高分辨率遥感影像智能解译研究进展与趋势

遥感影像解译是一个不断发展的研究方向,随着日新月异的遥感应用需求、高分辨率遥感数据的快速发展、地理知识的日积月累、以及人工智能技术的发展,亟需发展自动化、智能化的遥感影像解译技术。本文针对遥感影像智能解译,首先从遥感影像解译单元、分类方法、解译认知3个方面阐述遥感影像解译的研究进展,然后提出了面向地理场景的 “地理知识图谱构建—深度学习模型构建—地理知识图谱与深度学习模型协同的遥感影像语义分类”遥感影像智能解译总体框架,并给出初步试验成果,最后对智能解译的重要发展趋势予以展望,以期拓展遥感影像智能解译研究的思路与方法,提高遥感影像智能解译的精细程度和智能化水平,使智能解译具备地理空间理解能力,推动“数据—信息—知识—智能”的深度转化。     

深度学习在光学和SAR影像融合研究进展

遥感影像融合作为影像处理领域中最具有挑战的工作,一直是学术界研究的热点。合成孔径雷达SAR（Synthetic Aperture Radar）具备全天时、全天候、穿透云雾等多种特点,却因存在相干斑噪声等问题,使得影像难以解译。相比之下,光学影像可以反映地物的光谱和空间信息,易于解译,但容易受到云雾干扰,造成信息丢失,将光学与SAR影像数据融合可以实现不同类型传感器成像之间的信息互补,能够更好地为后续的影像分析与解译提供方便。本文首先对光学和SAR影像融合进行了系统性回顾,包括传统融合方法和基于深度学习方法在影像融合方面的最新工作,重点阐述了卷积神经网络CNN（Convolutional Neural Network）、生成式对抗网络GAN（Generative Adversarial Networks）等框架在光学和SAR影像融合中的进展;然后总结了光学和SAR影像融合在深度学习领域开发的数据集,并做了简单介绍和说明;最后,从数据集、时间序列影像融合、融合评价体系和算法轻量化等4个方面对光学和SAR影像融合的未来发展趋势进行了展望。     

深度学习遥感影像解译技术在耕地保护中的应用

耕地保护事关国家粮食安全、生态安全和社会稳定,是国计民生的头等大事。深度学习技术在海量数据分析领域的广泛应用,为高效、精准的遥感影像解译提供了技术基础。本文研究了基于深度学习的遥感影像解译技术,利用遥感影像数据和对应的矢量数据构建了可供训练的解译样本库,并提出了一种基于深度残差网络结构的解译模型。通过试验证明了该模型的实用性,实现了对试验区域主要地类面积的变化监测,对比多期影像解译结果和增减挂钩等业务数据,验证了耕地复垦的实施情况。结果表明,深度学习遥感影像解译技术在耕地保护领域有较广泛的应用前景。     

交互式遥感影像解译认知模式研究

交互式遥感影像解译系统是一个有人参与的复杂系统,解译者的行为决定了系统相当一部分性能。解译行为是一个不断重复进行的信息处理过程,深入研究解译者的信息加工模式,是提高遥感影像解译质量和解译速度的核心。随着认知工效研究的深入和人工智能的发展,传统的基于“刺激(S)-机体(O)-反应(R)”的影像信息认知模式已不能满足遥感影像信息提取技术发展的要求。在对影像解译系统建模与分析的基础上,根据现代认知科学理论,对解译者的信息获取和处理机制进行了研究,建立了解译者在解译过程中对遥感影像的信息处理结构模型,并对模型的作用和特点进行了简单分析,分析结果将为影像解译者的认知过程研究和相关系统开发设计提供依据。     

交互式遥感影像解译认知模式研究

交互式遥感影像解译系统是一个有人参与的复杂系统,解译者的行为决定了系统相当一部分性能.解译行为是一个不断重复进行的信息处理过程,深入研究解译者的信息加工模式,是提高遥感影像解译质量和解译速度的核心.随着认知工效研究的深入和人工智能的发展,传统的基于"刺激(S)-机体(O)-反应(R)"的影像信息认知模式已不能满足遥感影像信息提取技术发展的要求.在对影像解译系统建模与分析的基础上,根据现代认知科学理论,对解译者的信息获取和处理机制进行了研究,建立了解译者在解译过程中对遥感影像的信息处理结构模型,并对模型的作用和特点进行了简单分析,分析结果将为影像解译者的认知过程研究和相关系统开发设计提供依据.     

影像辅助判读系统的设计

影像判读与解译一直是测绘作业中的重点和难点,如何提高测绘作业人员的影像判读技能,则是提高测绘作业效率的关键。本文就计算机辅助影像判读提出建立影像模型库,通过查询影像模型比对分析影像特征,并提供辅助学习和影像简单处理,从而提高影像的判读效率和判读技能。     

第二次土地调查遥感影像解译应用分析

在明确遥感影像的类型、解译概念、解译过程的基础上,深入探讨了遥感影像的解译方法及其应用,并以建立图像解译标志的实例,生动的展示了遥感影像解译在第二次土地调查中的重要作用。在影像解译流程化、系统化工作层面,提供了良好的技术经验。     

高分一号遥感影像地质灾害信息提取方法研究

山区地质灾害发生频繁,受灾范围大,危害严重。提取地质灾害信息、估算受灾情况,对救灾工作极为重要。传统的遥感人工解译方法速度慢、效率低;计算机自动解译速度快但解译精度受影像质量影响大,大范围地区很难建立起普适性的解译模型。本文利用洮南市西部高分一号遥感数据,结合DEM生成三维影像,建立解译标志,解译基础地质信息,分析地质灾害成因;根据研究区泥石流地质灾害的主要影像特征,提取影像的分类属性,基于面向对象的分类方法,建立信息提取模型,快速提取出地质灾害敏感区域;再进行人机交互,精确提取出地质灾害的类型和范围,通过野外验证,该方法十分可靠,为大范围地质灾害信息快速提取和灾后救援提供科学依据。     

东南沿海地理国情普查影像解译应用分析

影像解译是地理国情普查过程中一项重要的基础性工作,影像解译的结果直接影响作业质量、效率.本文选择东南沿海地区具有典型特征的影像,结合我省正在开展的地理国情普查实践,分别采用目视解译、自动解译和人机交互解译三种方法进行解译,从解译精度、效率、应用条件等方面,对比分析了三种方法的优缺点,结果表明:三种解译方法各具优势和不足,解译结果与影像质量、辅助数据质量、地形复杂程度、地物种类等有密切关系,在实际地理国情普查过程中须综合考虑使用.     

耦合知识图谱和深度学习的新一代遥感影像解译范式

在遥感大数据时代,遥感影像智能解译是挖掘遥感大数据价值并推动若干重大应用的关键技术,如何将知识推理和数据学习两类解译方法有机联合已成为遥感大数据智能处理的重要研究趋势。由此提出了面向遥感影像解译的遥感领域知识图谱构建与进化方法,建立了顾及遥感成像机理和地理学知识的遥感领域知识图谱。在遥感领域知识图谱支撑下,以零样本遥感影像场景分类、可解释遥感影像语义分割以及大幅面遥感影像场景图生成3个典型的遥感影像解译任务为例,研究了耦合知识图谱和深度学习的新一代遥感影像解译范式。在零样本遥感影像场景分类实验中,所提方法在不同的可见类/不可见类比例和不同的语义表示下,都明显优于其他方法;在可解释遥感影像语义分割实验中,知识推理与深度学习的联合方法取得了最好的分类结果;在大幅面遥感影像场景图生成实验中,知识图谱引导的方法精度明显高于基准的频率统计方法。遥感知识图谱推理与深度数据学习的融合可以有效提升遥感影像的解译性能。     

Using cosmo-skymed images to detect wet snow cover on the Kraków Ice Field,King George Island,Antarctica

This work analysed the spatio-temporal variation of snow cover on the Kraków Ice Field, located in the King George Island, Antarctica. High spatial resolution images of COSMO-SkyMed were used in this study. These X-band images are vertically and horizontally co-polarized and their intensity data were converted to amplitude (dB). The COSMO-SkyMed images were classified by a minimum distance algorithm and post-classified based on knowledge of adjacency relationships of snow zones. Hypsometric, slope, aspect and solar radiation maps to support the interpretation of backscatter patterns in the COSMO-SkyMed images. Three radar zones were classified in these images: percolation, slush and wet snow radar zone. Positive surface air temperatures and rainfall events, registered from a meteorological station, lead to increase in wet snow and slush zones. The COSMO-SkyMed images and minimum distance algorithm were adequate to discriminate the snow cover and to assess the supraglacial melting pattern during the ablation season in the study area.     

Mapping post-fire forest regeneration and vegetation recovery using a combination of very high spatial resolution and hyperspectral satellite imagery

Careful evaluation of forest regeneration and vegetation recovery after a fire event provides vital information useful in land management. The use of remotely sensed data is considered to be especially suitable for monitoring ecosystem dynamics after fire. The aim of this work was to map post-fire forest regeneration and vegetation recovery on the Mediterranean island of Thasos by using a combination of very high spatial (VHS) resolution (QuickBird) and hyperspectral (EO-1 Hyperion) imagery and by employing object-based image analysis. More specifically, the work focused on (1) the separation and mapping of three major post-fire classes (forest regeneration, other vegetation recovery, unburned vegetation) existing within the fire perimeter, and (2) the differentiation and mapping of the two main forest regeneration classes, namely, Pinus brutia regeneration, and Pinus nigra regeneration. The data used in this study consisted of satellite images and field observations of homogeneous regenerated and revegetated areas. The methodology followed two main steps: a three-level image segmentation, and, a classification of the segmented images. The process resulted in the separation of classes related to the aforementioned objectives. The overall accuracy assessment revealed very promising results (approximately 83.7% overall accuracy, with a Kappa Index of Agreement of 0.79). The achieved accuracy was 8% higher when compared to the results reported in a previous work in which only the EO-1 Hyperion image was employed in order to map the same classes. Some classification confusions involving the classes of P. brutia regeneration and P. nigra regeneration were observed. This could be attributed to the absence of large and dense homogeneous areas of regenerated pine trees in the study area.     

沙化土地遥感评价方法

 应用遥感数据,通过建立线性回归模型,进行沙化土地评价因子的反演,并以地面调查为基础进行遥感评价方法研究,探讨 遥感技术在沙化土地评价中应用的有效途径。     

遥感图像自动解译面临的问题与解决的途径

遥感图像自动解译的目的是为了满足人们从海量遥感数据中快速识别与获取不同专题信息的需要。目前图像自动解译主要依赖地物光谱特征 ,其解译精度不高。解决这一问题的主要途径包括 :抽取遥感图像多种特征并综合利用这些特征 ,利用遥感图像解译背景数据库 ,在地理信息系统支持下实现背景数据与遥感信息覆合 ,采用专家系统完成遥感图像自动解译。     

光学遥感影像道路提取的方法综述

道路信息在多个应用领域中发挥着基础性的作用。光学遥感影像能够以较高的空间分辨率对目标地物进行精细化解译，可大幅增强地物目标的提取能力。充分利用光学遥感影像丰富的几何纹理信息，进行道路的精确提取，已成为当前遥感学界研究的热点与前沿问题。鉴于此，本文依据近年来大量相关文献，对现有的理论与方法进行了归类与总结，通过分析不同方法采用的道路特征组合，将道路提取方法划分为模板匹配、知识驱动、面向对象和深度学习4类方法，简要介绍了道路提取普适性的评价指标并对部分方法进行了分析与评价；最后对现有光学遥感影像道路提取的发展提出了建议和展望。     

The georeferencing of RASAT satellite imagery and some practical approaches to increase the georeferencing accuracy

RASAT Earth Observation Satellite is the second remote sensing satellite of The Scientific and Technological Research Council of Turkey (TUBITAK) Space Technologies Search Institute (TUBITAK Space). Generally, the first step to utilize the satellite imagery in GIS applications is the accurate geometric correction of the imagery. But, the geometric correction process of RASAT images is somewhat difficult due to insufficient orbit data and lack of satellite imagery processing software with RASAT model. Although the geolocation of RASAT images is investigated in some recent studies, subpixel accuracies cannot be achieved. In this study, different geometric correction methods and combination of them are tested with a more interactive workflow that uses the results of other approaches. Results show that these approaches can be used for the geometric correction of RASAT like pushbroom satellite images with insufficient orbit data and better geolocation accuracies can be achieved by different geometric correction approaches.     

Mapping deer habitat suitability using remote sensing and geographic information systems

This paper describes an effort to map the habitat for the Eastern Tehama Deer Herd located in Northern California. The range of this herd encompasses almost 600,000 hectares (1.5 million acres). Knowledge of the spatial distribution of suitable habitat is prerequisite to managing the deer herd. Remote sensing and GIS are appropriate tools for such an assessment. Remotely sensed data were used to map vegetation/land cover. These data along with elevation, aspect, slope, juxtaposition, and various buffer zones were input into a GIS and a model was used to produce a map of habitat suitability. The accuracy of the vegetation/land cover map was assessed and methods for validating the habitat suitability map are presented.     

光学卫星测区有效成像覆盖周期预估方法研究

针对光学卫星成像时云导致的测区有效成像覆盖周期不确定问题,在卫星轨道计算的基础上,结合云量时空分布的历史统计规律、卫星历史观测数据的覆盖能力,研究建立光学卫星测区有效成像覆盖周期预估模型,回答测区有效成像覆盖效率与时间等问题,直接服务于光学卫星数据获取、产品生产和应用服务的计划安排和应用决策。