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。     

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。     

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。     

基于SFM和PMVS的倾斜影像三维建模方法研究与实现

与传统航拍相比,倾斜航拍作为一种新型的航拍方式,可以为三维城市建模提供更多的纹理数据支持,但是由于航拍倾斜角度较大,所获影像透视畸变明显,给倾斜航空影像间的匹配造成困难。本文利用Structure from Motion算法(简称SFM算法)对倾斜航空影像的相机姿态进行精确标定,并结合Patch-based Multi-view Stereo算法(简称PMVS算法)对标定影像进行密集匹配。结果表明,SFM算法对于倾斜航空影像的姿态标定具有较好的适用性,且通过PMVS算法能够得到大量具有颜色信息的三维点云数据,这些点云数据可直接用于三维场景重建。     

机载激光雷达飞行数据的现场快速检查方法

介绍机载激光雷达在飞行数据获取阶段,快速检查航飞获取点云数据与影像数据是否满足设计需求,可在飞行期间及时针对绝对漏洞和相对漏洞进行补飞;文章主要围绕TerraSolid系列软件,详细论述了飞行架次结束后快速检查机载激光雷达数据及数码航片的方法和流程。     

联合云检测与高通滤波的含云影像融合方法

云噪声是光学卫星影像的常见问题,为了衡量云噪声对影像融合带来的影响,本文以高通滤波融合算法为例进行分析,指出云与地物的均值相差越大,云对影像融合的影响越大,并提出了一种针对含云影像的融合方法,即联合云检测与高通滤波的含云影像融合方法。该方法首先利用NIR/R-OTSU云检测算法实时进行云检测,判别出影像中的云覆盖区域;其次采用局部优化策略利用高通滤波融合方法分块对非云区域进行处理,得到融合影像。利用资源三号多光谱和正视全色影像进行融合实验,结果表明,本文算法比高通滤波融合方法、亮度色度饱和度(intensity hue saturation,IHS)变换融合方法、Pansharp融合方法更适用于含云影像的融合处理。     

无人工标注数据的Landsat影像云检测深度学习方法

云和云阴影检测是Landsat影像产品生产的重要环节.近年来,深度学习极大提升了Landsat影像云检测的精度,但是深度卷积神经网络模型的训练依赖庞大规模的标注图像,需要人工标注出大量图像上每个像素是否为云或云阴影.人工标注成本高、耗时长,不利于训练出具有实用价值的模型.受弱监督学习启发,文章提出一种新的云和云阴影检测...     

一种考虑云检测的遥感影像匹配方法

针对有云遥感影像间常规匹配效果不佳的问题,提出了一种考虑云检测的遥感影像匹配方法,主要包括有云区域的探测、特征点提取和相位匹配三个部分。通过对影像局部区域的高亮度像素的统计,在特征点提取时避开有云区域,最后通过物方空间的相位相关获取同名点对。实验表明本方法在包含大量云团的影像之间能够明显改善匹配效果。     

Landsat8影像中云和阴影的去除方法及应用

云的干扰严重影响了遥感影像的数据生产和应用,针对青海大面积地区无云数据严重缺乏而造成的遥感影像数据生产应用困难问题,研究Landsat8影像中云及云阴影去除的方法与流程,利用Landsat8遥感影像的光谱特征及其卷云波段,设计云及阴影区域检测模型,检测多种云覆盖情况下的云影响区域,通过多时相遥感影像的配准、相关分析、最小二乘拟合等图像运算得到消除或弱化云影响的遥感影像。同时,应用此方法进行数据生产,为青海地区实际项目实施提供高质量的无云遥感影像数据源。     

采用主成分分析的改进云检测算法

针对Fmask云检测算法难以区分Landsat遥感影像上云和冰这一技术难题,该文提出一种基于主成分分析的改进Fmask云检测算法。首先对Fmask中归一化植被指数和归一化雪指数固定阈值进行自适应阈值改进,并对影像进行主成分变换,然后对主成分分析变换后的组合波段进行改进的Fmask云检测,最后进行算法对比分析。以北极地区的TM影像进行实验,结果表明,对同时覆盖冰层和云层的Landsat遥感影像,该文提出的算法能够提高云检测精度。     

基于机载激光扫描和倾斜影像匹配的点云构建及差异性分析

点云是三维空间数据的重要组成部分,机载激光扫描和倾斜影像匹配是两种主要点云构建技术,具有共性与差异性。本文旨在分析机载激光扫描和倾斜影像匹配技术构建点云的差异性,首先阐述了机载激光扫描和倾斜影像匹配点云构建的具体方法,然后结合案例,从点云构建效果、数据完整性、密度、精度和植被穿透性等方面进行比较和分析。结果表明,两种技术构建点云都具有较好的数据完整性,均能生产高密集点云,远超规范要求,精度相当且较高,但是激光扫描在遮挡区有漏洞,影像匹配局部盲区细节失真;激光点云具有较好的穿透性,能实现不同植被覆盖区域地面点云构建,而影像匹配点穿透性差,在密集植被区域存在缺失甚至不能构建地面点。研究结果为后续点云构建方法的选用和优化提供了参考,具有一定的研究与应用价值。     

多源遥感影像的去云层处理

针对多源遥感影像的云覆盖问题，提出了利用多项式改正算法，以实现不同遥感影像之间的局部影像替换，从而满足去除目标影像上云覆盖的要求。     

多源遥感影像的去云层处理

针对多源遥感影像的云覆盖问题，提出了利用多项式改正算法，以实现不同遥感影像之间的局部影像替换，从而满足去除目标影像上云覆盖的要求。     

资源三号和天绘一号卫星影像无控联合平差精度分析

近年来国产卫星传感器类型日益丰富,使用自主可控的国产卫星影像进行生产和研究的需求越来越大,多源国产卫星影像联合平差的精度分析显得尤为重要。本文针对在立体测图生产中,资源三号卫星影像在时相较旧、噪声较大、云覆盖和摄影漏洞等特殊困难的条件下,利用天绘一号卫星影像进行补漏生产的情况,最终分析并验证了两者无控联合平差的可行性和成果精度。     

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。     

DEM约束的卫星影像定位法

作为"云控制"摄影测量理论和方法的发展,研究了DEM约束的立体卫星影像区域网平差方法。与DEM仅作为高程控制信息使用,或者是通过DEM表面匹配实现绝对定向的间接定位方法不同,DEM作为平高控制信息被直接引入至基于RFM模型的卫星影像区域网平差之中。本文方法将连接点地面高程与DEM格网内插高程之差作为虚拟观测值构建约束方程,不仅利用了DEM高程信息,并且利用了其地形曲面包含的平面信息,以"云控制"方式在区域网平差过程中有效消除卫星影像RPC参数中包含的整体偏移及区域网内部的扭曲变形,实现了无地面控制点条件下卫星影像平面及高程绝对定位精度的大幅提升。使用覆盖山东全境的330景天绘一号立体卫星影像进行试验,分别以AW3D30、ASTER GDEM和SRTM GL3共3种开源DEM作为控制信息,并使用100个外业实测控制点进行精度评测。试验表明,以DEM作为控制可显著提高区域网平差的平面与高程精度,卫星影像绝对定位精度与DEM自身精度有关。当使用AW3D30作为控制时,可以取得与使用100个外业控制点平差同等精度,平面中误差为5.0 m(约1像素),高程中误差为2.9 m。试验结果证明了DEM替代外业控制点作为平差控制信息的有效性与可行性。     

一种面向地理对象的遥感影像变化检测方法

根据高空间分辨率影像上变化区域呈聚集状分布的特点,提出了一种面向地理对象的遥感影像变化检测算法。在利用Mean-Shift分割算法的基础上,获得不同时相地理对象的灰度特征信息,结合变化矢量分析,采用最大数学期望算法自动提取变化区域。以QuickBird、SPOT、TM三组不同空间分辨率的影像进行算法验证并比较了该方法与单像素变化检测算法的差异。结果表明,三组影像中面向对象的变化检测算法的检测精度分别为91.1%,87.3%和84.3%,单像素的变化检测算法检测精度分别为86.41%,82.48%和81.02%。试验结果显示面向对象的算法检测精度高于基于单像素的变化检测算法,且对高空间分辨率的影像检测效果要优于对中低空间分辨率的影像的检测效果。该算法减少了变化阈值确定中的人工干预,克服了以像素为单位的变化检测算法中由于缺少空间邻域信息而产生孤立、离散、不连通变化结果的问题,能够满足在不同土地覆盖类型下的变化检测要求,在国土资源监测中具有一定的使用价值。     

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。     

基于天气模型的国产卫星影像获取能力分析

为了提升遥感影像质量,增强国产卫星遥感数据的地理国情监测能力,采用基于云层因素的天气模型,分析了云覆盖对国产卫星遥感影像获取的影响.在具体研究过程中,选取湖北省境内近年的高分一号、高分二号和资源三号卫星影像资料,重点分析了云覆盖对卫星遥感影像获取的影响.研究结果表明,高分一号卫星受云覆盖的影响相对较小,高分二号和资源三...     

基于地球剖分的卫星成像调度研究

鉴于云是卫星成像重要约束条件以及目前卫星影像中云信息描述简单、云的空间分布信息不足特点,本文提出基于GeoSOT云区位标识编码模型,对气象卫星影像中云进行标识与编码。利用气象卫星影像云区位标识编码中隐含的空间信息与卫星轨道或拍摄区域范围相结合,可准确计算卫星拍摄区域云覆盖情况,并将云覆盖空间范围信息作为卫星关闭相机的约束条件,避开对有云区域的拍摄,实现对卫星成像调度,达到获得高质量的卫星影像的目的。最后,通过仿真实验表明,基于GeoSOT云区位标识编码可用于卫星成像调度,具有一定应用价值。