利用 Landsat 8影像制作解译样本点辅助高分影像分类可行性的研究

地理国情普查项目使用的高分影像质量的良莠不齐给地表覆盖数据生产带来了巨大障碍。本文剖析了目前收集到的高分影像资料的主要缺陷,如多分辨率、多传感器、多年份和跨季节,给地表覆盖数据解译带来极大的局限性;阐述了Landsat 8影像自身的特点,如像幅面积大、获取周期短、波段信息丰富,同时提出利用Landsat 8影像辅助解译的思路,并通过试验验证这种方法的可行性。     

地理国情监测在城市化发展中的应用研究——以汕头市为例

开展地理国情监测工作的目的是为了获取自然与人类社会经济活动引起的地表变化信息,为政府、企业和公众提供地理国情信息服务。城市化发展、变迁是地理国情监测的重要应用方面之一,本文以广东省汕头市为例,基于遥感技术（ RS）,利用多时相影像数据提取不同时期建成区变化信息,并有针对性地对比分析,直观反映了汕头市三十多年的城市化发展的特点和进展情况。     

基于WorldView-2的遥感影像预处理

对于国家新推出的地理国情普查项目,卫星遥感数据作为其基础数据有着至关重要的作用,直接影响着目视解译的结果。本文主要对WorldView-2影像进行分析,并对其整个预处理的流程进行分析整理。最终表明,WorldView-2影像可采取辐射校正-几何校正-影像融合-数据正射纠正的技术路线对整个影像进行预处理,为地理国情普查项目中的影像数据预处理提供了参考及依据,为后续的目视解译过程奠定良好的基础。     

地理国情普查外业调查技术要求

地理国情外业调查是地理国情普查工作十分重要的工作内容,是保证地理国情普查数据质量的关键环节。外业调查是对采集的地理国情要素和解译的地表覆盖分类成果以及内业无法定性的类型、边界和属性进行实地调查,同时采集遥感影像样本数据,为最终形成地理国情要素数据、地表覆盖分类数据成果和遥感影像解译样本数据库提供基础。     

Imagestation OrthoPro正射影像匀光实践

简述了Imagestation OrthoPro匀光原理,结合其原理分析了正射影像匀光过程中,大面积水域、屋顶等产生明显色差的原因,并用实验证明相关的改正方法,即适当调整kernel size或darken maximun参数项值,可有效避免水域等大面积亮区匀光后产生明显色差。     

轨道约束的资源三号标准景影像区域网平差

考虑到同轨道拍摄的长条带卫星影像具有相同的误差分布特性,针对资源三号的标准景影像产品,提出了基于轨道约束的卫星影像区域网平差方法。首先,根据同轨相邻影像的偏移量计算轨道影像坐标系下的像点坐标;其次,通过同轨每景影像的RFM重新生成轨道影像的RFM,同时生成补偿格网;然后,根据基于像方仿射变换的RFM对轨道影像进行区域网平差;最后,利用求得的轨道影像的仿射变换参数重新计算原始单景影像的仿射变换参数。利用不同地区资源三号测绘卫星影像数据的试验表明,基于轨道约束的卫星影像区域网平差（以下简称轨道平差）在稀疏控制条件下,其精度明显好于单景影像平差的精度。在6控情况下,太行山试验区达到平面2.504m高程3.117m,在渭南试验区达到了平面4.061m高程2.895m。试验结果证明了轨道平差的有效性和可行性。     

高分航空光学遥感影像的山体阴影去除方法

阴影是山区高分航空影像严重的干扰因素,去除山体阴影有助于提高实景三维建设、林业调查、变化检测等应用的准确性和有效性。本文构建了高分航空遥感影像的山体阴影指数(MSI),并提出了基于色彩迁移和色彩均衡的阴影去除方法。采用覆盖山区的0.2 m航空影像进行试验,结果表明,MSI和阈值分割法可以有效地检测航空影像的山体阴影,而结合对象化色彩迁移和基于邻域的非线性色彩均衡的阴影去除法既能有效地消除山体阴影,又能使阴影区域恢复纹理细节,色彩更贴合于非阴影区域,达到影像整体色彩更加均衡的效果。分析阴影去除前后的统计指标发现,随着阴影的去除,各波段平均值和标准差都明显增加,说明阴影区域的亮度有提高且色彩层次更加丰富。     

训用一体的实践课程项目化弹性教学模式——以遥感影像三维重建专项训练课程为例

为了使课程更加贴近生产需要,学生掌握的操作技能更快形成生产力,在分析遥感影像三维重建专项训练课程的特点、教学现状和存在主要问题的基础上,提出训用一体的项目化弹性教学模式,将教学过程纳入到一线作业单位的生产环节中,以作业单位下达的任务为牵引,对教学内容进行项目化、弹性化设计,并将实践成果提交到作业单位进行评价和考核,同时供作业单位任务使用,形成生产闭环。教学实践表明,该教学模式可以有效提升学生参与积极性,促进学生实践成果质量的提升,具有良好的教学效果。     

多源遥感影像深度识别模型对抗攻击鲁棒性评估

基于深度神经网络的多源遥感影像目标识别系统已逐步在空天遥感情报侦察、无人作战自主环境认知、多模复合末制导等多个军事场景中广泛应用。然而,由于深度学习理论上的不完备性、深度神经网络结构设计工程上的强复用性、以及多源成像识别系统在复杂电磁环境中易受到各类干扰等多因素的影响,使得现有识别系统在对抗攻击鲁棒性方面评估不足,存在极大安全隐患。本文首先从深度学习理论不完备性和识别系统攻击样式两个方面分析了潜在安全风险,并重点介绍了深度识别模型对抗样本攻击基本原理和典型方法。其次,针对光学遥感影像和SAR遥感影像两类典型数据形式,从鲁棒正确识别率和对抗攻击可解释性两个方面开展多源遥感影像深度识别模型对抗攻击鲁棒性评估,覆盖了9类常见深度识别网络架构和7类典型对抗样本攻击方法,验证了现有深度识别模型对抗攻击鲁棒性普遍不足的问题,分析了对抗样本与正常样本的多隐层特征激活差异,为下一步设计对抗样本检测算法和提升模型对抗鲁棒性提供参考。     

改进的残差3D-CNN的高光谱遥感影像分类

针对高光谱遥感影像分类中空间特征和光谱特征利用率低问题,该文综合三维卷积神经网络、谷歌神经网络和残差神经网络的优势,提出融合改进Inception模块的残差三维卷积神经网络高光谱遥感影像分类方法。改进后的Inception模块包括4条不同的卷积层分支,用以提取蕴涵在高光谱遥感影像中多尺度的特征;利用了3D卷积核代替2D卷积核能直接同时提取高光谱遥感影像中更丰富的空-谱特征;通过残差结构连接分支提取特征缓解了梯度消失的问题,提取更深层次的特征。实验表明,该文算法不仅提高了条状和线状地物区域的边缘分类准确率,对小目标的分类能力也得到了增强。