国产高分辨率卫星影像云检测方法分析

云检测方法大都针对特定的传感器或依赖多个波段，对参数要求高，而国产高分辨率卫星影像通常包含波段数较少，多数云检测方法不适用。本文采用深度学习的方法，以融合后的高分一号影像为例，应用基于双重视觉注意机制模型进行云检测，并与人工采集、全卷积网络模型的检测结果进行对比。理论分析和研究结果表明：基于双重视觉注意机制的模型云检测结果与人工采集进行对比，正确率为0.986 4；通过增加云样本数量和非云样本数量可有效解决模型对道路、河流、居民地的误检测问题；基于双重视觉注意机制的模型与全卷积网络模型相比，云边界更为准确，模型适用性更强。利用较少的波段信息进行云检测为国产其他高分辨率卫星影像云检测提供了参考。     

结合超像素和卷积神经网络的国产高分辨率遥感影像云检测方法

由于国产高分辨率卫星遥感影像波段少、光谱范围窄，导致传统云检测方法精度低。本文提出了基于卷积神经网络的高分辨率遥感影像云检测方法。首先采用主成分分析非监督预训练网络结构，获取待测遥感影像云特征；然后采用超像素分割方法进行影像分割；最后将检测结果影像块拼接，完成整幅影像云检测。试验效果评价表明，基于卷积神经网络的高分辨率遥感影像云检测方法不受光谱范围限制，云检测精度高，误判较少，适合国产高分辨遥感影像云检测。     

含云卫星影像配准算法研究

影像上云层的存在不仅覆盖了大量地面有效信息,也给正射影像生产流程中的空三平差等环节造成不利影响。因此,含云卫星影像通常不具备较高的定位精度,在生产应用中被大量闲置。而这些影像的晴空区域仍含有较多的信息,带来了资源的浪费。本文针对国产高分辨率卫星影像,提出了一种顾及云层影像的影像自动配准算法。首先采用Otsu分割与形态学运算相结合的云检测方法以实现卫星影像的云区自动提取;然后在云检测结果的辅助下,将云层中匹配点剔除,优先保证晴空区域的定位精度。本文研究有助于充分挖掘含云影像中的有用信息,提升国产高分辨率卫星影像的应用价值。     

一种高分辨率卫星影像自动云检测方法

针对多数已有的卫星影像云检测方法利用云独特的光谱特征、构造指数图像进行云识别的方法,对传感器、环境参数、云层类型等比较敏感的问题,提出了一种改进HIS模型的高分辨率卫星影像自动云检测方法,以有效弥补传统纹理分析方法计算精度低、效率低下的问题.采用两景国产高分二号遥感影像进行试验.结果 表明,该方法错误率低于5％、查全率高于92％、查准率高于95％.     

国产高分辨率遥感卫星影像自动云检测

云检测一直是卫星影像处理的难题,特别是混有地物光谱特性的薄云长期成为影像产品生产的阻碍。本文所介绍的国产高分辨率遥感卫星影像自动云检测方法能够有效克服这一难题。首先采用改进的颜色转换模型,将影像由RGB转换至HIS颜色空间,利用影像强度信息与饱和度信息生成基底图,并使用影像近红外与色调信息对其进行优化,生成修正图。然后利用直方图均衡化与双边滤波结合带限定条件的Otsu阈值分割提取纹理信息,并对修正图进行误差剔除生成云种子图。最后以HIS颜色空间的强度信息为向导,结合云种子图进行云精确提取。与不同自动、人工交互式云检测方法相比,总体精度提高了10%左右,并且能够较好地提升云检测效率。     

多尺度特征融合神经网络的地表覆盖提取

深度学习的快速发展,为高分辨率卫星遥感影像解译提供了更好的技术手段和应用前景。围绕高分卫星遥感影像地表覆盖信息提取,利用高分辨率卫星遥感影像制作5种常见的地表覆盖类型的像素级样本数据集,并提出一种基于注意力增强与多尺度特征融合的语义分割方法,实现地表覆盖自动提取。通过影像波段选择、预训练模型迁移学习、损失函数改进等方法,提升语义分割模型识别精度,最优的提取结果中,5种地表覆盖类型的F₁均值、IoU均值和总体精度分别达到了78.6%、66.8%、85.0%,除道路之外,耕草、林地、建筑、水体的F₁均超过80%,且分类图斑边界能够与影像中的地物边界很好套合。实验表明建立的卫星影像地表覆盖分类样本数据集和分类方法,能够应用于高分辨率卫星影像地表覆盖信息提取。     

一种基于RGB彩色遥感影像的云检测方法

无人机、卫星等获取的高分辨率遥感影像中不可避免地存在云层遮挡问题,这对遥感影像生产和应用造成一定程度的干扰.本文针对RGB彩色遥感影像中存在的云层遮挡问题,提出了一种基于RGB彩色遥感影像的快速云检测方法.首先根据RGB三通道的光谱信息生成粗云图,引入景观格局指数,然后排除地面非云层高亮图斑误差,利用原始影像作为引导,对初步云提取结果进行引导滤波,获得精细化云图,最后对结果进行矢量化处理,自动提取图斑的关键拐点,最大限度保留云的形状,获得真实、美观的矢量化成果.该方法对遥感影像的数据质量和波段数要求低,可以进行快速高精度的云检测.本文利用卫星影像和无人机影像进行快速云检测实验,证明了该方法的有效性.     

高分辨率遥感影像中云和似云目标的自动区分

云的存在会对遥感影像的处理及目标识别等产生影响,因此,自动提取云对高分辨率卫星影像的应用具有重要意义。高分影像上更加复杂的云的细节形态及似云目标的干扰,使得高分影像的自动云提取难以达到实用水平。本文以雪地为例,选取形状、纹理和边缘3个差异化特征作为云与似云目标区分的关键,提出了一种区分高分辨率遥感影像中云和似云目标的云检测算法。首先利用Wallis滤波对输入影像进行预处理,增强影像中不同尺度的影像纹理模式;然后对影像进行快速稳定的均值漂移分割,利用灰度和纹理特征构成支持向量机的第一层分类器,将分割后的区域对象分成"云"和普通地物,再利用边缘、形状、纹理等特征结合灰度特征构成支持向量机的第二层分类器,将"云"区分为云区和似云目标;最后使用Grab-cut对云检测结果进行边缘迭代精化。本文算法取得了优良的试验结果,证明了算法在似云目标干扰下对高分辨率遥感影像进行精确云检测的能力。     

利用对象光谱与纹理实现高分辨率遥感影像云检测方法

针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。     

结合LiDAR与遥感影像的水域边界提取方法

针对高分辨率遥感影像提取水域边界不准确、不完整的问题,提出了高分辨率遥感影像结合机载LiDAR点云数据提取水域边界的新方法。首先将配准后的LiDAR点云数据网格化,生成DSM影像,然后运用数学形态学分析获取水体的初始边界信息,最后基于活动轮廓模型的图割算法对构建的边界缓冲区进行优化分割,从而获取精确的水域边界。实验结果表明,该方法能够去除部分水域干扰噪声且能够得到比较精确的边界信息,具有较好的视觉效果和较高的工程应用价值。     

高分辨率卫星影像上地物线性特征的自动识别

在高分辨率卫星影像上，地物的线性形状特征信息是丰富的，但同时，由于其过分细节化，再加上阴影，云层等干扰因素的影响，使得同一地物表现出不同的光谱亮度特征，在无疑给相关的地物线性特征的检测与提取带来了一定的复杂性，本文提出基于多重滤波的方法，并根据图像的纹理排列特征，通过设计使用一个高通滤波器的统计滤波器，来实现线性特征的自动检测与识别，其中高通滤波器的主要功能是突出地物的边界特征，统计滤波器则是消除高通滤波后的一些噪音，最后通过边缘检测与跟踪处理，得到描述地物线性特征的矢量图层，实验结果表明，这种方法显著提高了检测结果的精度，同时也表明了从高分辨率卫星影像上自动提取矢量信息图层的可行性，为高分辨率卫星影像的进一步应用提供了要应的技术基础。     

基于Landsat 8影像的多光谱厚云检测方法研究

在ACCA算法基础上,通过分析厚云及典型地物光谱特性,结合Landsat 8卫星传感器波段特性设计多光谱厚云检测方法,将影像大气顶端反射率和亮度温度作为输入值,检测厚云分布位置。检测结果显示,厚云像素的检测准确率在ACCA算法上有所提高,尤其是对于边界云和碎云的识别优于ACCA算法。当应用于多时相及多地区含云影像时,影像中厚云像素的检测准确率在90%以上,表明该方法能较好地检测各个时相及不同地物上空的厚云像素。     

规整化策略的面向对象变化检测研究

为了提高高分辨率遥感影像变化检测的精度,该文提出一种基于规整化策略的面向对象迭代加权多变量变化检测算法。该方法利用多尺度分割法对两期影像进行了分割并提取了影像对象的各种特征,选择具有代表性的特征参与面向对象的IR-MAD变化检测,并在迭代加权的过程中加入规整化策略,避免广义特征方程可能出现的不稳定性。该方法减少了噪声,提取了研究区大部分变化区域,提高了高分辨率影像的变化检测精度和可靠性。结合人工变化检测和像素级IR-MAD检测结果,并采用新疆边界口岸资源三号卫星影像,验证了该方法的有效性。     

多源光学卫星影像匹配及精准几何信息提取

针对国产光学卫星影像的特点,该文介绍一种适用于超大规模立体/单景覆盖的多源高分辨率卫星影像的全自动连接点、参考控制点匹配及精准几何信息(DSM/DEM)提取方法。该方法引入精度已知/精度可验证的参考地理数据作为几何约束,采用由粗到精的多层金字塔逐级影像匹配策略进行影像连接点和参考控制点的自动提取,并实现超大规模影像整体联合区域网平差处理,精化定向参数;结合半全局匹配算法(SGM)与基于物方几何约束的多影像相关匹配算法(GC3)完成多角度多视影像匹配及密集点云的自动提取,并利用已有DEM对密集匹配的DSM中的云遮挡区域和大面积水域进行修补,完成精准几何信息提取并自动生成高精度DSM/DEM/DOM影像产品。最后,利用多组典型实验区的国产高分辨率光学卫星影像数据验证了本文方法的适用性、可靠性和精度,结果满足卫星影像几何定位精度及DSM/DEM/DOM生产要求。     

利用双指数函数导数模型进行高分辨率卫星影像目标检测

提出了一种从高分辨率卫星影像中检测特定目标的方法。该方法首先用一种双边滤波的方法去除图像中的噪声,然后采用形态学处理的方法对图像进行分割和特征增强,并提取兴趣区域。在目标检测阶段,设计了一种基于双指数函数导数(DODE)模型的检测算子,该算子是面向具体目标设计的,能实现稳健的目标检测。对Google Earth中的影像分别进行了车辆检测实验和船舰检测实验,结果表明,此方法能够有效准确地检测高分辨率卫星影像中的特定目标。     

一种异源高分辨率卫星遥感影像近似核线生成算法

提出了一种实用的基于有理函数模型(RFM)的核线生成算法,研究并实现在该算法下异源高分辨率卫星遥感影像像对近似核线生成方法。该方法利用高分辨率卫星遥感影像正解模型迭代计算RFM反解模型,结合核线投影轨迹法,提取像对之间近似核线对。实验表明,本文算法具有可适性和通用性,为异源高分辨率卫星遥感影像数据的自动匹配处理提供了可靠保证。     

融合UNet++网络和注意力机制的高分辨率遥感影像变化检测算法

针对高分辨率遥感影像变化检测存在漏检和检测边界粗糙的问题,提出一种基于UNet++和注意力机制的高分辨率遥感影像变化检测算法.该算法采用UNet++网络作为基础网络提取特征,并在基本卷积单元中引入注意力机制突出重要特征,由此完成遥感影像端到端的变化检测.在高分辨率卫星影像变化检测数据集中进行了验证,相比于经典语义分割网络,该算法在精确率、召回率、F1值和总体精度上均有较大提升.     

中巴资源卫星影像HR数据在煤矿矿区地面塌陷调查中的应用

首次应用具有我国自主知识产权的中巴资源卫星影像数据对煤矿矿区采煤地面塌陷进行遥感调查研究。煤矿采空区地面塌陷随着时间日趋严重,面积不断扩大,兼有渐变和突变的特点,用常规方法定点观测难以适应其发展,确定其边界分布非常困难。文章应用中巴资源卫星HR高分辨率影像数据,以六道湾—铁厂沟煤矿矿区为例,通过已知塌陷区的基本特点,建立塌陷区的遥感影像地物解译标志体系,通过人机交互遥感影像解译,圈定地面塌陷的边界并获得塌陷区的有关数据,为该地区环境地质灾害治理提供依据。     

基于资源三号卫星遥感影像的城市绿地提取

资源三号卫星是中国第一颗自主的民用高分辨率立体测绘卫星,能提供优于5 m地面分辨率的遥感影像.本文首先对资源三号卫星影像预处理过程中涉及的影像纠正、影像配准、影像融合、影像镶嵌等关键步骤进行研究,然后,对比分析三种绿地信息提取方法,最后以江苏省南京市高淳区城市绿地为例,提取建成区绿地信息并加以统计分析.实验表明,本文提出的资源三号卫星影像预处理方法切实可行,国产高分辨率遥感影像适用于城市绿地调查.     

基于多源卫星影像基础地理信息数据更新技术研究

选取三种精度的卫星影像数据,其中高分二号卫星影像数据精度能够达到1.0米,高分一号卫星影像与资源三号卫星影像精度分别达到2.0米和2.1米,在进行基础地理数据信息更新时,应当优先选取高分二号高分辨率卫星影像数据资源,并利用高分一号与高分三号卫星影像资源对不完善地方进行补充,通过这种方法,获得的DOL平面检测精度、DLG平面检测精度均符合标准要求。