高分一号卫星4种融合方法评价

以国产高分辨率卫星高分一号作为数据源,应用Pansharp融合、HPF融合、Gram-Schmidt融合和SFIM融合4种方法对高分一号卫星2m全色及8m多光谱数据进行了融合试验,并对融合结果的空间信息融入度和光谱保真度进行了评价。选取标准差、熵及联合熵、平均梯度、相对偏差4种客观评价指标对融合结果进行了计算与分析。研究结果表明:对于高分一号卫星,4种方法均显著提高了影像的空间分辨率,同时较好地保留了影像的光谱信息,提高了影像的利用率。其中Pansharp融合综合表现最好,HPF方法边界最为清晰,SFIM方法的光谱保真度最高,GramSchmidt融合在近红外波段效果最好。根据不同的研究目的,使用适宜的融合方法及参数,可以使高分一号卫星影像更好地为生产及科研工作服务。     

基于单景高分四号卫星多光谱影像的舰船运动特征检测

高分辨率地球同步轨道（GEO）遥感卫星技术能够在短时间内对大范围海域进行高频重复监测，有望近实时地获取海上舰船运动特征。以广东省珠江伶仃洋的南部海域为研究区，基于单景高分四号卫星多光谱影像，使用梯度阈值方法对海上运动舰船进行检测，结果表明：①利用单波段高分四号多光谱影像能够检测出船位与航向，船位平均误差为80.46 m（相当于1.61个图像分辨单元），航向检出率为74.36%，航向绝对误差为8.65°。②利用单景高分四号影像能够检测出航向与船速，航向精度为98.96%，平均绝对误差为8.78°，船速精度为83.0%，平均绝对误差为1.41 m/s。研究表明高分四号卫星能够用于海上舰船近实时遥感监测，在海上舰船运动特征检测方面具有独特优势和巨大的应用潜力。     

基于单景高分四号卫星多光谱影像的舰船运动特征检测

高分辨率地球同步轨道（GEO）遥感卫星技术能够在短时间内对大范围海域进行高频重复监测，有望近实时地获取海上舰船运动特征。以广东省珠江伶仃洋的南部海域为研究区，基于单景高分四号卫星多光谱影像，使用梯度阈值方法对海上运动舰船进行检测，结果表明：①利用单波段高分四号多光谱影像能够检测出船位与航向，船位平均误差为80.46 m（相当于1.61个图像分辨单元），航向检出率为74.36%，航向绝对误差为8.65°。②利用单景高分四号影像能够检测出航向与船速，航向精度为98.96%，平均绝对误差为8.78°，船速精度为83.0%，平均绝对误差为1.41 m/s。研究表明高分四号卫星能够用于海上舰船近实时遥感监测，在海上舰船运动特征检测方面具有独特优势和巨大的应用潜力。     

基于上下文感知和超像素后处理的多光谱图像分类

高质量的地物类别提取是大量地学应用的基础。现有的基于像素的分类方法没有充分挖掘多光谱遥感图像中的上下文关联信息,且分类后的标签图像容易产生破碎。为了提升高分辨率遥感图像的分类精度,本文提出一种基于上下文感知网络和超像素后处理的多光谱图像分类方法。该方法利用新设计的卷积神经网络模型来更好地学习多光谱图像中的空间上下文信息。超像素后处理使用小区域分割和投票的策略来合并结构上关联的区域,以避免破碎标签的产生。本文方法在高分一号卫星数据上进行测试,并与6个分类算法进行比较。实验结果表明本文方法在精度和视觉效果上都优于比对算法。另外,对基于新模型分类后的结果进行超像素后处理,不仅减少了分类结果的破碎度,也进一步提升了图像的分类精度。     

高分三号卫星影像在黄河洪水监测中的应用

高分三号（GF-3）卫星是我国首颗C频段多极化高分辨率合成孔径雷达（synthetic aperture radar,SAR）卫星,尝试利用高分三号（GF-3）卫星对黄河2017年第1号洪水开展遥感监测工作,获取了7月28日18时42分和7月29日6时52分的黄河小北干流河段遥感影像。经过影像处理和遥感解译,高分三号（GF-3）卫星影像清晰,层次分明,对河流水体、沙洲、以及河道整治工程、桥梁等反映明显,能够较好地识别洪水淹没范围信息。应用表明,高分三号（GF-3）卫星具有良好的编程成像能力,可以全天候全天时获取洪水遥感影像,在洪涝灾害监测和防灾减灾领域具有较大应用潜力。     

高分五号高光谱图像自动大气校正方法

高分五号是我国高分辨率对地观测系统重大专项中唯一的高光谱卫星，为有效提高其应用的效能和质量，首先必须对其图像数据进行大气校正。文章提出了一种基于MODTRAN辐射传输模型的高分五号高光谱图像大气校正方法。首先，通过MODTRAN辐射传输模型构建能见度查找表、水汽含量查找表和反射率查找表；其次，分别采用Version 5.2法和大气预处理微分吸收法逐像元反演得到图像能见度和水汽含量；之后，根据反射率查找表逐像元完成高分五号高光谱图像的大气校正，并与FLAASH校正结果进行对比。结果表明，能见度和水汽含量反演效果较好，校正后的光谱曲线与经FLAASH校正的光谱曲线相吻合，3种定量化指标均保持在较高水平，且该方法能够实现高分五号高光谱图像的自动化批量化大气校正，大气校正过程无需其他额外参数，具有一定的应用价值。     

高分六号卫星遥感估算大气细颗粒物方法研究北大核心CSCD

针对目前利用高分六号卫星开展地区高空间分辨率大气细颗粒物监测研究较少的问题,提出了基于高分六号卫星宽幅相机数据的气溶胶光学厚度及大气细颗粒物遥感反演的技术方法,并在京津冀及周边地区开展了应用实验和对比分析。首先,基于改进暗像元法反演了高分六号卫星数据的气溶胶光学厚度;然后,结合地面大气细颗粒物监测数据与多种气象辅助数据,基于随机森林算法,构建了多参量综合的大气细颗粒物估算模型,对京津冀地区的大气细颗粒物浓度进行了估算。研究表明:高分六号气溶胶光学厚度反演结果与地基站点监测结果的相关系数为0.94,反演精度较高;大气细颗粒物估算结果与地基站点监测结果的决定系数达到0.79以上,较好地反映了京津冀地区的大气细颗粒物空间分布。     

“高分一号”卫星数据几何校正研究

运用野外采集的GPS数据研究几何校正模型和控制点数量对4景"高分一号"高分辨率相机数据的几何校正精度影响,此项研究有利于合理使用"高分一号"卫星数据,为国产卫星数据的应用和推广起到一定的促进作用。分别运用多项式模型和有理函数模型对"高分一号"数据进行几何校正,运用事先布置好的检查点与校正后影像上的同名地物点进行精度分析,实验表明运用有理函数模型对"高分一号"数据进行几何校正会取得较好精度。分别运用25、20、15、10、5、1个和无控制点对4景"高分一号"数据进行有理函数模型的几何校正。综合考虑人力、耗时、精度等因素后得出结论:如果影像中山区不多时,运用5个控制点进行校正可以取得较好的效果,当山区比较密集时,可以适当增加控制点数量到10个。     

基于形态学阴影指数的高分二号影像建筑物高度估计

高分二号卫星是我国自主研发的高分辨率对地观测卫星,分辨率达到亚米级。利用高分二号卫星遥感影像,结合数学形态学和面向对象分类的思想进行城市建筑物高度估计。首先,利用多尺度分割将影像分割成对象;进而结合光谱、形状、形态学阴影指数(MSI)等特征面向对象进行分类,相对准确提取出建筑物的阴影并计算阴影的长度;最后,结合影像成像时的卫星、太阳和建筑物的几何关系模型进行建筑物高度估计,并利用实地测量数据进行精度评价和误差分析。结果显示,90%的估计结果绝对误差小于1m,说明该方法可以有效地从高分二号影像中提取建筑物高度,展现了国产高分辨率遥感影像提取城市建筑物信息的巨大潜能。     

卷积神经网络下的高分二号卫星影像道路提取

本文针对深度神经网络对高分二号遥感影像道路提取时细节信息丢失较多、道路周围环境考虑不充分等情况, 在已有的研究成果上, 提出一种基于全卷积神经网络遥感影像道路提取的改进方案. 方案创新研究了全卷积神经网络的算法原理, 将预调色后的高分二号影像按一定尺寸分幅输出, 将输出图像及标签对应输入于以全卷积神经网络为基础的改进网络, 通过结合残差单元以及增加网络层数得到识别精度较高的道路提取图像. 实验表明, 该方法在同一样本中对高分二号卫星影像道路提取的效果有所提升, 道路的完整性和准确性有所提高.     

基于分割区域及特征相似度的玉米田遥感图像分类方法

针对遥感图像中玉米田目标光谱复杂,同物异谱现象严重导致分类结果差的问题, 提出一种基于分割区域及特征相似度的玉米田遥感图像分类方法。首先利用主成分分析法(PCA) 对多光谱和高分辨全色融合图像进行第一主成分提取,以获得包含丰富图像信息的单色图像I; 对I 进行分水岭分割,得到一幅过分割目标区域图;构建由纹理、亮度及轮廓特征相似度组成 的特征组;最后基于随机森林原理,利用构建的特征组对玉米目标进行提取。用高分一号卫星 数据进行实验,并与支持向量机方法(SVM)、神经网络算法和最大似然算法进行了比较分析, 实验表明,该方法的分类精度优于其他算法。     

顾及面积和位置差异的高分遥感影像分割质量评价方法

高分遥感影像分割质量对面向对象分类精度有着重要的影响,良好的影像分割质量有利于得到较高的分类精度。对高分遥感影像分割质量进行评价,从而找到最优的分割结果就显得十分重要。通过对比参考对象和分割对象之间的面积和位置差异,提出了一种新的高分遥感影像分割质量评价方法。将该评价方法应用于GeoEye-1高分遥感影像分割质量评价,试验结果表明:该评价方法能客观地评价影像分割质量,所得到的最优分割结果与参考对象边界匹配程度高,有利于影像后续的分类。     

用高分一号卫星数据识别多时相山区积雪

针对目前从高分辨率遥感图像中提取多时相山区积雪信息精度较低、效率不高的问题,基于高分一号卫星数据,提出了一种基于多视图的多时相山区积雪提取方法。该方法基于GF-1卫星3个时相的图像数据,将多时相遥感图像视为多个视图,通过空间约束构建积雪识别多视图。针对山区阴影的巨大影响的问题,提出了将积雪分为非阴影区积雪和阴影区积雪2个类别,分别进行训练样本的选取。仅通过一次样本选取,运用旋转森林算法,基于多视图构建面向多时相的识别模型,实现多时相遥感图像的积雪识别。实验结果表明,3个时相识别结果的F值分别达到0.941、0.951和0.945,精度较高,且具有较高的效率,具有实际应用价值。     

深度辨别性增强网络高分影像语义分割

针对高分遥感影像中同类地物方差大、类间方差小的现象所造成的错分问题,文章在分析深度网络分类器Softmax用于语义分割的基本原理的基础上,提出了基于深度辨别性增强网络的高分影像语义分割算法。该算法将Softmax中每一类对应的特征向量参数定义为该类对应的类别中心,在分类器Softmax中加入相似度惩罚因子,使得同类像素样本特征向量向其类别中心靠近,增加了深度特征的可辨别性。分别在高分二号数据集GID和SpaceNet Buildings 2个数据上进行实验。相比于对比算法,所提出的算法将GID数据的评价指标Kappa提高1.8,将SpaceNet Buildings数据的评价指标F1Score提高1.6,证明其可以显著提升高分遥感影像的语义分割精度。     

分布式高分数据分发平台的设计与实现

随着科技的发展,人们对未知世界探索的欲望也越来越强烈,自从1957年10月4日人类向太空发射的第一颗人造卫星开始,截止到2015年12月31日,全球共有在轨卫星1381颗,与2011年在轨卫星数量(986颗)相比,5年期间数量增长了39％,而其中对地观测卫星占14％.这给全球的卫星事业的发展带来了巨大的机遇和挑战,我国也建立自己的卫星系统.我国在2006年到2020年国家中长期科学和技术发展规划纲要中把建立高分辨率对地观测系统(简称高分专项)作为16个重大科技发展专项之一.随着高分数据的民用应用的发展,高分数据已经逐渐走进了人们的生活,从农业保险、灾情预测到指挥城市都发挥着重要的作用.基于以上背景,设计并实现了一个分布式高分数据分发平台.     

用高分一号数据提取玉米面积及精度分析

由于受到时间分辨率的影响,长期以来国内遥感技术在面积监测、作物长势监测等方面受到限制。针对此问题,该文利用"高分一号"卫星高空间和高时间分辨率的特点,应用其宽幅16m分辨率数据,结合Landsat-8和RapidEye数据,采用支持向量机(SVM)和光谱角法(SAM)在许昌进行农作物(玉米)的识别和面积提取及其精度分析。结果表明,"高分一号"4个宽幅传感器的影像应用精度差别较大,其中WFV3数据的作物识别与种植面积提取精度最高,高于Landsat-8,与RapidEye接近;而WFV1和WFV4数据的应用效果较差,不太适用于试验区内复杂的秋季作物类型的识别。总体上讲,SVM分类器的分类精度和Kappa系数都要好于SAM分类器,相比之下SVM更适合于农作物的识别和种植面积提取。     

高分五号全谱段光谱成像仪影像数据质量评价研究

高分五号卫星上搭载的我国自主研发的全谱段光谱成像仪是从可见光到长波红外光谱范围的星载多光谱成像仪,具有广泛的应用前景。对卫星影像进行质量评价,既是对遥感卫星是否满足设计指标的验证与检验,也可以为影像的处理与应用提供参考。利用信噪比、清晰度、信息量、辐射不均一性4个指标对高分五号全谱段光谱成像仪进行影像质量评价,并以美国陆地卫星Landsat 8影像为参考进行对比分析。结果表明:高分五号卫星全谱段光谱成像仪短波红外谱段的信噪比(320.44~388.42)略高于可见近红外谱段(208.24~238.03);近-短波红外谱段的清晰度(0.82~0.91)要高于其余谱段,尤其是长波红外谱段(0.01~0.21);可见短波红外谱段的信息量(9.01~9.97)要高于中长波红外谱段(5.71~8.31);所有12个谱段的辐射不均一性均小于2%。与Landsat 8的比较结果表明:在清晰度方面,全谱段光谱成像仪可见近红外谱段优于Landsat 8,其他谱段接近Landsat 8;在信息量方面,可见短波红外谱段与Landsat 8比较接近,但是B11、B12两个分裂窗谱段差距较大,分别相差5.23和5.61;在信噪比方面GF-5 VIMI仍有待进一步改善,又以B1、B2、B63个谱段落后Landsat 8最大,分别相差280.41、226.84和151.92。     

高分3号卫星影像在黄河洪水监测中的应用

高分3号卫星是我国首颗C频段多极化高分辨率合成孔径雷达卫星,尝试利用高分3号卫星对黄河2017年第1号洪水开展遥感监测工作,获取7月28日18时42分和29日6时52分的黄河小北干流河段遥感影像。经过影像处理和遥感解译,高分3号卫星影像清晰,层次分明,对河流水体、沙洲,以及河道整治工程、桥梁等反映明显,能够较好地识别洪水淹没范围信息。应用表明,高分3号卫星具有良好的编程成像能力,可以全天候、全天时获取洪水遥感影像,在洪涝灾害监测和防灾减灾领域具有较大应用潜力。     

基于高分遥感数据和深度学习的石冰川自动提取研究

石冰川是以冰岩混合物为基础形成的一类具有舌状堆积纹理的冰缘地貌,了解其分布和变化对于寒区环境研究具有重要价值,遥感技术的发展为石冰川的识别提供了有效的手段。针对石冰川发育地的偏远和调查的困难,以及其光谱特征的微弱性,提出了一种基于深度学习的石冰川识别方法,以ResNet作为训练网络,得到石冰川的图像分类模型,以国产高分一号遥感影像作为实验数据,在念青唐古拉山西段展开了应用,共识别出石冰川96条。验证结果表明：该方法具有较高的识别精度（98.72%的总体精度、89.48%的生产精度和81.77 %的用户精度）,证明该方法能够有效地识别石冰川,并为在大区域开展石冰川的调查和分析提供了基础。     

高分一号卫星数据遥感地质解译

针对境外地质矿产调查工作中基础地质资料难以获取的难点,开展了高分一号卫星(GF-1)在境外地质矿产信息提取中的应用研究。在综合前人研究成果及野外验证的基础上,通过各类地质体的影像特征分析,建立了塔吉克斯坦南部地区主要沉积岩、变质岩和侵入岩以及断裂构造、节理、褶皱构造、矿化蚀变带等的遥感解译标志。并于区内西南部新发现一处矿化蚀变带,带内具较强烈的褐铁矿化、高岭土化、角岩化等,且断层交汇处的矿化更加强烈,远离断层则矿化逐渐减弱。研究结果表明,GF-1卫星数据的融合图像(空间分辨率为2m)能够进一步识别各类岩性及矿化蚀变带、节理、断裂、岩脉等,充分展示出我国国产卫星数据在地质矿产勘查领域可以取得很好的应用效果。