Single-Pixel Remote Sensing

In this letter, we apply a new sampling theory named compressed sensing (CS) for aerospace remote sensing to reduce data acquisition and imaging cost. We can only record directly single or multiple pixels while need not the use of additional compression step to improve the problems of power consumption, data storage, and transmission, without degrading spatial resolution and quality of pictures. The CS remote sensing includes two steps: encoding imaging and decoding recovery. A noiselet-transform-based single-pixel imaging and a random Fourier-sampling-based multipixel imaging are alternatively used for encoding, and an iterative curvelet thresholding method is used for decoding. The new sensing mechanism shifts onboard imaging cost to offline decoding recovery. It would lead to new instruments with less storage space, less power consumption, and smaller size than currently used charged coupled device cameras, which would match effective needs particularly for probes sent very far away. Numerical experiments on potential applications for Chinese Chang'e-1 lunar probe are presented.     

面向星载CMOS相机的超时相工作方式研究

随着星载面阵CMOS探测器的广泛使用,使得获取超时相数据成为可能,这为新型对地遥感工作模式带来新的发展机遇。本文不再局限于采用单一技术解决单一技术指标的传统解决问题的方式,系统性地提出一种面向星载面阵CMOS相机的新型成像方式,利用面阵CMOS相机连续快速曝光在极短的时间内获取同一观测区域的超时相序列数据,通过图像重建的方式,实现一揽子的图像质量提升,即同时实现虚拟数字时间延迟积分TDI（Time Delay Integration）、调制传输函数MTF（Modulation Transfer Function）补偿和空间分辨率GSD（Ground Sampling Distance）提升。这种新型成像方式的优点是,可以改善星载光学相机是探测器受限系统的窘境,进而在不改变光学系统的情况下,通过求解一个病态方程,实现对地遥感图像空间分辨率与成像质量的综合提升。基于实验室的靶标仿真实验数据、基于低轨光学遥感卫星OVS-1A、吉林一号视频03卫星和高分四号卫星的真实数据实验结果表明,无论是信噪比,图像清晰度还是空间分辨率都有明显提升。这种新型成像方式已被中国后续某地球同步轨道光学成像卫星所采用,可以预见的是,这种成像方式不仅可以使得在轨卫星发布更高分辨率与更好图像质量的产品,盘活在轨卫星的探测资源;在实现同样空间分辨率与图像质量的前提下,可以有效降低光学相机载荷的体积与重量,进而可以有效降低未来光学卫星的研制成本。     

高分辨率光学遥感卫星反射点源像点提取方法

像点提取精度是高分辨光学遥感卫星几何定标精度的关键因素之一。本文提出一种基于轻小型、自动化反射点源的像点提取方法,以参数化高斯模型拟合获取点源影像的像点坐标。在轨试验结果初步表明,反射点源法所提取的像点坐标的共线误差小于0.001像素,比例常量的相对标准偏差优于5‰,与质心法等常用方法提取的点源像点坐标相比较,精度优于0.05像素。反射点源不仅能够实现高精度的像点提取,而且还能够实现高分辨率光学遥感卫星的高精度几何定标与像质评价,对提高我国航天遥感立体测绘精度具有重要意义。     

面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用

高分辨率遥感影像建筑物提取是摄影测量与遥感领域的一个热门研究主题。本文综合利用影像分割、基于图的数学形态学top-hat重建技术,提出了面向对象的形态学建筑物指数OBMBI,并将其应用于高分辨率遥感影像建筑物提取。首先,建立像素-对象-图节点的双向映射关系;然后,基于图的白top-hat重建和上述映射关系来构建OBMBI图像;接着,对该OBMBI图像二值化、矢量化以获取建筑物多边形;最后,对结果进行后处理优化。使用一景航空、一景卫星全色影像对本文方法和PanTex方法进行性能测试。试验表明,本文方法的建筑物提取精度显著的优于PanTex方法。其中,本文方法平均比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。     

基于自适应参数估计的多时相遥感图像变化检测

提出一种基于自适应参数估计实现多时相遥感图像的变化检测算法.首先应用分层Markov随机场模型建立多时相差分图像的统计模型;然后通过非监督的迭代自适应参数估计实现差分图像的分类,从而检测出变化的像元.在每次参数估计过程中,先将上次估计出的参数用于最大后验估计实现差分图像的分类,然后根据分类结果再对参数进行修正,并将修正后的参数用于下一次迭代分类,如此循环迭代,能够自适应地完成差分图像的参数估计与分类.     

星载多相机拼接成像传感器在轨辐射定标方法

星载传感器在轨辐射定标是定量遥感的核心和基础,其定标精度将直接决定定量遥感产品的质量。但是对于多相机拼接成像传感器而言,现有在轨辐射定标方法无法实现各相机绝对辐射定标与相机间相对辐射校正的一体化处理。因此,本文以高分一号(GF-1)卫星宽视场(WFV)传感器为例,提出了一种基于改进型辐射区域网平差的在轨辐射定标方法。该方法首先利用传统的交叉定标方法获取WFV传感器各相机的辐射控制点信息,然后在同轨相邻相机影像重叠区域中提取辐射连接点信息,最后在考虑相机间相对辐射校正与绝对辐射定标之间的耦合关系后,采用整体平差的方式同时获取各相机在轨绝对辐射定标系数及辐射约束条件方程参数。试验结果表明采用该方法获得的各波段在轨绝对辐射定标系数的相对误差均优于9.34%,同时利用该定标系数能够实现同轨相邻相机影像间相对辐射校正处理,其重叠区域各波段表观辐亮度差异绝对值的平均值均小于1.63 W·m~(-2)·sr~(-1)·μm~(-1)。     

高海拔山区草地物候提取方法对比分析

准确量测高海拔山区的植物物候对理解全球变化下的敏感生态系统的响应具有重要意义。利用物候相机和遥感技术开展物候信息的提取和对比,既能准确评估物候相机在山区植物物候提取的性能,又可为山区遥感物候数据反演提供重要参考。利用中国新疆维吾尔自治区天山山区人工观测、物候相机和遥感数据,测试了5种曲线拟合方式与4种物候参数提取方法的20种组合的物候参数提取结果,对比了3种数据在物候信息提取结果的异同。结果表明：（1）植物物候相机能在天山山区草地物候观测中提供高时间分辨率的绿度变化信息,是山区开展物候观测并验证遥感物候数据的有效手段。（2）山区雨雪天气等对相对绿度指数产生较强噪声影响,需要选择合适的滤波器进行去噪。（3）曲线拟合方式和物候提取方法均对物候参数数值产生影响。而提取方法可产生更明显的差异性,其中,阈值法和导数法提取的物候数值相近,开始期与人工观测的返青期一致性较好,停止期与枯黄期一致性较好;而Klosterman方法和Gu方法提取物候数值相近,提取的开始期与人工观测的返青末期一致性较好,停止期与人工观测的枯黄末期一致性较好。（4）20种不同滤波+提取方法的组合形式在山区遥感数据物候信息提取...     

遥感尺度内涵及遥感像元尺度效应分析的改进分形方法

本文首先分析了遥感影像尺度的三层次内涵。重点针对遥感像元尺度,分析了遥感像元尺度效应及其分形机理,由于现有分形方法没有考虑影像本身尺度(空间分辨率),造成尺度间分形维数的比较时像元尺度效应变化难以有效反映,本文针对此问题提出了基于表面积的加窗分形布朗运动和加窗双层地毯两种改进分形方法。为验证改进分形方法的可靠性,采用了不同像元尺度下系列监督分类进行验证。试验结果表明,每种地物的分维数都随着空间分辨率的降低或像元尺度的缩小,呈总体下降趋势,在某些特征尺度上会出现预示着某些地物结构的拐点,这些拐点对观测该区域地物具有一定指示意义。系列监督分类精度也一定程度上证明了以上两种改进分形方法在分析尺度效应中的可行性。因此本文的方法对于分析遥感像元尺度效应和探索地物尺度聚合规律具有一定的理论意义。     

基于最优极化相干系数的倾斜建筑物解译研究

基于Freeman_Durden分解的全极化SAR影像分类方法能够较好地保持地物极化散射特性,但在分类的过程中,不能改变初始散射机制,导致分解结果对分类精度影响很大。在Freeman_Durden分解中,排列方向相对雷达飞行方向不平行的建筑物（简称为倾斜建筑物）常被分为体散射类型,使得该类建筑物往往被误分为植被。本文通过分析建筑物在SAR影像中的后向散射特性,利用建筑物具有较高相干性的特点,引入最优极化相干系数,在目标分解的基础上通过阈值分割将两者区分开来,进而提高反射非对称性人工目标的分类效果。通过使用E-SAR系统在德国DLR附近Oberpfaffenhofen地区获取的L波段PolInSAR影像和国内X-SAR系统在海南陵水地区获取的X波段PolInSAR影像进行实验,证明本文提出的方法能够有效地将与雷达飞行方向不平行的建筑物与森林区分开。     

A fuzzy topology-based maximum likelihood classification

Classification is one of the most widely used remote sensing analysis techniques, with the maximum likelihood classification (MLC) method being a major tool for classifying pixels from an image. Fuzzy topology, in which the set concept is generalized from two values, {0, 1}, to the values of a continuous interval, [0, 1], is a generalization of ordinary topology and is used to solve many GIS problems, such as spatial information management and analysis. Fuzzy topology is induced by traditional thresholding and as such gives a decomposition of MLC classes.Presented in this paper is an image classification modification, by which induced threshold fuzzy topology is integrated into the MLC method (FTMLC). Hence, by using the induced threshold fuzzy topology, each image class in spectral space can be decomposed into three parts: an interior, a boundary and an exterior. The connection theory in induced fuzzy topology enables the boundary to be combined with the interior. That is, a new classification method is derived by integrating the induced fuzzy topology and the MLC method. As a result, fuzzy boundary pixels, which contain many misclassified and over-classified pixels, are able to be re-classified, providing improved classification accuracy. This classification is a significantly improved pixel classification method, and hence provides improved classification accuracy.     

基于SIFT算法的无人机航空遥感影像匹配

当无人机低空飞行获取高分辨率遥感影像时,由于不同摄站点拍摄角度不同,使得建筑物等凸出地面的物体在立体像对上成像时产生投影差,导致物体成像几何形状发生畸变并且出现地面高层建筑物之间遮挡现象严重的问题,从而导致匹配困难,成为影响无人机航空遥感影像匹配质量的主要因素。本文采用对旋转、遮挡、缩放、图像局部灰度变化等都具有较强的稳定性的SIFT算法来进行匹配,并取得了很好的效果。     

基于ENVI／IDL与ArcGIS Engine的GCP选取与实现

针对遥感图像几何校正中GCP选取受人为因素影响较大、分布与数量难以确定等问题,在分析图像局部特征的基础上,结合Voronoi图,基于ENVI／IDL与ArcGISEngine一体化开发技术,研究了一种具有半自动选取和空间分析功能的GCP选取方法。实验通过一幅面积为3278．47km。的遥感图像进行几何校正,结果表明本文研究的GCP选取方法可以将工作效率提高近一倍,总RMS可降低约0．3个像素,在实际生产中具有一定的参考意义。     

基于相关系数的遥感图像拼接线检测算法

提出了一种基于相关系数方法的遥感影像最佳拼接线的检测算法.该算法根据影像重叠区域内两幅影像对应像素的相关性来判别像素之间纹理差异,结合了影像亮度差异的信息,检测出的镶嵌线优于平分线法检测出的镶嵌线.以4幅相邻影像自动寻找镶嵌线为例进行了实验,取得了良好的效果,验证了算法的实用性与有效性.     

卫星成像质量可靠性研究初探

将可靠性理论引入到航天摄影测量中,研究卫星成像质量可靠性问题。提出了卫星成像可靠性即是在规定条件和时间内,卫星的成像质量达到规定要求的能力;卫星成像质量可靠性分为可靠性设计、测试、增长和保持4个部分,并对可靠性的分析方法和流程进行叙述。对国外主流光学/合成孔径雷达（synthetic aperture radar,SAR）卫星成像质量可靠性研究情况进行了概述,针对国产卫星成像质量可靠性进行初步的研究和分析,验证了卫星成像质量可靠性理论与方法在国产卫星应用的有效性。     

一种利用Mask R-CNN的遥感影像与矢量数据配准方法

遥感影像数据与地理信息系统（geographic information system,GIS）矢量数据的配准是遥感与GIS集成的基础。目前遥感影像与矢量数据的配准关键在于遥感影像特征的提取,而现有遥感影像特征提取方法存在特征提取不完整、配准失败和精度不高等问题。由此提出了一种基于Mask R-CNN(region-based convolutional neural network)的遥感影像与矢量数据配准方法,首先,利用Mask R-CNN模型提取影像的道路交叉口作为影像控制点;然后,依据几何拓扑关系筛选矢量数据道路交叉口作为矢量控制点,再根据遥感影像与矢量数据控制点的欧氏距离确定同名控制点;最后,以同名控制点为基础实现遥感影像与矢量数据的配准。选取上海市矢量数据和高分二号影像数据进行配准实验,实验结果表明,所提方法鲁棒性强、精度高。     

基于中值滤波和小波变换的遥感影像去云

去云处理是遥感图像处理以及大气纠正的重要步骤,目前常用的遥感薄云去除法一般只能去除低频区域的云,而对高频区域的云则没有处理效果。因此,在研究传统小波算法对图像进行处理的基础上,引入了中值滤波,它将每一像素点的灰度值设置为该点邻域窗口内的所有像素点灰度值的中值,旨在对高频突变云区进行处理。而后结合主观视觉和客观统计分析两方面对结果进行评价,并且与传统小波去云比较,经分析表明,高频突变云有所减少,达到了预期目的。     

一种遥感影像边界无效像元的检测方法及应用

遥感数据在进行几何校正或投影变换后常常会在边界形成一些无效像元,这些无效像元会对影像的辐射信息统计、质量评价产生影响。提出了一种基于区域生长的影像边界无效像元检测方法,以4个顶点为种子点,考察种子点周围的所有边界来进行区域增长,通过这些点的区域增长将与无效像元具有相同灰度值属性的相邻像素合并到此区域。以信息熵为例,阐述了该方法在影像统计与质量评价中的应用意义。     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973,优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。     

A Multispectral Remote Sensing Data Spectral Unmixing Algorithm Based on Variational Bayesian ICA

Mixed pixel is a key issue in medium to coarse resolution remote sensing image, and it seriously restricts the remote sensing classification. This paper presents an Independent component analysis (ICA) algorithm based on the variational Bayesian (VB) methods, named VBICA, for spectral unmixing in multispectral remote sensing image. The model assumes that the mixed pixels to be separated are given as linear mixtures. The matrixes of linear mixtures are assumed to be unknown. In the Bayesian framework, the endmember and abundance have finally been achieved with Bayesian inference and approximate variational algorithm. The proposed method is evaluated and tested on a numerical simulative image from the noise resistance, area size, pixel purity, estimated number of endmembers and real multispectral remote sensing image of 100?×?100 pixels. Experimental results on simulated image demonstrated that compared to the Fast ICA algorithm, the proposed algorithm can give more accurate results, and the validity of the proposed algorithm is verified by the real multispectral remote sensing image of the similarity on spectral curves, average similarity and ground objects distribution maps.     

基于EM和BIC的直方图拟合方法应用于遥感变化检测阈值确定

利用遥感图像进行变化检测时,确定"差异图像"上各变化类型的阈值非常关键.本文引入图像直方图拟合方法来确定变化阈值.首先通过基于变化向量分析方法,得到变化强度图像,然后假设该变化强度图像中的像元值符合混合高斯分布模型,利用期望最大(EM)算法和贝叶斯信息准则(BIC)求出最佳的混合高斯分布模型,拟合此时的图像直方图,最后利用贝叶斯判别准则确定出各变化类型的变化阈值.试验证明,这种方法是一种较为有效的自动确定变化阈值的方法.