粤西海岛海岸带典型地类SPOT-5影像解译标志

基于SPOT-5假彩色合成影像,在现场踏勘的基础上,对粤西海岛海岸带地物进行了全面的分析,总结了地物的遥感影像特征,建立了耕地、园地、林地、居民地及工矿仓储用地、水域和滩涂6类典型地物的遥感解译标志.采用典型样区与样点相结合的方法,对基于该解译标志提取的结果进行了踏勘验证,经检验,解译精度在90%以上.粤西海岛海岸带卫...     

船载激光扫描系统在海岛测绘中的应用

通过建立1套以激光扫描仪为核心的船载激光扫描系统,对海岛海岸带地区进行动态远距离测量,获取地物点的三维几何信息和激光回波强度信息,实现对海岛海岸带数据信息的采集,从而展示海岛海岸带各类地物的空间分布,充实该类区域的数据资料。     

基于极化散射特性的神经网络海岸带信息提取

应用遥感手段开展海岛海岸带监测为海岸带资源开发利用提供科学的信息支撑。采用Radarsat-2数据,开展Cloude极化,获得分解参数,进行海岸带地物特性极化参数特性研究,在此基础上,以辽宁鲅鱼圈作为研究区域,运用神经网络方法开展海岸带信息分类提取研究。结果表明:极化目标分解理论对海岸带信息提取具有一定的应用潜力,采用基于H/α的分类方法能较好地区分单次散射的特征地物,但对于偶次散射和体散射的混合体,仅从极化特征参数还难以区分;综合利用极化散射特性及神经网络分类方法则可以有效进行分类,采用基于SPOT5数据的"我国近海海洋综合调查与评价专项"遥感调查成果为验证标准,精度达到88.5%。分类精度与训练样本有关,此外,海岸带区域地物分布往往较为复杂,对于复杂地物的散射机制研制,是下一步研究工作的重点。     

基于改进Faster R-CNN模型的SAR图像溢油检测方法

SAR（synthetic aperture radar）图像溢油暗斑准确识别对海上溢油应急工作具有重要的意义。为减少SAR图像特征提取、特征选择过程中人为因素对溢油检测精度的影响,本文将Faster R-CNN卷积神经网络模型引入SAR图像溢油检测并进行了改进。针对溢油暗斑形状多样及SAR图像背景复杂的特点,选用结构一致且实用性强的VGG16卷积网络获取图像特征,并使用软化非极大值抑制算法（Soft-NMS）进行优化。同时基于相同的数据集,提取常用的SAR图像几何特征、灰度特征和纹理特征,构建反向传播（backpropagation,BP）人工神经网络溢油检测方法并与Faster R-CNN方法进行对比。实验结果表明,基于改进Faster-RCNN模型的溢油检测方法溢油检测率达到0.78,且溢油检测虚警率低于0.25,相比BP人工神经网络溢油检测方法样本识别率、溢油检测率分别提高了4%和5%,溢油虚警率降低了5%。     

GB-InSAR的监测流程和关键技术

地基合成孔径雷达干涉技术(GB-InSAR)是全新的形变监测技术,具有高度自动化、全天时和全天候监测以及高分辨率和高精度等优势。为推进GB-InSAR在我国海岛海岸带监测中的应用,文章概述GB-InSAR的技术原理和监测流程,分析其配准图像、生成干涉图和相干图、干涉图滤波、相位解缠、大气相位校正以及框架基准确定和地理编码等关键技术。研究结果表明:GB-InSAR将步进频率连续波技术、合成孔径雷达技术以及雷达干涉测量技术有效融合,在采集目标形变信息方面具有广阔的应用前景;我国应积极推进GB-InSAR在海岛海岸带监测中的研究和应用,为海岛海岸带管理提供有力的技术支撑。     

基于Landsat-8 的湛江东海岛地物分类研究

“宝钢湛江项目”的实施对近十年湛江东海岛的地物分布产生剧烈影响，尤其是工业用地。本文基于2013 年、2017 年和2021 年的陆地卫星8 号（Landsat-8） 数据对湛江东海岛进行地物分类，研究该区域近十年的用地变化趋势。以2013 年数据为参照：采用归一化水体指数（Normalized Difference Water Index，NDWI） 模型和谱间关系模型实现水陆分离，比对选择分离效果较优者以提取东海岛岸线；对比最大似然法、神经网络法和支持向量机法3 种监督分类方法，选择提取地物效果最优者应用于其余数据。基于Google earth 在线地图及无人机实测数据构建验证点集，使用混淆矩阵进行精度评价。结果表明：谱间关系模型的水陆分离效果较优，提取海岛岸线的精确度有明显提升；支持向量机法的分类总体精度和Kappa 系数最高，分类结果能较好地反映研究区的真实地物分布；汇总三年数据的分类结果，发现用于发展工业的土地面积增长突出且处于持续增长趋势。谱间关系模型与支持向量机法分别实现了对东海岛岸线和地物类型的准确提取，得出近十年研究区的用地变化趋势，能为研究区的用地规划提供参考。     

基于改进U-Net的海岸线提取方法

遥感影像海陆分割对于海岸线提取及其动态监测具有重要意义。传统的基于光谱特征和图像处理的海岸线识别和提取方法,在面对高分辨率遥感图像复杂的纹理和空间分布时,只能生成具有局限性的图像特征结果,且分割结果准确率不高。本文将深度卷积神经网络应用于高分遥感图像的海陆分割问题,并在经典编码器-解码器结构的基础上进行了创新。首先,为了降低调参难度引入批归一化层,降低了网络对参数的尺度和初始值的敏感度;其次,采用转置卷积代替传统卷积,在模型训练过程中通过梯度递减算法,不断更新参数权值,显著提高语义分割的精度。利用研究区域高分一号遥感图像数据对于人工岸线及自然岸线的分割实验结果显示:相较于经典U-Net与SegNet,改进U-Net网络,对于各种自然岸线和人工岸线具有更低的边界模糊度和更准确的分割结果,对于自然岸线的提取结果,漏检、错检现象较少;对于人工岸线的提取具有更大的感受野,能够提取岸线的空间结构信息,避免误分类。面对日益丰富的高分辨率的遥感影像数据源,基于改进U-Net的海岸线提取,能更好地保留边界信息且具备更优的语义分割效果,可以更为准确地挖掘高分遥感影像的空间分布特征、纹理特征以及光谱特征,...     

岛礁光学影像图谱特征分析

海岛是重要的国土资源,按照物质组成可以分为基岩岛、沙泥岛和珊瑚岛等3种类型。本文在总结前人在地物要素图谱特征分析方面研究工作的基础上,针对基岩岛和沙泥岛,利用SPOT-5图像,选取近红外、红、绿波段组合标准假彩色图像,针对珊瑚岛,利用Quick Bird图像,选取红、绿、蓝波段组合真彩色图像,使用2种最常用的遥感影像波段合成方法,从这3种海岛的岸线类型、地物特征和海岛所处位置关系等方面,分析岛礁光学影像的图谱特征,为海岛遥感识别与调查研究提供技术保障。     

基于DRLSE模型的SAR溢油提取方法

为提高海上溢油轮廓SAR提取精度,验证了FCM(Fuzzy C-Means Algorithm)与DRLSE(Distance Regularized Level Set Evolution)模型结合的方法提取SAR溢油信息的有效性;鉴于其无法避免细小噪音的影响以及薄油膜提取效果不好的问题,提出了阈值和DRLSE模型结合的溢油信息提取方法,通过阈值构建溢油区域初始轮廓,克服了图像细小噪声对溢油提取的影响,更有利于提取薄油膜信息,溢油提取精度优于H/A/alpha-Wishart非监督分类方法和FCM与DRLSE模型结合的方法。     

遥感影像的海岸带信息提取——以赣榆县海头镇为例

以赣榆县海头镇海岸带为研究区域,详细分析了利用研究区遥感影像制作908专项工作底图和利用影像底图进行海岸带线性特征以及植被信息提取,阐述了遥感技术在遥感制图中的应用,并对遥感技术在江苏海岸带信息提取方面的方法进行了讨论.     

基于合成孔径雷达影像的海洋溢油纹理特征参数分析

溢油已是当前海洋生态环境破坏的主要因素之一,因此对海洋溢油的检测分析是当前海洋环境保护的一个重要课题。传统的溢油提取仅仅是单独依靠光学影像的光谱信息或者合成孔径雷达(SAR)影像的后向散射系数信息进行提取,这会造成很多同谱异物或者粗糙度相近似的地物错分,因此除了利用传统的影像信息以外,还需结合影像的纹理信息,从而提高溢油提取的精度,减少错分地物的数量。选用2006年渤海地区的三景同轨SAR影像作为数据基础,应用基于灰度共生矩阵的方法对其进行纹理分析。该方法可以很好地对图像区域和表面进行感知并能够从像元的灰度相关性上对纹理特征进行详细描述,因此适合于SAR影像的海洋溢油检测。在纹理分析的过程中有很多的参数需要选择,参数选择的好坏将直接影响最终提取结果的精度。通过对纹理分析过程中的参数进行讨论、实验、选择与验证,最终确定了基于灰度共生矩阵纹理分析中各参数的值,并选择了局部平稳、非相似性、对比度、变化量4个特征量作为溢油提取的纹理特征统计量。将纹理特征与SAR自身的后向散射系数相结合,通过神经网络分类法对其进行分类,并计算出分类精度为80.65%,分类效果良好。由此说明了将影像的传统信息与纹理信息相结合进行溢油提取是一种可行而有效的方法,同时也为后续的海洋溢油检测工作奠定了一定的基础。     

基于深度学习的循环水养殖鳗鲡(Anguilla)行为状态识别的研究

对鱼类的行为进行智能监测,精准地量化与识别其健康状态,已成为研究热点。为实现养殖鳗鲡行为状态精准识别,提出一种基于DenseNet双流卷积神经网络的鳗鲡行为状态检测方法。利用混合高斯背景模型进行前景提取构建数据集,针对传统卷积神经网络对于时间动态信息提取能力有限的问题,搭建关联空间特征与时间特征的双流网络结构(Two-stream),并使用DenseNet-121网络替换原网络,对比VGGNet、ResNet等网络,通过密集连接实现特征重用,在搭建更深的网络结构基础上加强了运动特征传递并减少了参数量,更好地提取具有代表性的行为特征。传统双流网络在两端的softmax层仅作简单的决策层平均融合,无法更深程度关联时空高级特征,提出在网络卷积层提取空间特征与时间特征后,加上一层卷积层将时空特征进行卷积融合以提升模型识别精度。实验结果表明:文中提出的基于DenseNet双流卷积神经网络对6种鳗鲡行为状态检测方法准确率达到96.8%,相较于单通道的空间流与时间流网络,准确率分别提升了10.1%和9.5%;相较于以VGGNet、ResNet搭建的双流网络,准确率分别提升了12.4%和4.2%;与决...     

基于最大似然法的钓鱼岛航空遥感 监视监测信息提取

基于国家海岛监视监测系统的高精度影像数据,运用最大似然分类法对钓鱼岛监视监测信息图像进行监督分类,较 为准确地提取出钓鱼岛基本地物类型,清晰反演钓鱼岛地貌特征,并引用了主次要分析去噪法进一步提高了分类精度,取得 较好的分类效果。     

基于密集多尺度特征的遥感影像水体提取

针对传统遥感影像水体提取方法和基于深度学习的经典目标提取模型的提取结果存在丢失边缘细节信息和准确率低的问题,提出了基于深层特征编码-水体识别解码的多尺度特征密集连接网络结构。首先利用深层特征编码结构中的普通卷积提取影像中水体的特征信息,然后利用密集多尺度特征模块提取水体的多尺度特征和保留全局信息,最后利用水体识别解码结构对图像中的水体进行预测。实验结果表明：本文方法的提取结果精度优于经典全卷积神经网络模型,在测试集上的像元精度达到98.56%,交并比达到78.91%,有效保留了水体的完整性和细节边缘信息,实现了水体的精细化提取。     

基于SAR图像雨团足印的海面风向提取方法

利用地球物理模式函数进行SAR海面风速反演时,需以风向作为地球物理模式函数的输入。本文应用了一种利用SAR图像上雨团足印顺风一侧比逆风一侧明亮的图像特征的海面风向提取方法,以进行海面风速反演。4景RADARSAT-2卫星SAR示例数据风向提取结果相对于ASCAT散射计的风向均方根误差满足不大于16°。分别以本文方法提取的风向和ASCAT散射计风向作为输入,利用地球物理模式函数CMOD5进行海面风速的SAR反演,两者的风速反演结果基本一致,其均方根误差差值不超过0.3 m/s。本文利用SAR图像雨团足印信息的风向提取方法准确可靠,可应用于SAR海面风速反演。     

多光谱与纹理特征结合的WorldView-2影像海岸线提取方法研究——以马来西亚棉花岛为例

海岸线是海岛海岸带研究的基础要素,对于海岸带资源开发利用具有重要意义。遥感技术凭借其宏观、多光谱且周期短等特点成为快速提取海岸线的重要技术手段。本文采用高分辨率遥感数据WorldView-2对海岸线两侧地物的表观反射率进行分析,并开展特征分析,构建了海岸线提取指数。在此基础上,进一步结合纹理特征提取方法,成功提取了马来西亚棉花岛的海岸线。基于线目标匹配法对提取结果进行精度评价,其中长度误差为-1.38%,在缓冲半径为6个像素单位时,完整度为96.96%,正确度为95.37%。结果表明,用该方法提取的海岸线精度较高,可满足遥感调查的需要。     

结合纹理特征的SVM海冰分类方法研究

海冰分类是遥感监测领域中的重要应用之一,海冰分类的准确性对于评估海冰冰情、保证航海安全和开辟北极航道具有重要的意义。针对海冰分类问题,本文选用Sentinel-1遥感数据,结合纹理特征分析,提出了一种改进的SAR海冰分类方法。该方法选用灰度共生矩阵提取特征值,通过实验得到适宜用于海冰分类的多特征组合,在此基础上利用支持向量机开展SAR海冰类型的分类研究。实验结果表明,该方法可以实现对海冰SAR图像中一年冰、多年冰和海水3种类型识别,与传统的海冰分类方法神经网络和最大似然法相比较,使用SVM分类方法,结合纹理特征开展海冰类型监测是可行的,同时也表明多特征组合有利于提高SAR图像的分类精度,从而验证了本方法的有效性,为海冰分类提供了一种新思路。     

基于深度学习和形态学的海底沙波谷线提取

为了提高基于侧扫声纳图像提取海底沙波谷线这种类别不均衡线状地物的精度,提出了一种深度学习与数学形态学相结合的方法。该方法采用Dice损失函数和添加批标准化(batch normalization, BN),对U型卷积神经网络模型(U-Net)进行改进;结合数学形态学中的闭运算和骨架法,对沙波谷线轮廓进行修复并提取线性特征;进一步将改进的U-Net模型与支持向量机(support vector machine, SVM)、随机森林(random forest, RF)、面向对象分类以及U-Net模型进行精度对比验证。结果表明：改进的U-Net模型能够解决类别不均衡的问题,实现沙波谷线的高精度提取,该方法对海底沙波的研究具有重要的科学与工程应用价值。     

海洋观测图像的深度哈希检索及FPGA在轨实现

近年来,星载/机载的在轨海洋观测设备日益增多。如何从星/机在轨观测的数据中快速且准确地检索出关键图像并进行回传,逐渐成为在轨实时处理的重要研究课题。哈希函数作为一种映射函数,能够将不同图像变换为相同长度的二进制码,并且保持类似图像二进制码的相似性。为了保证二进制编码的特征表达能力,采用深度卷积神经网络(Convolutional Neural Network,CNN)提取海洋图像的特征信息,对图像进行哈希变换。本文以海洋观测图像作为训练数据集,基于深度卷积神经网络在GPU(Graphics Processing Unit)上训练哈希算法。在此基础上,本文将训练好的哈希函数在FPGA(Field Programmable Gate Array)上实现,完成海洋观测图像的在轨快速检索,为海洋观测实时处理提供了有效技术手段。     

高分辨率SAR影像在海岛监视监测中的应用

高分辨率合成孔径雷达(SAR)是先进的成像微波遥感器,可全天候和全天时工作,在海岛监视监测中发挥特殊作用。文章概述高分辨率SAR的成像原理和国际应用进展,通过介绍海岛礁在高分辨率SAR影像上的表现,直观展示高分辨率SAR在小海岛识别和海岛开发工程监视监测等方面的应用,尤其提出利用SAR影像特征区分小海岛和船只的方法,同时提出将高分辨率SAR影像与中分辨率光学影像相结合的应用建议,助力我国海岛保护管理和监视监测工作。