥感影像技术分析和规划使用城市土地。     

一种经验模式分解下的海杂波小目标检测方法

利用海杂波有效探测海上小目标是目前雷达探测领域的热点问题，具有重要的应用价值。鉴于海杂波是一种非线性非平稳性的雷达回波信号，充分发挥整体平均经验模式分解的优势，将海杂波分解为若干个不同尺度的独立分量。通过研究发现有目标时，分解出的前5个分量与未分解前信号的相关系数明显减小，因此提出了一种新的海杂波背景下的目标检测方法。通过实测和模拟的海杂波数据进行训练和测试，研究结果表明，该方法能有效地实现海杂波下目标的探测，性能优于经典时域下、分数阶傅里叶变换域下以及平均经验模式分解后的广义Hurst指数的目标检测方法。     

剖线强度梯度变化的作物软硬变化区精确划分

[目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。     

高分1号冬小麦解译面积核算方法研究

[目的]以高分1号(GF-1)融合2m卫星遥感影像为基础数据源,结合土地利用现状数据、高分多源遥感影像和地面样方等数据,对冬小麦分类提取中存在的面积误差问题进行研究和分析。[方法]文章以河南省永城市为研究区,在冬小麦提取结果聚类处理基础上,基于线性地物缓冲区数据,采用GIS空间运算实现线性地物面积扣除,接着分析了样方数据和土地利用现状数据再扣除零星地物面积比例上的差异,并采用样方零星地物平均扣除系数对全市各乡镇耕地与非耕地中冬小麦提取面积进行了相关统计和误差分析。[结果]永城市冬小麦最终解译面积11. 29万hm~2,其中线性地物和零星地物扣除面积分别为6 613. 08hm~2和3 875. 22hm~2,占研究区冬小麦解译面积的5. 86%和3. 32%,与统计上报数据相比,其处理前后误差由14. 12%降低至4. 41%,有效地提高冬小麦提取面积精度。[结论]误差来源分析与修正对冬小麦解译面积核算精度具有重要影响,该研究为县级区域尺度下冬小麦面积提取核算提供了思路和借鉴。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题，提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先，利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图，使得目标区域信息增强；其次，结合舰船目标先验信息（长短轴、面积等），利用多级阈值划分算法提取关注的显著区域，并确定原图中候选目标区域；最后，利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割，结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较，结果表明，相比直接进行全图目标搜索的方法，所提方法不仅准确率高、执行速度快，且检测目标的位置更加精确。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。     

山区遥感影像地形辐射统计校正模型改进研究

山区地形起伏导致太阳光照不同,造成遥感影像接收的辐射信息不能反映地表的真实信息,从而影响遥感影像的解译与处理.本研究基于常用的地形辐射统计校正模型,结合山区植被覆盖特征,设计了一种分区统计校正模型,并采用三种不同分辨率的卫星遥感影像进行了实验,结果显示改进后模型的地形辐射校正效果有明显改善.