遥感影像样本数据集研究综述

随着机器学习、深度学习等人工智能技术在遥感领域的不断应用与发展,基于海量样本的数据驱动模型已经成为遥感影像信息提取的一种新的研究范式,其对样本数据的规模、质量、多样性等提出了更高要求。最近,国内外众多学者和研究机构相继发布了一系列遥感影像样本数据集,为大数据时代下遥感影像的信息提取和智能解译等奠定了研究基础。然而目前尚缺乏对上述影像样本数据集的综合分析,针对这一问题,本文在文献检索与分析的基础上,归纳总结了124个具有一定影响力且应用广泛的遥感影像样本数据集并对其元数据进行了分析,并提供了数据来源、应用领域与关键词的发展变化,分析了数据集在空间、时间、光谱分辨率上的差异,以应用领域为依据将其划分为场景识别、土地覆被/利用分类、专题要素提取、变化检测、目标检测、语义分割等8个类别并以部分数据为例进行了具体分析,总结了深度学习模型在数据集上的研究进展,并针对稀疏样本导致的模型过拟合问题,探讨了样本时空迁移、小样本和零样本学习、样本主动发现、样本生成等在遥感影像信息提取中的应用前景。本文首次对遥感影像样本数据集进行了综述研究,可为相关领域科研人员提供数据参考。     

SAR残余相位误差对森林高度反演影响的全链路模拟与分析

利用合成孔径雷达(SAR)遥感数据可以有效地估测平均树高、生物量、蓄积量等森林生物学参数。但是遥感数据精度易受SAR系统不确定性因素的影响,造成森林参数反演精度降低甚至异常。遥感系统的全链路模拟可以将遥感过程的各类影响因素解耦,获取大量具有指定参数特征的遥感数据,有利于对不确定性因素单独或联合分析。建立了SAR三维森林场景全链路模拟模型,基于E-SAR样地参数及数据验证了模型的有效性,并以森林高度反演这一典型的林业应用为对象,定量分析了运动补偿残余相位误差这一典型的SAR系统不确定性因素对反演精度的影响程度,得到了残余相位误差与高度反演RMSE测量结果之间的关系曲线。     

超分辨率学习算法在海岸地形航空摄影测量中的应用

针对海岸地形航空摄影遥感影像分辨率低导致测量测量低问题,研究超分辨率学习算法在海岸地形航空摄影测量中的应用。基于无人机海岸地形航测遥感影像数据,利用超分辨率学习算法对影像数据进行重建获得高分辨率海岸地形遥感影像;通过最大类间方差法对遥感影像进行分类,并采用反距离加权值法进行匹配,获得海岸地形地理信息。实验结果表明：相比传统方法,本文方法可以获取较高的分辨率遥感影像以及海岸地形航空摄影测量精度,遥感影像峰值信噪比(PSNR)指标平均值在19 dB以上,平面误差与高程误差均小于等于±1.50。     

基于偏移矩阵检校的SPOT-5遥感影像高精度直接定位

对于高分辨率遥感卫星,由于相机与卫星平台之间存在安装偏差而导致相机坐标系和卫星本体坐标系之间的不一致性,以及星历和姿态数据误差等综合误差将会对影像的定位精度产生影响。通过建立偏移矩阵检校模型,利用至少两个控制点对偏移矩阵进行检校,将检校的偏移矩阵用于影像直接定位可以提高定位精度。利用SPOT-5某地区影像数据对模型进行了实验验证,结果表明,偏移矩阵检校模型可以很好地减弱影像系统误差,从而验证了模型的可行性和正确性。     

高分辨率遥感影像波段配准误差试验分析

高分辨率遥感影像波段间配准误差是影响影像质量及其应用精度的重要因素之一。配准误差指标要求是影像传感器研发中 的一项重要参数。为准确分析配准误差对遥感应用的影响程度，在试验研究中利用多项式模型模拟各种配准误差的图像，并从几何 精校正、目视解译、非监督分类实验及数据融合等角度分析了不同波段配准误差情况下对遥感应用的影响，提出了遥感应用中对高 空间分辨率卫星影像的波段配准指标要求。     

基于高分辨率遥感影像的林地变化检测方法研究

本文采用2013年QuickBird和2017年GF-1卫星遥感影像,以黑龙江省五常市为研究区,利用遥感影像的光谱特征提取纯净森林像元,构建整合森林指数(Integrated Forest Z-Score,IFZ)对影像的森林和非森林区域进行区分,叠加对比分析两期影像提取结果,得到研究区内林地的变化区域.再将自动提取结果与人工判读图斑进行精度验证,面积误差为4.2％,图斑重叠率为85％.从精度结果可知,高分辨遥感影像可以准确地监测林地变化,对研究环境变化和森林经营管理具有决策性作用.     

面向森林高度提取的光学多角度立体观测影像模拟

森林冠层高度是森林生态系统植被碳储量的重要指示因子之一。已有研究表明光学多角度立体观测(即摄影测量)数据具备森林冠层高度提取的潜力,然而光学影像容易受到云、雨等天气因素的影响,区域高精度森林冠层高度制图必需依靠多星多时相数据融合才能实现。现有星载摄影测量系统获取的影像分辨率和观测角度差异较大,系统研究影像分辨率和观测角度变化对多角度立体观测点云垂直分布的影响规律,是实现多星多时相数据融合的前提。森林光学多角度立体观测模型是开展该研究的有效理论工具,但现有“森林光学多角度立体观测模型(LandStereo)”仅具备沿轨前后视立体观测影像模拟能力,无法用于WorldView等侧视立体观测影像的模拟分析。因此,本文对LandStereo模型进行了改进,使模型具备林区任意指定观测角度的影像模拟能力,进而利用改进后的模型对正视、正侧视和斜侧视等典型观测角度影像进行了模拟,并对不同观测角度组合构成的立体像对森林高度的提取精度进行了分析。结果表明,改进后的模型能够用于刻画森林冠层多角度立体特征,观测角度的变化是利用立体像对提取森林冠层高度精度的重要影响因素。本文为系统研究林区任意角度组合的多角度立体...     

基于航模飞行器摄影数据的森林信息提取方法

航模飞行器摄影在很多领域有着越来越广泛的应用,本文利用航模飞行器获取遥感数据,利用PIX4D mapper,Arcgis等软件处理获取拼接影像并提取森林的冠幅信息。以所得影像为基础,通过对森林中树种冠幅-树高和胸径-树高之间关系的研究,利用常用D-H和D-K模型以及摄影测量立体像对的原理,对森林的冠幅、树高、胸径等森林参数信息进行提取,最终反演获得最佳的D-K模型为D=0.933+3.243K-0.57K^2,D-H模型为D=H+0.5610.709。     

利用地形图对TM遥感影像进行几何精校正的方法研究

遥感数据的几何精校正是生成遥感数据产品及将遥感数据用于进一步数据分析前重要的一步。几何精校正的效果将直接影响到影像地理参考的精度,进而影响到在许多遥感数据分析中都要用到的地物能否精确定位的问题。因此几何精校正是遥感科研工作中基础的必可可少的工作之一。本文介绍了利用1:100000比例尺地形图及ERDASIMAGINE8.6软件,采用2次多项式模型,对关中平原TM影像进行几何精校正的方法。结果表明:当保留25个控制点时,校正后误差为0.63个像元,校正后影像具有较高精度,可以用于遥感信息的提取以及为地理信息系统等提供可使用的数据。     

融合半监督学习的无监督遥感影像场景分类EI北大核心CSCD

自监督学习可以不依赖样本标签对遥感影像进行特征提取,但是特征分类仍然依赖有监督方法。为了克服有监督特征分类过程的不足,实现遥感影像特征的无监督自动分类,本文提出一种融合半监督学习的无监督语义聚类方法。首先,使用自监督学习提取遥感影像特征,抽象出图像包含的高层语义信息;然后,基于特征相似度寻找每个样本最相似的近邻,使用在线聚类将相似样本聚为一类,训练一个线性分类器;最后,根据聚类结果为高置信度样本生成伪标签,构造标注样本集,使用半监督方法对模型微调。在4个公开遥感影像场景分类数据集EuroSAT、GID、AID和NWPU-RESISC45上进行验证,分类精度分别达到了94.84%、63.55%、76.42%和86.24%。本文方法结合了在线聚类和半监督学习的优点,缓解了已有方法存在的误差积累和样本利用不充分的问题,在完全不使用标注样本的情况下,充分利用自监督特征训练分类模型,对遥感影像进行场景分类,达到接近有监督学习的分类效果,具有良好的应用价值。     

基于暗原色先验的遥感影像去雾方法研究

目前,遥感影像应用的场景越来越多,但受到空气污染或气候等原因影响,局部地区雾霾现象严重,严重影响遥感影像质量。针对这一问题,本文结合遥感影像的特点提出了一种基于暗原色先验的遥感影像去雾方法。首先,结合遥感影像的特点,在求取暗通道过程中设置失效点,排除不符合暗原色先验的像素点;其次,根据获得的暗通道计算大气光值;然后,求取透射率图并用导向滤波精细化,根据大气传输模型求得去雾后的影像;最后,分别用无人机影像和Landsat卫星遥感影像进行去雾实验,验证了本文方法的有效性。     

结合像元级和目标级的高分辨率遥感影像建筑物变化检测

快速、精准的建筑物变化检测对城市规划建设等业务管理具有重要意义。随着卫星遥感技术的快速发展,基于高分辨率遥感影像的建筑物变化检测得到了广泛关注。针对像元级建筑物变化检测方法往往精度不足而目标级建筑物变化检测方法过程烦琐等问题,本文提出结合像元级和目标级的高分辨率遥感影像建筑物变化检测方法。首先综合高分辨率遥感影像的多维特征,利用随机森林分类器进行影像集分类,以获取像元级建筑物变化检测结果;然后对后时相遥感影像进行图像分割,获得影像对象;最后融合像元级建筑物变化检测结果和影像对象,识别变化的建筑物目标。利用双时相QuickBird高分辨率遥感影像进行建筑物变化检测试验,结果表明：本文提出的方法能够削弱光照、观测角度等环境差异对建筑物变化检测的影响,显著改善建筑物变化的检测精度。     

基于无人机LiDAR和高空间分辨率卫星遥感数据的区域森林郁闭度估测模型

森林郁闭度是森林资源调查中的一个重要因子,对森林质量评价具有重要作用。随着人工智能技术和遥感技术的不断发展,研究如何利用深度学习有效协同不同空间覆盖能力的遥感数据实现区域森林郁闭度的估测具有重要意义。由此提出了一种协同应用高密度无人机激光雷达和高空间分辨率卫星遥感数据,对区域森林郁闭度进行定量估测的深度学习模型（UnetR）。对用于图像分类的Unet模型的损失函数进行改进,并在卷积层后加入批量归一化层,使其具有对连续变量进行定量估测的能力。与全卷积神经网络、随机森林和支持向量机回归模型进行对比实验。结果表明, UnetR模型的均方根误差较低,估测精度较高,为实现区域森林郁闭度遥感监测提供了一种人力成本低、自动化程度高的估测方法。     

三轴稳定型静止轨道遥感卫星指向确定的地标匹配方法

静止轨道遥感卫星与地面处于相对静止状态,但因受到内外部环境的影响,会使得其对地指向发生几何偏差,从而在地面上产生较大的定位误差,因此需要进行有效的修正。本文围绕三轴稳定型静止轨道遥感卫星拍摄地球圆盘时的指向确定问题,提出了一套基于地标匹配的指向计算方法,其中重点解决了作为基准参考的地标数据生成方法、稳健的图像与地标匹配方法,以及基于误差剔除的指向偏差计算方法等。试验表明,该方法对于解决静止轨道遥感图像指向偏差具有较好的精度和稳定性。该技术已经在我国相关卫星数据的在线处理中得到应用。     

水体污染的遥感方法及在珠江广州河段水污染监测中的应用

介绍了水体污染的遥感机理、方法，并探索在珠江广州河段水污染监测中的应用。研究表明：随着水体有机污染程度的增加，水体的可见－近红外光谱反射率逐渐降低。经比较发现，先对图像数据进行对数变换、IHS变换和KL变换后再进行密度分割及图像分类，可以更好地区分和识别水体污染。采用这一方法，制成了广州地区水体污染时空分布卫星影像图，并结合地面实际分析和调查资料，初步总结了珠江广州段水体污染的时空分布规律和污染变化趋势。通过对最新遥感数据的处理，结合区域或流域水污染的变化趋势和污染源研究，利用GIS技术建立区域或流域污染预警系统，为污染的宏观监测和研究以及水资源保护的决策提供了新的信息。     

植被光能利用率高光谱遥感反演研究进展

光能利用率是表征植被通过光合作用将所截获/吸收的能量转化为有机干物质效率的指标。光能利用率是植被光合作用的重要概念,也是区域尺度以遥感参数模型监测植被生产力的关键参数。不同植被类型的光能利用率具有明显的时空差异,水分、温度、养分供给等环境胁迫因素会影响植被的光能利用率。随着高分辨率光谱测量传感器的使用,位于可见光和近红外区域的窄波段可以捕捉到植被冠层反射率的细微变化,也促进了光能利用率遥感反演技术的发展。本文结合国际植被光能利用率遥感反演最新研究成果,从基于环境胁迫因子的光能利用率反演,基于植被光谱指数的光能利用率反演、基于叶绿素荧光的光能利用率反演,以及基于涡度相关测量数据和遥感数据相结合的光能利用率反演四个方面,详细介绍了植被光能利用率遥感反演的主要技术方法,并对植被光能利用率遥感研究存在的主要问题和发展趋势进行了讨论。     

基于北京二号与地理国情数据的林地提取

由于地理国情林地数据不包含实地面积小于400 m²的树木或四旁单排林,若仅利用地理国情的林地数据统计区域森林覆盖率,将对四旁树面积较大地区的林地统计结果产生较大误差。为提取区域内准确的林地覆盖与空间分布状况,本文借助地理国情地表覆盖数据,提出了一种基于北京二号高分辨率遥感影像的林地提取方法。首先,根据遥感影像光谱特征,将研究区按植被、道路、铁路、建筑用地进行地类划分,并基于遥感影像进行各地类的样本提取,通过可分离检验的样本利用最大似然分类提取研究区内植被覆盖范围;然后,借助地理国情地表覆盖数据,使用叠置分析剔除误分、错分地类,得到区域林地的空间分布。试验结果表明：(1)研究区内林地覆盖率为20.3%,尚未满足北京新一轮林地规划需求;(2)地理国情地表覆盖数据内林地面积占提取林地总面积的54.03%,说明在部分地区使用本文方法对地理国情林地数据进行补充是有必要的。通过将试验结果与遥感影像进行目视比对并结合外业调查结果发现,提取的林地空间分布情况与实际分布基本相符。本文为地理国情的应用提供了一种新方法,研究结果可辅助区域的绿色发展规划,有助于构建科学的生态空间格局。     

顾及邻近关系的NPP/VIIRS序列影像时空插值方法

针对可见红外成像辐射仪(visible infrared imaging radiometer suite,VIIRS)月度夜光遥感影像的数据缺失问题,提出一种利用地物邻近关系相关性的像元时空插值方法,以时、空关系互相作为约束条件,将时序变化一致性较好的像元数据作为空间插值的参考,将空间关系一致性较好的月度数据作为时序插值的参考,通过构建不同的卷积核, 在时序和空间维度分别对初步插值结果进行卷积运算,求得待插值像元的时空插值。以2015年江苏省月度夜光遥感影像修复为例,对不同维度时空插值方法进行对比分析,结果表明, 空间维度插值虽然顾及到像元的空间关联性,仍无法满足数据大范围缺失的插值要求,插值结果整体偏低;时间维度插值考虑到像元的时间趋势性,插值精度较空间维度插值有一定提高,但部分月份插值结果有较大偏差;相对于三次Hermit插值,时空插值方法获得的月度影像灯光亮度总和的最大相对误差、年度影像灯光亮度总和相对误差以及逐像元差值均显著降低。总的来看,所提时空插值方法在插值过程中同时顾及到VIIRS数据的时间趋势平稳性和空间结构稳定性,影像插值精度提高明显,且对待插值月份前后时序数据没有严格要求,更具有广泛性。     

关于遥感技术监测森林火灾能力的估算

本文根据林区背景的温度差异,取火场的平均温度,并在假定可以满足识别目标的信噪比的情况下,计算了机载与卫星(NOAA)遥感系统的监测能力。计算结果与实地试验基本符合。因此,利用卫星、机载和地面三个高度层次的遥感资料的相互印证与补充,并加以对照,可对森林火灾进行早期监测。