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。     

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。     

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。     

先验终端像元库支持下的GF-4多光谱影像自动云检测

高分四号卫星是我国第一颗地球同步轨道遥感卫星,以其高频、宽幅的特点,可为我国农业、林业、减灾、气象、环保和水利等应用提供快速、稳定的光学遥感影像,高效的影像自动云检测有助于进一步提高高分四号影像的利用效率。CDAG（Cloud Detection Algorithm-Generating）是一种基于像元组分光谱分析的自动云检测算法,能有效降低混合像元、复杂表面结构和大气等因素的影响。为了探索CDAG算法对于高分4号多光谱影像（GF4-PMS）的云检测应用能力,首先,从高光谱影像（AVIRIS）上选取不同的云类型和各种地表覆盖类型,建立云像元库和地物像元库;其次,基于高光谱像元库和GF4-PMS传感器光谱响应函数模拟出多光谱影像像元库;然后,根据碎云、薄云、厚云及非云像元的光谱差异性分析,将GF4-PMS影像的待检测像元与终端像元进行相似概率分析,实现基于最佳阈值自动迭代的GF4-PMS影像云检测;最后,从云像元正确率、晴空像元正确率、误判率、漏判率等多个指标进行云检测精度验证。结果表明：AVIRIS影像可以有效提取适用于GF4-PMS影像云检测的终端像元库,基于CDAG算法能较好地识别GF4-PMS影像上各种类型的云,对于不同时相、不同下垫面的碎云、薄云、厚云的检测精度可达90%以上。因此,基于先验终端像元库的云检测法对于提升GF4-PMS影像的利用效率具有较好的应用价值。     

基于波段运算和纹理特征的高分一号多光谱数据云检测

针对国产高分一号卫星16m宽幅多光谱遥感影像仅含有可见近红外波段的情况,提出了基于波段运算与空间纹理特征相结合的云检测方法。首先基于光谱特征和波段运算生成初始云掩膜,然后结合纹理特征提高检测精度,最后采用阈值分割生成云掩膜。实验结果表明,该方法能够很好地检测出不同时相、不同类型下垫面上空的云像元,可以满足应用需要。由于在云检测方法中综合应用了波段光谱和空间纹理特征,理论上具有一定的普适性,对其他仅有可见近红外波段的遥感影像云检测具有参考意义。     

风云三号卫星监测海洋浒苔、赤潮和溢油

风云卫星对海洋环境灾害（浒苔、赤潮和溢油）的定量遥感监测业务能力需要提升。利用风云三号D星中分辨率光谱成像仪MERSI-II资料以及部分高分卫星数据，探索解决大气校正和云检测两个技术难点问题的方法，分别依据浒苔、赤潮和溢油的光谱特征，建立相关的遥感监测算法，实现对海洋浒苔、赤潮和溢油的判识，并在相应个例中取得较好的监测效果。     

深度学习U-Net方法及其在高分辨卫星影像分类中的应用

高分辨率遥感影像有精确的几何结构和空间布局,但是光谱信息有限,增大了对光谱特征相似地物的分类难度。针对高分辨率遥感影像分类的问题,采用深度学习U-Net模型分类方法。基于黑河下游额济纳绿洲高分二号遥感影像,通过U-Net模型提取胡杨、柽柳、耕地、草地和裸地五种地物覆被类型,分类总体精度和Kappa系数分别为85.024%和0.795 6,并与传统的支持向量机（SVM, Support Vector Machine）和面向对象的分类方法比较,结果表明：相对于SVM和面向对象,基于U-Net模型的高分辨率卫星影像地物覆被分类,能够更好地对地物本质特征进行提取,分类效果较好,满足精度要求。     

基于资源一号02D高光谱卫星影像的青海湖悬浮物浓度反演研究

水体悬浮物浓度是描述水体光学特性的一个重要参数。卫星遥感具有大范围、快速、高频次动态监测的优势,有助于加强对青海湖水环境质量的监测,降低监测成本。而资源一号02D(ZY1-02D)卫星高光谱影像作为新的数据源,具有高空间分辨率、高光谱分辨率的优点,为湖泊的水质高精度监测提供了可能性。为了验证ZY1-02D高光谱相机在水质遥感监测应用中的适用性,以ZY1-02D高光谱影像为遥感数据源,同时辅助实测数据,构建青海湖悬浮物浓度反演模型,并进行精度验证,评价模型的准确性,最后将模型应用于青海湖悬浮物浓度反演。研究结果表明：青海湖悬浮浓度反演模型平均相对误差为21.1%,均方根误差为0.296 mg/L,精度较好,青海湖悬浮物浓度反演结果呈现湖心低岸边高的特征,与同期Sentinl-2和同期Landsat 8数据反演结果进行对比,反演结果保持一致,说明ZY1-02D高光谱影像能够作为悬浮物浓度遥感反演的数据源之一。     

资源三号卫星在地质灾害调查中的应用对比——以宝鸡黄土区为例

针对我国地质灾害遥感调查工作对国产卫星数据使用不足的现象,该文以宝鸡黄土区为试验区,通过测试国产资源三号卫星(简称ZY-3)与国外卫星应用于地质灾害遥感调查时表现出的数据质量、成图比例尺精度、灾害体解译效果以及灾害体解译精度等指标要素,客观评价资源三号卫星数据的优略性,为今后国产卫星在地质灾害中的使用与推广提供有效依据。结果表明:国产ZY-3卫星数据质量主客观评价结果基本一致,数据质量为良;灾害体解译的最大成图比例尺可达1∶25 000,能够有效保障黄土区大、中型灾害体的遥感精确识别。同时,1∶25 000比例尺下的灾害体目视解译中,资源三号数据的解译总体精度可达74.6%,而国外数据(WorldView-2与QuickBird-2镶嵌影像)解译总体精度为79.4%,表明国产数据基本可替代国外数据。但是,在1∶1万比例尺度,ZY-3数据在清晰度、色彩、对比度方面仍然劣于国外WorldView-2数据,融合结果的定量分析比较也表明WorldView-2在客观指标上优于资源三号。作为自主发射的国产高分卫星,资源三号卫星实时数据充足,数据性价比高,是今后开展中、小比例尺地质灾害遥感调查的理想数据之一。     

基于多时相TM和北京一号卫星影像的春播进度遥感监测

基于作物生长的物候规律,利用2007年4月26日、2007年5月28日Landsat TM影像和2007年6月28日北京一号卫星影像进行北京地区春播进度遥感监测。首先,分析了地物类型之间的光谱可分性距离;其次,采用逐步鉴别分析方法,并将掩膜技术和决策树分类方法相结合,监测北京2007年5月28日和6月28日的春播作物种植面积;最后,基于地面调查点对分类结果进行精度评价。结果表明5月28日总体精度为84.5%,6月28日总体精度为88.0%;逐步鉴别分析方法有利于寻找作物分类的光谱差异,建立多时相分类规则,简化了多时相多作物遥感分类流程并提高了分类精度。     

采用单时相法的高分一号数据云/阴影检测

针对高分一号多光谱数据中"云/阴影污染"会降低遥感影像监测地面的能力,及多时相检测法存在数据获取严格、无法避免云影区域重复等问题,提出了一种针对高分一号多光谱数据的单时相云/阴影检测方法。首先通过分析云区域的光谱特征,结合高分一号多光谱传感器的波段设置,对云区域进行掩膜提取,然后利用云-阴影的空间位置对应关系进行对象匹配,从而对阴影区域进行检测,并利用测地膨胀方法对由于像幅限制产生的检测阴影区域过小问题进行修复。实验结果以及定量分析表明,该方法能够很好地检测出不同背景上空的云/阴影像元。     

GF-1 WFV影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深:在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV影像提取水体精度较高,能广泛应用于中小流域洪涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

独立分量分析在高光谱图像舰船检测中的应用

根据海七舰船目标的特点,提出了一种基于独立分量分析的目标检测算法,应用于高光谱图像海上舰船检测.首先采用基于峰度的快速独立分量分析方法(FastICA)对高光谱图像进行处理,获得统计独立的独立分量影像,然后以偏度为特征度量指标从上述独立分量中选择特征影像,得到舰船目标的检测结果.应用于海上高光谱舰船图像,能够抑制背景中的海浪杂波及舰船尾迹对目标的影响,取得较好的检测效果.实验结果也进一步验证了基于峰度的FastICA算法在高光谱数据分析中的有效性.     

GF-1 WFV 影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16 m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深：在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV 影像提取水体精度较高,能广泛应用于中小流域洪,涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

面向GF-2遥感影像的U-Net城市绿地分类

目的 高分2号卫星（GF-2）是首颗民用高空间分辨率光学卫星，具有亚米级高空间分辨率与宽覆盖结合的显著特点，为城市绿地信息提取等多领域提供了重要的数据支撑。本文利用GF-2卫星多光谱遥感影像，将一种改进的U-Net卷积神经网络首次应用于城市绿地分类，提出一种面向高分遥感影像的城市绿地自动分类提取技术。方法 先针对小样本训练集容易产生的过拟合问题对U-Net网络进行改进，添加批标准化（batch normalization，BN）和dropout层获得U-Net+模型；再采用随机裁剪和随机数据增强的方式扩充数据集，使得在充分利用影像信息的同时保证样本随机性，增强模型稳定性。结果 将U-Net+模型与最大似然法（maximum likelihood estimation，MLE）、神经网络（neural networks，NNs）和支持向量机（support vector machine，SVM）3种传统分类方法以及U-Net、SegNet和DeepLabv3+这3种深度学习语义分割模型进行分类结果精度对比。改进后的U-Net+模型能有效防止过拟合，模型总体分类精度比改进前提高了1.06%。基于改进的U-Net+模型的城市绿地总体分类精度为92.73%，平均F₁分数为91.85%。各分类方法按照总体分类精度从大到小依次为U-Net+（92.73%）、U-Net （91.67%）、SegNet （88.98%）、DeepLabv3+（87.41%）、SVM （81.32%）、NNs （79.92%）和MLE （77.21%）。深度学习城市绿地分类方法能充分挖掘数据的光谱、纹理及潜在特征信息，有效降低分类过程中产生的"椒盐噪声"，具有较好的样本容错能力，比传统遥感分类方法更适用于城市绿地信息提取。结论 改进后的U-Net+卷积神经网络模型能够有效提升高分遥感影像城市绿地自动分类提取精度，为城市绿地分类提供了一种新的智能解译方法。     

基于中低分辨率卫星影像中舰船目标识别方法

目前,中低分辨率成像侦察卫星已经成为远距离情报保障的重要手段之一。然而,中低分辨率成像侦察卫星对海上机动舰船的侦察存在目标检测、识别难等问题,大大影响了情报使用效益。针对上述问题,提出基于霍夫变换的舰船开尔文尾迹提取方法,用于匹配并识别舰船型号。通过仿真得出不同型号舰船的开尔文尾迹尖头波平均距离,可以有效的识别出真实遥感影像中舰船属性,与实际影像数据对比分析,证明上述算法具有一定可行性。因此,基于霍夫变换的舰船开尔文尾迹提取方法可以在一定条件下基本实现目标舰船型号的识别,提升中低分辨率成像侦察卫星对海上机动舰船目标的识别准确率。     

高分辨率遥感影像道路提取

针对实际应用中高分辨率遥感影像道路提取自动化程度低的现状,提出了一种半自动的高分辨率遥感影像道路提取方法。方法采用数据预处理、尺度分割、分类以及形态优化的工作流程,对高分一号遥感影像进行道路半自动提取。数据预处理利用NDWI、DNVI获得道路潜在区域,边缘增强突出道路边缘信息;采用多尺度分割切割道路潜在区域,尺度对比法获得道路最优分割尺度;主要依据道路的光谱特征、形状特征制定分类规则集进行分类;运用形态学开启运算、闭合运算优化道路形态。实验结果表明:在样本区域内提取精度达到90%,整景影像提取精度达到80%,且可推广到具有陕北地区地貌特征的高分一号影像道路快速提取应用中。     

基于线性光谱混合模型的油菜种植面积遥感监测方法研究

利用中低分辨率卫星影像进行油菜面积提取时,需要考虑混合像元产生的影响,以提高面积提取的精度。本文以2009年湖北省潜江市油菜种植面积为例,利用中巴地球资源卫星(CBERS-02B)遥感影像,选取线性光谱混合模型进行油菜种植面积的分解计算研究,将结果与基于GVG(GPS、VIDEO、GIS)农情采样系统得到的结果进行对比分析,面积提取精度为97.43%。表明线性光谱混合模型能够高精度地提取油菜的种植面积,不失为一种很好的监测油菜种植面积方法。     

一种资源三号卫星影像的云量判读方法与应用

鉴于遥感影像上云的存在是影响影像质量判定的一个重要因素,对下垫面地物的识别与分类造成困难,降低了影像的利用率,分析了不同类型的云斑在资源三号卫星影像上的光谱亮度特征与直方图曲线分布特征,使用灰度共生矩阵提取云的纹理特征,依次构建云的光谱特征和纹理特征的判别准则,采用决策树分类法识别检测含云量,提出了一种针对资源三号卫星影像云量判读的算法。实验结果表明,该算法能够定性定量地判读出资源三号卫星影像上不同类型的云含量,正确率高达96%以上,具有效果好且速度快的特点。