结合Singh四分量分解的高分三号全极化SAR影像分类

不同于一般分类算法基于像素统计的分类,忽略了地物的散射特性,文中提出了一种保持地物散射特性的分类方法。这种方法将Singh提出的Singh四分量分解与基于复Wishart分布的最大似然分类器相结合,对高分三号全极化影像进行分类。利用Singh四分量分解获得表面散射、体散射、二次散射和螺旋体散射,然后将前3种基础散射分别划分为多个聚类,根据复Wishart距离进行类间合并,直到获得指定类别数,输入复Wishart分类器进行迭代分类,最后进行类别合并获得最终分类结果。试验表明本文算法具有较好的分类效果且验证了利用高分三号全极化卫星数据进行影像分类的可行性。     

基于高分三号极化SAR数据的农作物散射特性分析及分类

高分三号卫星是我国首颗多极化的高分辨率C波段SAR卫星,其于2017年1月正式交付用户使用后,主要被用于海洋遥感方面的研究。而极化SAR对于农作物的结构特征十分敏感,适合于农作物监测及分类。文中首次利用高分三号的极化SAR数据分析不同农作物的极化散射特性,然后利用H/α-wishart分类和H/A/α-wishart分类方法对湖南省岳阳县洞庭湖实验区域的高分三号极化SAR数据进行分类。整体分类精度高于85%,Kappa系数大于0.8。实验结果表明,高分三号全极化数据能够较好地表征农作物的散射特性,并可用于极化SAR农作物分类研究。     

深度神经网络的高分三号全极化SAR图像分类方法

针对传统极化SAR地物分类方法和基于像素的神经网络分类方法容易受到SAR图像固有斑点噪声影响而出现的破碎孤立点和精度下降问题,该文在考虑了极化SAR图像的基本特征的基础上结合深度卷积神经网络的方法对地表覆盖类型进行了分类研究,利用不同尺度的全极化SAR特征融合RGB图像对GoogLeNet模型进行迭代训练,结合对实验区的多尺度分割结果,对SAR图像做不同尺度下的样本分类,并最终获得整体图像的分类结果。实验证明,此方法能够获得较高的分类精度。     

高分三号SAR影像双阈值变化检测

双阈值合成孔径雷达SAR(Synthetic Aperture Radar)变化检测算法具有在发现变化区域的同时还能确定地表发生后向散射变化类型的优点。针对广义高斯双阈值最小误差法D-GKIT(Dual Generalized Kittler and Illingworth Thresholding)在进行阈值选取时直方图中不同类别像素灰度级重叠严重时,分割结果容易在尖峰单侧选取出双阈值而导致无法正确分割差异图的问题,本文提出一种结合归一化最大类间方差和广义高斯最小误差法GKIT(Generalized Kittler and Illingworth Thresholding)的双阈值SAR变化检测方法。首先,提出以归一化最大类间方差值作为灰度级重叠程度的判别参数,确定阈值的选取顺序及两个候选区间;然后,利用GKIT在候选区间内进行分割,获取单侧阈值及非变化类拟合函数;最后,提出利用非变化类拟合函数更新后的直方图作为另一侧阈值选取基础进行分割,得到对应分割阈值。以宁波地区高分三号(GF-3)SAR卫星影像作为试验研究数据,结果表明:本文方法能较好地解决灰度级重叠时D-GKIT无法进行正确分割的问题,具有良好的变化检测效果和更强的鲁棒性且达到了利用研究区数据验证利用GF-3号SAR卫星影像进行变化检测研究可行性的目的。     

基于高分三号卫星SAR影像的DOM制作方法研究

将星载SAR影像作为光学卫星难以获取数据地区的重要补充数据源,是基础地理信息更新的一种手段.通过对SAR影像成像机理、光谱几何特征等进行研究,总结基于高分三号卫星SAR影像处理的方法和流程,形成星载SAR影像制作DOM产品的生产技术方案,为大规模开展生产实践提供借鉴.     

高分三号SAR影像广域范围联合几何检校技术

在获取广域范围雷达遥感正射影像图时,需要对区域内每景SAR影像进行几何参数修正,提高SAR影像的定位精度。但在广域范围进行控制点的选取和影像的逐一修正,其工作量巨大,严重影响了SAR影像分析应用的效率。对此,本文提出了一种广域范围联合几何检校方法。该方法在R-D模型的基础上,首先利用少许SAR影像计算其独立的系统级检校参数,其次去除系统级检校参数中大气延迟分量的影响,然后依据最小二乘平差原理获取最优的系统级检校参数,最后利用最优的系统级检校参数对所有SAR影像进行几何检校处理。论文采用覆盖中国中东部地区的32景GF-3SAR影像进行联合几何检校试验,检校后的SAR影像定位中误差优于9 m。试验结果表明:该方法能够提高GF-3 SAR影像几何检校的精度,验证了其有效性和可行性。     

基于Bayes决策的机载全极化SAR图像滑坡信息提取

将雷达遥感技术应用于滑坡灾害调查是地学应用的一个重要方向,特别是在多云多雨地区。由中国科学院电子学研究所研发的高效能机载SAR系统(high–performance airborne synthetic aperture Radar system,HASARS)具备X波段双基线干涉和P波段全极化观测的能力,是国内首家多频段多模式机载SAR系统。从多极化机载SAR数据的特征选择和信息提取等角度,评估了不同极化模式组合对滑坡信息提取精度的影响;并基于Bayes决策理论,提出了多极化SAR图像分类的特征选择方法。利用不同研究样区的特征选择结果提取了多个滑坡的范围,提取精度均在90%以上。HASARS的高空间分辨率及其获取的高精度DEM和P波段全极化观测,可以近实时、高精度地获取地表滑坡灾害专题信息,在滑坡等减灾救灾领域具有广阔的应用前景。     

GF-3全极化影像在地表浅覆盖区进行地质构造解译的新方法

地质构造信息对地质矿产调查具有重要意义,野外实测和光学遥感等常规手段在一些地表浅覆盖区获取的地质构造信息十分有限,而合成孔径雷达(SAR)对地表具有一定的穿透性,在探测地表浅层覆盖区域的地质构造特征中具有独特优势。利用高分三号(GF-3)全极化影像,在典型的地表浅层覆盖区域,开展了断裂构造等信息的解译探索,提出了一种地表浅覆盖区域地质构造解译的新方法。首先对西藏改则、林芝、贵阳、北京千家店等4个研究区内的断裂构造和环带构造进行分析;接着,提出了GF-3全极化影像用于浅覆盖区地质解译的处理流程,通过引入DEM数据对GF-3影像进行地形校正,充分利用微地形微地貌特征,并采用不同极化方式的RGB合成,增强了影像的判读性,并进行地质构造解译;最后,将解译结果与1∶5万实测数据进行对比,断层的位置和方向与实测结果基本一致,同时获取了大量野外实测未能探明的浅覆盖层以下的断层信息,进一步丰富了研究区的地质构造信息。结果表明,GF-3全极化影像可用于浅覆盖区的地质构造解译,并且具有野外实测和光学遥感等常规手段所不能替代的独特优势。     

高分三号卫星总体设计与关键技术

高分三号(GF-3)卫星作为我国首颗自主研制的C频段多极化SAR卫星,突破了多项关键技术。卫星在明确SAR载荷的体制和基本配置的基础上,围绕SAR载荷的需求开展卫星平台适应能力的分析以及载荷与平台之间的匹配性研究,形成了一系列卫星特点和技术创新点,主要技术指标达到或超过国际同类卫星水平。     

基于高分三号卫星影像的水体信息提取技术研究

随着各类卫星遥感和航天航空技术的不断进步,采用卫星遥感图像来提取水域的信息成为了新的选择和研究的热点.同时SAR(合成孔径雷达)技术以其不受各类气候、气象的干扰,高分辨率、穿透力强的优点,成为水域信息提取的重要手段.高分三号卫星是近年来我国发射的SAR卫星,为此本文研究所采用的数据源为高分三号HH、VV、HV、VH四种极化方式的SAR图像,研究区域为长春市农安县太平池水库及共青团水库,采用经验阈值分割法分别提取其水域信息,进而分析评价水域提取的正确性和精度.总结发现:1)使用经验阈值分割法可以从SAR图像上提取水体;2)提取的水体经过和天地图和谷歌地图的比对,验证了正确性;3)不同极化方式所提取出来的水体的效果是不同的.     

2017年“8.8”九寨沟地震滑坡自动识别与空间分布特征

2017年8月8日发生的7.0级九寨沟地震诱发九寨沟熊猫海附近产生大量的滑坡体,造成道路阻塞,严重影响地震应急救援进度。为快速准确地识别滑坡分布范围,本文在深入分析滑坡遥感影像特征的基础上,引入面向对象分析方法,实现了基于无人机影像的震后滑坡体的自动识别。通过多尺度分割算法获取滑坡多层次影像对象,利用SEaTH算法自动构建每一层次特征规则集,实现基于不同层次分析的滑坡体自动识别。分析滑坡体在地形、活动断层等因子中的空间分布特征,为地震滑坡预测与危险性评价奠定基础。与人工目视解译结果相比较,基于面向对象的滑坡自动识别方法提取精度可达94.8%,Kappa系数为0.827,在电脑配置相同的情况下,自动识别方法的效率是人工目视解译效率的一倍。空间分布特征分析表明,地震滑坡的空间分布与斜坡坡度、地形起伏度呈正相关关系,与地表粗糙度存在负相关关系,研究区滑坡体分布存在明显的断层效应。     

地震滑坡高分辨率遥感影像识别

区域性地震滑坡信息获取目前主要通过遥感目视解译和计算机提取,存在主观性强、耗时费力、提取精度低等问题,导致难以满足灾后应急调查、灾情评估等方面的应用需求。采用资源三号、高分一号高分辨率遥感影像,以汶川震区为实验区,在地震滑坡灾害特征分析的基础上,通过多尺度最优分割方法构建多层次滑坡对象,融合光谱、纹理、几何等影像特征和地形特征信息建立多维滑坡识别规则集合,基于高分辨率影像认知模式与场景理解过程提出滑坡分层识别模型,从而实现地震滑坡空间分布及其滑源区、滑移区和堆积区的准确识别。实验区分析结果显示最低识别精度为81.89%,而滑坡的堆积区最容易被分辨,识别方法具有可推广性。研究成果可为灾后应急调查提供技术支撑,并促进国产高分辨率遥感卫星的地质灾害应用。     

综合多特征的极化SAR图像随机森林分类算法

为抑制相干斑噪声对极化SAR图像分类结果的干扰,本文提出一种综合多特征的极化SAR图像随机森林分类方法。该方法首先利用简单线性迭代聚类(SLIC)算法生成超像素作为分类单元;然后,基于高维极化特征图像,利用训练好的随机森林模型,统计决策树的分类投票数,计算各超像素的类别概率;最后,利用超像素间的空间邻域特征,采用概率松弛算法(PLR)迭代修正超像素的类别后验概率,并依据最大后验概率(MAP)准则得到分类结果;实现综合利用超像素和空间邻域特征,降低相干斑噪声干扰的极化SAR图像分类方法。实验对比结果表明:本文方法能得有效抑制极化SAR图像中相干斑噪声的干扰,得到高精度且光滑连续的分类结果。     

结合先验概率估计的GF-3影像水体概率估计方法

综合SAR(synthetic aperture radar)影像的统计模型假设与k-means聚类算法,提出了一种结合水体分布先验概率估计的水体概率估计方法。首先,用贝叶斯推断对研究区域后向散射系数做统计模型假设。随后,结合聚类算法对像元作分类,估计水体分布先验概率,结合统计分布直方图使用非线性最小二乘拟合完成模型参数估计。试验选取了高分三号(GF-3)多种工作模式数据,并用高分一号(GF-1)影像进行验证。结果表明,该方法可有效实现SAR影像的高精度水体概率估计。     

哨兵1号和高分三号SAR数据海浪谱反演精度评估

Ocean wave is one of the important marine dynamic phenomenon that affect human activities. At present, the main observation means include buoy observation, marine numerical prediction model, and microwave remote sensing observation. However, we cannot conduct large-scale observation by buoy, and the marine numerical prediction model’s result is not measured data. Spectrometers and altimeters in microwave remote sensing instruments can also measure spectral parameters. However, SAR, which has a higher resolution, can provide 2D sea surface information. The Sentinel-1 satellite of ESA and GF-3 satellite independently developed by China are now in orbit, and numerous teams are working to retrieve wave parameters from SAR data of these two satellites. In this work, we compared the wave parameter inversion accuracy of Sentinel-1 SAR Interferometric Wide Swath model and GF-3 SAR strip model based on wave spectrum, which provides a reference for the wide application of GF-3 SAR data. The sea states according to the ERA-5 data of ECMWF are divided into three categories: low, moderate, and high sea states. The sea areas of Hormuz and Malacca Straits of the maritime Silk Road in the Indian Ocean and the coastal waters of the Pacific and Atlantic Ocean are selected as the study areas. Meanwhile, the SAR data of Sentinel-1 and GF-3 satellites under different sea states are selected as the data source. The MPI method is used to retrieve the wave spectrum and wave parameters using the E spectrum as the initial guess. Subsequently, the SAR data inversion results of the two satellites under different sea states are compared with the ERA-5 and buoy wave data. The inversion accuracy of the wave parameters can be verified by calculating the values of the Root Mean Square Error (RMSE) and Scatter Index (SI), and the inversion accuracy of the wave parameters of the two satellites under different sea conditions can be compared. The RMSEs of significant wave height (Hs) retrieved by GF-3 SAR under low, moderate, and high sea conditions are 0.30, 0.34, and 0.48 m, and those of mean wave period (Tm) are 1.02, 0.99, and 0.95 s, respectively, compared with the ERA-5 data. In addition, the RMSE of Hs retrieved by Sentinel-1 SAR under low, moderate, and high sea conditions are 0.30, 0.29, and 0.33 m, respectively, and the RMSEs of Tm are 0.94, 0.51, and 0.64 s, respectively. The RMSEs of Hs and Tm under different sea conditions retrieved by GF-3 SAR are 0.38 m and 0.99 s, and those of Hs and Tm retrieved by Sentinel-1 SAR are 0.31 m and 0.70 s, respectively, compared with the ERA-5 data. The RMSEs of the retrieved Hs and Tm of GF-3 satellite are 0.42 m and 0.94 s, and those of the retrieved Hs and Tm of Sentinel-1 are 0.40 m and 0.91 s, respectively, compared with the buoy data. The SAR wave parameter inversion of Sentinel-1 and GF-3 SAR based on the wave spectrum shows that the inversion results of the two satellites meet the index requirements in this field, and the accuracy of the inversion results of wave spectrum is the same. The strip mode SAR data of GF-3 satellite, China’s first self-developed SAR satellite, has broad prospects in marine research fields. © 2023 National Remote Sensing Bulletin. All rights reserved.     

全极化SAR图像的山地低矮植被区域土壤含水量估计

山区土壤含水量对山区植被生长监测、滑坡预测等工作具有重要意义,因此针对山地低矮植被区域,提出了全极化SAR图像的土壤含水量估计方法。为解决山地区域SAR图像几何形变和极化旋转问题,根据入射角、坡度、坡向信息定义了可测区域与不可测区域,并对可测区域后向散射系数进行校正。其次以密西根模型为基础,发展了低矮植被的散射模型。在假定植被和土壤特征不变的情况下,基于此散射模型并结合校正数据建立了山区土壤含水量反演方法。结果表明,模型反演的土壤含水量和实验点实测值基本一致,两个实验点反演值分别为14%和15%,实测值为11.45%和15.80%,能够满足一般应用的需求。