基于港口船舶识别的高分二号卫星遥感影像融合方法比较

在卫星遥感影像识别中,相较于海上单一环境的船舶识别,港口船舶识别由于存在集装箱、码头等大量干扰目标,显得更为困难。采用强度-色度-饱和度(Intensity-Hue-Saturation, IHS)变换、Brovey变换(Brovey Transform, BT)、ESRI全色锐化变换、简单均值变换和施密特正交变换法(Gram-Schmidt, GS)等5种融合算法,进行高分二号卫星全色和多光谱影像的融合试验,通过定性和定量评价选出适用于港口船舶影像的最优方法。结果显示GS融合方法在增加影像空间信息的同时维持了光谱保真性,其均方根误差、峰值信噪比、结构相似性等指标均优于其他4种融合方法,可用于港口船舶识别。     

基于地震沉积学的古河道展布特征与演变过程——以川东北通南巴背斜中下侏罗统为例

基于地震沉积学理论,根据基准面旋回变化,利用沿层地层切片的高分辨率纵向演化特征与高精度地震成像技术,研究川东北地区通南巴背斜中下侏罗统的古河道展布、古河道定量化特征与演变过程.结果表明:研究区中下侏罗统沉积时期发育4期古河道(湖侵体系域两期曲流河河道、高位体系域早期顺直型河道与晚期辫状河河道),古河道为厚层砂岩沉积,测...     

南海东部地区断层阴影带构造落实方法及其应用研究

南海东部地区断层阴影带构造圈闭资源潜力巨大,部分区带老三维地震资料近似平行于新近系控圈断层走向方向采集,断层阴影带照明度低,受断层带、断层两盘地层速度差异等因素影响,阴影带速度各向异性特征明显,准确深度偏移成像面临挑战,断层圈闭构造落实难度大,不利于断层圈闭的评价及油田开发方案部署.基于此,近年开始在油气成藏有利区带垂...     

近岸水体异源遥感反射率产品的融合方法研究

数据融合能够综合利用多源遥感数据优势,获取高空间分辨率和高测量精度的遥感影像,对于近岸水体生态环境监测和灾害预警均具有重要意义。但目前使用的数据融合方法多是针对内陆水体或大洋水体的,其在近岸水体的适用性仍需进一步评估,因而本文开展了近岸水体遥感数据融合方法的对比研究。本文以高空间分辨率的Sentinel-2 MSI影像和中等空间分辨率的Sentinel-3 OLCI影像为数据源,分别开展了基于小波变换（WTBF）、生物光学模型（BOBF）和混合像元分解（IUBF）三种方法的数据融合实验,并在此基础上借助现场实测遥感反射率（Remote-sensing Reflectance,Rrs）数据与融合影像对应点的平均相对误差（MRE）、均方根误差（RMSE）、偏差（bias）和平均梯度对各种方法的融合数据质量和区域适用性进行了评估。结果表明：（1） OLCI的Rrs数据精度高于MSI。其中MSI在443 nm、560 nm和665 nm三个波段的MRE、RMSE均高于OLCI,表明MSI的Rrs精度相对OLCI较低;目视效果和平均梯度表明MSI的清晰度高于OLCI。（2） BOBF是三种方法中...     

基于决策融合的SPOT-6影像土地覆被分类研究

多分类器决策融合方法在提高遥感影像分类的准确性和可靠性方面已表现出了巨大潜力,但这一过程中对所有像元多次分类会产生巨大的时间代价,为改善这一问题,本文提出了主分类器的概念.在青海湟水流域确定2个试验区,对7种常用的分类器进行评估,排除精度较低的3种分类器后,选择支持向量机(Support Vector Machine,...     

结合模糊度和形态学指数约束的深度学习建筑物提取

基于高分辨率遥感影像的建筑物提取一直是研究的热点问题,深度学习的深层次特征提取方法,非常适合高分辨率影像中建筑物的提取,但使用深度学习提取建筑物时,大多以改变网络结构为主进行算法优化,很少与其他方法结合.本文研究在改进深度学习网络结构的基础上,结合影像模糊度约束增强、形态学建筑指数约束增强等方法,对建筑物提取方法进行更...     

基于多源数据融合预测沉降的方法

基坑施工过程中主要有地表沉降、地下管线沉降、锚杆应力、支护桩顶位移、支护桩体位移5项沉降监测项目,因此,沉降预测对评价基坑稳定性至关重要。由于5项监测项目之间互相关联、互相影响,因此,可通过灰色模型GM(1,N)融合其他几种监测项目的多源数据,实现对沉降数据的预测。通过实例计算,基于灰色模型GM(1,N)融合多源数据的方法适用于地下管线、锚杆应力和支护桩身3种数据的沉降预测。     

ENVISAT ASAR数据与CBERS-02数据的融合与应用

本文首次利用ENVISAT ASAR交叉极化模式数据与中巴地球资源卫星02星(CBERS 02)CCD数据进行融合,对融合后的图像进行分析和讨论。通过对IHS变换融合、主成分分析融合和小波变换融合比较分析发现,采用IHS变换融合具有更好的目视判读效果,但是由于ASAR数据受到相干斑噪声的影响,在滤波去噪后,使融合图的空间分辨率变低。另外,该融合图包含了地物的VV极化和HH极化后向散射特征,使地物结构形态、复介电常数和地物的光谱信息等重要的地物参数信息都包含在融合图中,增强了区别地物的能力,就农作物的目视解译和分类而言,精度得到了较大的提高。     

基于融合资料的天津短时强降水环境物理量可信度及特征分析

针对2009—2017年6～9月天津地区140次短时强降水天气过程,将NCEP FNL(1°×1°)全球分析资料与地面气象观测数据融合,计算天津地区短时强降水的融合物理量参数,通过偏差和偏差区间占有率等分析融合物理量的可信度,并在大量样本统计基础上给出不同月份的短时强降水环境参量特征和指标。结果表明：(1)基于NCEP FNL分析资料与地面气象观测数据的融合物理量在短时强降水潜势判断中具有较高的可信度,融合CAPE、LI、LCL平均绝对误差分别为260.7J.kg_^-1、0.9℃、14hPa,与融合前的NCEP FNL物理量相比绝对误差分别降低了58.1%、48.0%、49.0%。(2)不同月份短时强降水发生所必需的水汽、热力和能量等环境条件差异显著,TPW、K、LI、CAPE、LCL和Z₀均呈现明显的月变化特征。(3)若以75%短时强降水发生的环境条件作为预报指标,7～8月TPW、K、CAPE、Z₀、LCL物理量阈值极为相近,短时强降水多发生在TPW>45kg.m_^-2、K>32℃、CAPE>835J.kg_^-1、LCL>882 hPa、Z₀>4300m条件下,6月物理量指标要求明显降低,如TPW>34kg.m_^-2、K>30℃、CAPE>353J.kg_^-1、LCL>880 hPa、Z₀>3900m,9月预报指标要求则最低。     

基于深度学习的卫星多通道图像融合的海雾监测处理方法

海雾无论在海上还是在沿岸地带，都因其恶劣的能见度对交通运输、海洋捕捞和海洋开发工程以及军事活动等造成不良影响，因此对于海雾的实时监测和预报就显得尤为重要。本文提出了基于深度学习的静止气象卫星多通道图像融合分割算法，使用D LinkNet深度卷积神经网络语义分割算法模型对黄渤海海域范围的16通道、空间分辨率为0.5 km的Himawari 8卫星数据进行研究。分别采用均交并比（mIOU）以及观测值检验作为评价指标，在测试集上的mIOU为0.9436，并且用卫星测试数据结果与海上观测数据结果进行对比，得出雾区准确率（检测有雾且真实有雾/检测有雾）为66.5%，雾区识别率（检测有雾且真实有雾/（真实有雾-云覆盖））为51.9%，检测正确率(检测正确/总样本)93.2%。本文提出的方法能为海雾监测提供一个可靠的参考。