基于单张遥感影像的城市建筑物高度提取研究

城市建筑物高度信息在城市监测、规划、管理以及各项城市经济活动中有着重要的应用,在分析建筑物阴影成像同太阳、卫星的几何关系基础上,给出利用单张遥感影像提取建筑高度信息的模型。该模型根据单张遥感影像上建筑物房顶角点与其阴影的长度来计算建筑物高度,并且提取的建筑物高度同实测值相比绝对误差在±1 m以内。该方法操作简单灵活、快捷高效,可应用于城市大规模建筑物高度信息的提取,具有较高的实用价值。     

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。     

一种基于线基元的单张影像与点云配准方法

针对单张影像无同名点对且相机主要参数未知时,单张影像与点云数据的配准难度较大问题,该文提出一种基于线基元进行单张影像与点云配准的方法。该方法在相机未检校的前提下,以经典直线线性变换(DLT)模型为基础,通过用主轴分类表达线基元推导出扩展DLT模型。实验表明,该文方法可行,有较好的配准效果。     

基于数字实验场的国产测绘卫星影像定位精度评估及优化

提出了一种基于数字实验场的国产测绘卫星影像定位精度评估及优化方法。该方法利用超高分辨率遥感卫星影像及其测绘产品,在境外等无地面控制区域建立可满足国产测绘卫星全球定位评估验证需求的数字化实验场;以实验场控制基准为基础,通过构建国产测绘卫星影像的几何定位模型和精度优化模型,实现国产测绘卫星影像的定位精度评估及优化。利用天绘一号、资源三号卫星影像数据进行了实验和分析,结果表明:该方法能够在无地面控制区域对国产测绘卫星影像定位精度进行有效评估;并通过对系统误差进行补偿,显著提升影像定位精度。     

广义立体像对三维重建模型精度分析

本文依据基于多源遥感数据进行三维重建的思想,利用现有的对于某一区域,由不同传感器获取的高分辨率卫星影像,分别作为左右影像,建立起基于有理函数模型的严密空间前方交会数学模型,进而构建起广义立体像对,快速提取地面三维信息,实现目标物的三维重建。之后对重建的三维模型进行精度分析,并与利用传统双像立体像对重建的三维模型、以及单张影像重建的三维模型之间进行精度分析,比较三种不同方法所得到的三维模型的相对精度,并最终证明了利用广义立体像对进行地面目标的三维模型重建,其精度完全能满足生产要求。     

纹理特征与视觉注意相结合的建筑区提取

提出一种有效提取高分辨率遥感影像建筑区的算法。通过模拟人类视觉系统感知环境的过程,引入视觉注意机制,提出基于自信息最大化视觉注意机制的建筑区显著指数。根据建筑区在高分辨率遥感影像中的特点,基于时/频域的纹理分析,提出一种针对建筑区的纹理特征描述方法,实现了建筑区的高效提取。通过对8组高分辨率遥感影像进行试验,验证了本文算法的有效性。     

基于深度学习的高分辨率遥感影像光伏用地提取

近年来我国光伏产业发展迅猛,随之也产生了诸多用地问题,通过遥感技术提取光伏用地,监测光伏用地分布与用地状况,对于光伏产业健康发展具有重要意义。本文提出一套基于深度学习方法的高分辨率遥感影像光伏用地自动提取方法,该方法利用GF-1等卫星影像和Google Earth影像构建光伏用地样本,基于ResNeSt-50作为骨干网络的DeepLab V3+模型实现深度学习语义分割算法,并结合计算机图形学方法对深度学习结果进行后处理,实现了面向高分辨率遥感影像较通用的且高精度的光伏用地自动提取。该方法的深度学习模型验证精度mIoU值达0.899 2,提取结果具有良好的边缘精度且具有广泛的适用性,支持GF-1、ZY-3、GF-6、GF-2和Google Earth等影像。     

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。     

一种面向无人机绝对定位的卫星基准影像检索方法

针对全球导航卫星系统（global navigation satellite system,GNSS）拒止环境下大范围无人机视觉绝对定位问题,提出了一种聚合深度学习特征的卫星基准影像检索方法。首先,利用预训练的深度学习模型提取无人机与卫星基准影像的局部卷积特征;然后,对局部特征描述符进行聚合,生成影像全局表达;最后,利用影像全局特征进行相似性检索,并采用检索结果精匹配重排序的后处理方法,进一步提高检索准确率。设计了一个新的面向无人机绝对定位的卫星基准影像数据集并进行实验,结果表明,使用所提方法检索无人机影像适配区域的卫星基准影像的准确率达76.07%,可为后续基于视觉的无人机绝对定位提供参考。     

利用PSP Net实现湖北省遥感影像土地覆盖分类

提出了一种基于金字塔场景解析网络(pyramid scene parsing net,PSP Net)的深度学习算法。以湖北省遥感影像为实验数据,借助PSP Net的上下文场景解析能力,研究湖北省30 m分辨率的土地覆盖。实验使用了湖北省Landsat卫星影像中507景900×600像素的标准分幅影像,通过预处理生成了适用于深度学习的样本集。选择其中300景为样本,包括训练集240个、预测集44个和验证集16个。使用快速特征嵌入卷积结构(convolutional architecture for fast feature embedding,CAFFE)下的PSP Net模型对样本数据进行训练,设置了10×10-10的学习率,选择了第100万次的训练模型,很好地防止了数据的过拟合。通过模型的泛化和样本的泛化与迭代,对湖北省2000年、2005年、2010年3期的Landsat卫星影像土地覆盖进行分类,分类精度分别达到82.2%、83.4%和83.7%。研究结果表明,基于PSP Net的深度学习算法可以快速、有效和精确地实现大范围的遥感影像土地覆盖分类。     

利用经典CNN网络方法构建贵阳市道路要素遥感影像自动提取模型

综合考虑道路提取解译过程中的准确性、运算能力及对贵阳市域环境的适应性,本文对深度学习神经网络模型中的几个环节进行了分解,通过多轮对比试验与分析,建立了适用于贵阳市道路要素遥感影像自动提取的模型,并对批量提取的数据进行分析和优化处理,完成部分道路属性的填充,较大程度地实现了道路实体的自动化智能高效提取。过程中涉及的现实问题与技术路线,可对市县级卫星遥感应用技术部门开展的自然资源类业务工作提供参考。     

一种利用单张影像进行规则物体三维重建的方法

提出了一种以单张影像为基础,基于灭点几何原理、共线条件方程及共面约束条件,进行规则物体三维重建的方法。该方法通过影像中的3条两两垂直的直线,利用灭点几何原理得到了影像的方位角元素;利用解算的角元素及共线方程得到了摄影中心坐标;最后,利用解算的影像外方位元素及共面约束条件得到规则物体的三维几何模型。     

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。     

卫星影像匹配的深度卷积神经网络方法

本文侧重于智能化摄影测量深度学习的第一个方面：深度卷积方法。传统的影像同名点对提取算法通常利用人工设计的特征描述符及其最短距离作为匹配准则进行匹配,其匹配结果易陷入局部极值,造成部分正确匹配点对的遗漏。针对这一问题,本文引入深度学习方法,设计了一种基于空间尺度卷积层的两通道深度卷积神经网络,采用其进行影像间的匹配模式学习,实现了基于深度卷积神经网络的卫星影像匹配。试验表明,在处理异源、多时相、多分辨率的卫星影像情况下,本文方法比传统匹配方法能提取到更为丰富的影像同名点对,且最终匹配提纯结果正确率优于90%。     

基于GXL软件的卫星影像纠正处理技术方法探析

随着高分辨率卫星影像数据源和数据量的增多,如何高质量、快速地完成卫星影像快速正射纠正,更好地为后续生产和影像解译服务,满足各行业需求,是影响卫星影像应用的重要因素。本文总结近年来全国卫星遥感影像正射纠正处理经验,并结合卫星影像数据特征和参考资料情况,提出了以GXL-PCI软件为平台,基于参考影像的方式进行卫星遥感影像快速正射纠正和质量检查,完成全国范围内年度一版的卫星影像数据正射纠正处理工作,并证明了卫星影像与参考影像准确配准的准确率在99%以上,并可以通过检查控制点个数的方法对问题影像进行准确定位,同时,对于初始定位精度较差的卫星影像,提出了RPC模型重建方法进行正射纠正,精度满足同等要求。     

神经网络支持下的Sentinel-2卫星影像自动云检测

为解决利用Sentinel-2卫星影像进行地物信息提取时云层遮挡造成的信息误判问题,提出了一种基于深度学习的遥感影像云区高精度分割方法。该方法通过预处理的遥感样本数据构建出一种深度神经网络模型,自动提取高层次影像特征;再将影像特征输入分类器,实现遥感影像的像素级分类,从而分割出云覆盖矩阵;最后将云覆盖矩阵转化为云二值图,结合感兴趣区矢量准确获取指定区域云检测结果。选取典型区域进行测试,结果表明：该方法检测精度较高,速度较快,且无须辅助信息与人工干预,可用于Sentinel-2卫星影像不规则区域自动云检测。     

卫星影像数据在750kV送电线路工程中的应用

应用法国卫星影像立体像对,进行相对定向和绝对定向,恢复卫星姿态、建立测区立体模型,并对模型的精度进行分析。利用立体模型下的影像环境,为线路设计人员在室内对送电线路的走向进行细致选择提供工作平台。并在DEM上提取线路路径高程信息,利用此信息进行线路杆塔排位设计。通过比选确定最优路线,快捷、高效地完成线路初设工作。     

高分辨率遥感影像建筑容积率提取方法研究

提出了一种基于建筑物阴影的高分辨率卫星遥感影像建筑物容积率提取方法。首先利用高分辨率遥感影像提取城市大范围建成区建筑物阴影,再通过阴影矢量化、阴影坐标转换,将大比例尺的卫星分幅图进行自动拼接,最终根据阴影与建筑物面积关系回归分析、建筑物朝向分析等进行建筑容积率的计算和半自动提取。对上海中心城区的建筑容积率的提取实验验证了所提方法的有效性。     

长条带卫星线阵影像区域网平差研究

本文首先比较了基于轨道参数和基于卫星状态矢量的航天影像定位模型,提出了一种针对非精密星历数据的轨道拟合与状态矢量插值方法,并在飞行坐标系中建立了适合长条带卫星影像定位的轨道修正模型。其次,分析了地球自转对卫星线阵影像严密定位建模的影响,通过对姿态航偏角的适应性处理,建立了基于地固地心直角坐标系卫星状态矢量的航天线阵影像构像方程和区域网联合平差模型。最后以中国西部测图工程的塔里木盆地4对(8景)SPOT5/HRS长条带立体影像为数据源,针对不同控制点数目与分布,进行了不同方案的组合定位试验。结果表明：稀少控制点条件下检查点统计精度达到了8.09 m。     

长条带卫星线阵影像区域网平差研究

首先比较基于轨道参数和基于卫星状态矢量的航天影像定位轨道模型,提出一种针对非精密星历数据的轨道拟合与状态矢量插值方法,并在飞行坐标系中建立适合长条带卫星影像定位的轨道修正模型。其次,分析地球自转对卫星线阵影像严密定位建模的影响,通过对姿态航偏角的适应性处理,直接在地固地心直角坐标系中建立了基于卫星状态矢量的航天线阵影像构像方程和区域网联合平差模型。论文以中国西部测图工程的塔里木盆地4对(8景)SPOT5/HRS长条带立体影像为数据源,针对不同控制点数目与分布,进行了不同方案的组合定位试验。结果表明:稀少控制点条件下检查点统计精度达到了8.09m。