基于卷积神经网络模型Faster R-CNN的遥感影像目标识别研究

目标识别是遥感高分辨率影像时代的重要应用方向。采用深度卷积神经网络对遥感影像学习训练,能够从遥感影像中自动提取出多个具有代表性的典型地物特征以及特征组合,并应用于多变而复杂的遥感影像数据中进行目标分类识别。本研究选用NWPU VHR-10数据应用于Faster R-CNN卷积神经网络模型中,并采用MAP进行评价,研究中得到了较好的检测精度,证明在遥感影像数据中采用深度卷积神经网络进行目标识别有着广阔的应用前景。     

TERRA/MODIS热红外通道陆地晴空大气可降水分裂窗反演

大气水汽在遥感反演地表温度中起到关键作用,精确的大气水含量对于提升反演精度有着重要意义,而热红外方法是夜晚获得区域大气水汽含量的唯一方法。本研究采用热红外方法中的改良分裂窗算法,首先,使用TIGR大气廓线与MODIS波谱响应函数通过MODTRAN辐射传输模式进行模拟,将大气廓线的水汽含量与大气透过率进行回归;然后,根据MODIS数据产品特点,使用2015年夏季MODIS数据观测角小于20°的范围进行反演;最后,将白天反演水汽分别与全球GPS地基大气水汽观测网络和MODIS近红外水汽产品进行比较,均方根误差分别为5.5 g/cm2和6.4 g/cm2,显示了高度的区域一致性。由于MODIS观测角度较大,本研究未对其他角度进行反演,若对其余角度的MODIS数据进行反演,可根据余弦角度变化,针对不同角度范围进行模拟与回归。