深度卷积特征表达的多模态遥感影像模板匹配方法

多模态遥感影像间(光学、红外、SAR等)存在显著的非线性辐射差异,传统方法难以有效地提取影像间的共有特征,匹配效果不佳.鉴于此,本文将深度学习方法引入影像匹配中,提出了一种基于Siamese网络提取多模态影像共有特征的匹配方法.首先通过去除Siamese网络中的池化层和抽取特征来优化该网络,保持特征信息的完整性和位置精度,使其可有效地提取多模态影像间的共有特征,然后采用模板匹配策略,实现多模态遥感影像高精度匹配.通过利用多组多模态遥感影像进行试验,结果表明,本文方法的匹配正确率和匹配精度都优于传统的模板匹配方法.     

智能遥感深度学习框架与模型设计EI北大核心CSCD

近年来,随着遥感技术的快速发展,遥感对地观测数据获取量与日俱增。在对海量遥感数据的特征提取与表征上,基于深度学习的智能遥感影像解译技术展现出了显著优势。然而,遥感影像智能处理框架和信息服务能力还相对滞后,开源的深度学习框架与模型尚不能满足遥感智能处理的需求。在分析现有深度学习框架和模型的基础上,针对遥感影像幅面大、尺度变化大、数据通道多等问题,本文设计了嵌入遥感特性的专用深度学习框架,并重点讨论了其构建方法,以及地物分类任务的初步试验结果等。本文提出的智能遥感解译框架架构将为构建具备多维时空谱遥感特性的深度学习框架与模型提供有力支撑。     

多模态遥感图像模板匹配Log-Gabor滤波方法

针对多模态遥感图像匹配难的问题,本文提出了一种基于Log-Gabor滤波的高精度匹配方法。该方法采用由粗到细的多层级密集匹配框架,无须进行特征点检测,避开了多模态图像特征点检测重复率低的问题,能够提取大量高精度匹配点对。本文方法主要分为两步：首先,利用多尺度多角度Log-Gabor滤波器构建对图像间非线性辐射差异稳健的特征金字塔;然后,利用粗尺度的底层特征图进行密集模板匹配,提取大量粗粒度的特征匹配点对,在此基础上再利用特征金字塔,实现粗匹配点自下而上的逐层优化,完成高精度特征匹配点对的提取。同时,针对模板匹配滑窗运算效率不高的问题,提出了一种密集模板匹配的快速实现方式,有效减少了密集模板匹配的运算时间。本文使用多组不同模态的遥感图像进行试验,结果表明,本文方法能够克服图像间非线性辐射差异的影响,在正确匹配数目、匹配准确率与匹配精度上均优于现有多模态图像特征匹配方法。     

多源遥感地质灾害早期识别技术进展与发展趋势EI北大核心CSCD

随着全球气候变化、矿产资源开采和大型人类工程活动的不断加剧,冰崩、塌陷、滑坡、地面沉降和地裂缝等多类型地质灾害呈现高频性和链生性的趋势,灾害后果更加严重。大范围高效率地质灾害的早期识别是防灾减灾的重要前提,也是工程安全的技术保障。本文首先介绍了多类型地质灾害的特点和常规识别方法;然后,重点介绍了光学遥感、微波遥感、机载LiDAR及多源遥感数据融合技术在不同类型地质灾害识别中的技术特点和典型应用,并对当前地质灾害早期识别存在问题和下一步发展趋势进行了总结与展望。     

遥感地表温度产品时空融合方法研究综述EI北大核心CSCD

受传感器性能的制约,利用单一卫星热红外遥感数据反演到的地表温度产品难以兼顾时间分辨率和空间分辨率,而时空融合技术能够发挥多传感器互补的优势,获得时间密集度高、空间细节丰富的地表温度产品,从而在算法层面上解决这一矛盾。随着时空融合研究的深入,地表温度开始显露出与其他产品有着明显区别的融合特性,而内在机理和应用潜力都有待被整理和挖掘。本文就立足于地表温度与时空融合的交叠区,对两者结合而生的研究成果进行收集、分析和总结,系统地概述了该领域的研究背景、原理、方法和应用,并重点突出与泛在时空融合技术的之间的联系与区别;最后,基于地表温度数据的特点和时空融合的局限性,总结了该领域所面临的主要挑战,并对可行的解决方法和发展方向进行了展望。     

面向精细化多尺度特征的遥感图像目标检测EI北大核心CSCD

遥感图像目标检测是对目标视觉特征的描述与图像先验知识的表达,解译得到的信息无论在军事领域还是在民用领域都有着广泛的应用。针对复杂场景下遥感图像目标特征提取能力不足,目标尺度差异较大、方向任意且紧密排列,传统目标检测所使用的水平框难以准确定向等问题,提出了一种精细化多尺度特征的遥感图像定向目标检测算法。首先,设计了一种基于空洞卷积的上下文注意力网络,能够利用不同空洞率的卷积核捕获局部和全局语义信息,并利用注意力机制将语义信息整合到原始特征上,提升目标特征提取能力;其次,提出了一个精细化的特征金字塔网络,通过像素混洗的方式减少特征金字塔中的通道信息损失,强化网络对差异性大的多尺度目标特征信息的理解能力;最后,研究利用滑动顶点的方式回归定向的矩形框,更好地表示遥感图像内有向目标的位置。本文以Fast R-CNN OBB为基准,通过在目标检测公开数据集DOTA和HRSC2016上验证了算法的有效性,结果显示本文算法在DOTA数据集上与基准算法比较,平均精度(mAP)提升了22.65%,最终检测精度mAP达到了76.78%。在HRSC2016数据集上,最终检测精度mAP达到了89.95%。此外,本文算法较多种先进算法相比均有具有较好的提升。     

多模态时空大数据可视分析方法综述

时空大数据可视分析是近年国际大数据分析与数据可视化领域研究的热点前沿,也是全空间信息系统的核心研究内容之一。本文针对时空大数据多源、多粒度、多模态和时空复杂关联的特点,按照描述性、解释性和探索性3个层次分类归纳了现有时空大数据可视分析方法,论述了时空大数据可视分析中多模态特征筛选、新型人机交互分析以及探索性可视推理等技术难点和主要发展动态。研究表明,以数据可视化为主的描述性可视分析研究相对成熟,以可视环境下交互式挖掘分析实现问题诊断为主的解释性可视分析已成为当前大数据分析的焦点,而面向复杂问题协同决策的探索性可视分析方法则是大数据分析有待突破的重要发展方向。     

基于多源遥感的大尺度高分辨率不透水面深度学习提取方法EI北大核心CSCD

深度学习是提取不透水面的一类重要方法,具有精度高,泛化性强等优势。但是模型的训练需要依靠大量的训练样本。尤其是在高分辨率、大尺度不透水面制图时,获取数量足够且高质量的训练样本非常费时费力。因此,本文结合多源遥感影像与开源数据,提出了一种大尺度高分辨率不透水面自动提取方法。该方法首先从众源数据OpenStreetMap中自动获取训练样本,然后用开源的不透水面产品对噪声样本加权,减小标签噪声对模型训练的负面影响;在此基础上,构建了一种三分支的超轻量级CNN模型,融合光学、SAR和地形数据生成10 m不透水面产品。以越南全境为试验区,对本文方法进行了验证。试验结果表明,本文提出的方法分类总体精度和Kappa系数分别为91.01%和0.82,优于目前已发布的不透水面产品。本文研究成果可为澜湄流域等热带亚热带城市可持续发展和生态环境保护提供基础技术和数据支撑。     

基于深度学习的像素级全色图像锐化研究综述EI北大核心CSCD

全色图像锐化是遥感数据处理领域的一个基础性问题,在地物分类、目标识别等方面具有重要的研究意义和应用价值。近年来,深度学习在自然语言处理、计算机视觉等领域取得了巨大进展,也推动了像素级全色图像锐化技术的发展。本文提出从经典方式和协同方式两个方面对深度学习在全色图像锐化中的研究进行系统的综述,并在此基础上进行前景展望。首先,给出全色图像锐化常用的数据集和全色图像锐化的质量评价指标;接着,从经典方式与协同方式两个方面对基于深度学习的全色图像锐化最新研究成果进行分门别类的介绍,并进行算法性能的对比、分析和归纳;然后,对全色图像锐化的3个主要应用领域如地物分类、目标识别和地表变化检测进行分析;最后,本文探讨了基于深度学习的全色图像锐化的5个未来研究方向。     

序EI北大核心CSCD

同济大学测绘学科诞生于1932年,是中国民用测绘高等教育的发祥地,几乎所有的中国测绘先驱都曾在同济大学工作.我是1955年进入同济大学测量系学习的,后同济大学服从国家需要,测绘学科整建制从上海迁往武汉,成立了武汉测量制图学院。迄今,同济大学测绘学科已培养了包括中国科学院院士、中国工程院院士、杰青、长江、全国劳模等一大批为祖国建设辛勤付出的优秀领军人才。     

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

无人机遥感影像匹配中的优化SIFT-OCT算法

针对传统尺度不变特征转换(SIFT)算法在高分辨率影像中检测特征点数量多、匹配效率低、无法快速对无人机低空遥感影像进行特征匹配的问题,该文优化SIFT-OCT算法的特征检测、特征匹配方法,主动放弃第一组尺度空间进行特征检测,并采用影像分块的方法加快检测过程;在特征匹配阶段,提出相似性系数进行匹配点对二次筛选,利用随机抽样一致性(RANSAC)算法计算透视变换模型参数进行精匹配.选取同一无人机序列影像中的4组不同地物类型的影像进行对比验证实验,结果表明,优化SIFT-OCT算法极大地限制特征提取数量,提高影像匹配效率,适合无人机低空遥感影像匹配.     

地物空间关系匹配的高分辨率遥感影像检索

从低层视觉特征与地物空间关系特征对影像内容进行描述,建立检索模板与目标影像间的相似性直方图表达,提出一种适用于高分辨率遥感影像检索的新方法。首先,利用Quin+树将大幅面原始遥感影像分解为一系列同尺寸的序列子块;然后,分别提取各子块的低层视觉特征与地物关系特征,并以子块为基元构建候选子块的特征直方图;最后,对比检索模板与候选子块间的特征直方图相似性,实现高分辨率遥感影像的检索。使用多幅多源高分辨率遥感影像进行实验,结果表明本文方法对耕地、水系、建筑物等地类的检索精度大都维持在0.8以上,且各项检索性能指标均优于已有的两种遥感图像检索算法。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

Contourlet变换和Tsallis熵的多源遥感图像匹配

提出了一种利用Contourlet变换、Tsallis熵和改进粒子群优化的多源遥感图像匹配算法。在分别对参考图像和目标图像进行Contourlet分解的基础上,以基于Tsallis熵的互信息量作为相似性度量准则,利用改进的带极值扰动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,逐级上推,最终实现全分辨率情况下多源遥感图像的匹配。实验结果表明,与常用的遥感图像匹配算法相比,该算法匹配精度高,稳健性好,且运算量大幅减少。     

典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

陆地总初级生产力遥感估算精度分析

准确估算陆地总初级生产力GPP(Gross Primary Productivity)数值对碳循环过程模拟有重要影响。本文介绍了多种基于植被指数以及基于光能利用率的遥感GPP算法,综述了不同算法在其研究区域的估算精度;并分析了MODIS/GPP以及BESS/GPP两种遥感GPP产品在不同植被类型的估算精度。通过对比全球碳通量站网络GPP数据表明,MODIS/GPP产品在全球估算结果具显著相关性(R2=0.59)及中等标准误差(RMSE=2.86 g C/m2/day),估算精度较高的植被类型有落叶阔叶林,草地等;估算精度较低类型包括常绿阔叶林,稀树草原等。本文对GPP产品中存在的不确定性进行分析,通过综述前人研究中发现的遥感估算GPP方法中存在的问题,指出可能的提高卫星遥感GPP产品估算精度的方法及发展趋势。     

智能遥感卫星与遥感影像实时服务

传统的卫星遥感系统数据获取、处理和应用模式无法满足卫星遥感影像大众化和实时化的应用需求,亟须发展智能遥感卫星系统,以解决遥感影像在轨处理和智能服务问题。本文首先阐述了智能遥感卫星的发展;然后对智能遥感卫星在轨处理架构、服务模式和在轨处理所涉及的关键算法进行了详细介绍;最后结合珞珈三号01星的设计和研制,探讨了珞珈三号01星的服务场景和服务模式,并对5G、6G和人工智能时代下的智能遥感卫星的未来发展进行了展望。     

基于缨帽变换的遥感图像融合方法研究

本文阐述了图像融合和缨帽变换的意义,针对缨帽变换在植被信息提取方面的优点,提出一种新的基于缨帽变换的遥感图像融合方法。为了验证算法的有效性,在城区遥感图像融合中,将其与其他几种图像融合算法进行比较。实验结果表明,基于缨帽变换的遥感图像融合方法得到的结果图像纹理清晰、结构完整、光谱保持能力强,在城市零星绿地提取中有着显著的效果。     

几种TM影像的水体自动提取方法比较

本文对几种常用的TM影像水体方法进行论述,并提出了两种水体自动提取方法,一种是将TM2+TM3>TM4+TM5的谱间关系法与IHS彩色空间构建模型相结合提取水体;另一种是基于卫星图像数据的LBV变换与归一化植被指数NDVI的遥感影像水体信息自动提取的方法。并通过实验比较几种方法的优点和缺点,IHS彩色空间构建模型的方法可以有效地提高细小水体提取的精度,LBV变换与NDVI相结合的方法可以准确地区分水体与低密度覆盖的水植混合区。