最新刊期
      2020 年 第 24 卷 1 期

        中国遥感卫星

      • 崔斌,张永红,闫利,魏钜杰
        2020, 24(1): 1-10. DOI: 10.11834/jrs.20208179
        高分三号SAR影像双阈值变化检测
        摘要：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。  
        关键词：遥感;SAR变化检测;双阈值分割;高分三号(GF-3);GKIT;归一化最大类间方差   
        579
        |
        136
        |
        4
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19250219 false
        发布时间：2021-10-18
      • 井然,宫兆宁,朱文定,关鸿亮,赵文吉,张涛
        2020, 24(1): 11-26. DOI: 10.11834/jrs.20208221
        多尺度SLIC-GMRF与FCNSVM联合的高分影像建筑物提取
        摘要：遥感影像建筑物提取具有重要的应用价值。然而，高分辨率遥感影像中细节信息繁多、特征复杂，增加了建筑物提取难度。针对这一问题，本文提出一种基于多尺度SLIC-GMRF和FCNSVM的建筑物提取方法，一定程度上提高了高分辨率遥感影像建筑物提取能力。首先，利用多尺度SLIC-GMRF分割算法确定初始建筑物区域，然后，充分利用FCN神经网络在语义分割中的优势抽取建筑物特征，最后，结合提取出的建筑物特征训练SVM分类器细化建筑物提取结果，通过3种控制实验，两种对比方法得出以下结论：SLIC分割算法影响初始分割结果；SVM分类器影响建筑物细部提取；FCN特征影响SVM分类器性能。对于特征清晰、遮挡干扰较少的研究区，本文方法能够较好提取影像中的建筑物，查准率、查全率、质量指标均优于对比方法，对建筑物复杂分布的研究区同样能够取得较好的提取效果。  
        关键词：遥感;建筑物提取;影像分割;FCN神经网络;支持向量机;高分辨率遥感影像   
        719
        |
        363
        |
        6
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19249749 false
        发布时间：2021-10-18
      • 吴从中,陈曦,詹曙
        2020, 24(1): 27-36. DOI: 10.11834/jrs.20208169
        结合残差编解码网络和边缘增强的遥感图像去噪
        摘要：高分辨率遥感图像去噪对于提高后续图像分析、识别等问题的准确性具有重要意义。目前的去噪算法普遍存在去噪结果边缘信息模糊、易产生视觉伪影导致遥感信息丢失的缺点，针对以上问题本文提出了一个基于边缘增强的残差编解码去噪网络用于高分辨率遥感影像去噪。该方法首先将噪声图片通过低通滤波器分解成高频层和低频层，然后将含噪声信息的高频层输入到带残差模块的编解码网络中，通过采样运算在多尺度空间上学习残差映射生成残差图像，最后使用跳跃连接得到完整的去噪结果。其损失函数由逐像素和感知损失两部分组成，逐像素损失使用传统的均方根误差学习像素级信息，感知损失学习语义特征上的差异可以保留更多边缘信息，最终得到更清晰的结果，其中感知损失是由级联在后的语义分割网络提取的特征图定义的。本文对不同测试数据做去噪实验并与几个经典方法对比证明本文模型的去噪结果优于其他方法，不仅提高图像的峰值信噪比，得到最高的平均梯度值，还在视觉上取得了最清晰的结果。实验结果表明，本文提出的基于边缘增强的深层编解码卷积网络在去噪的同时可以改善边缘细节被模糊的问题，保留更多遥感地物信息，提高图像视觉效果。  
        关键词：遥感图像去噪;卷积神经网络;边缘增强;感知损失;高分二号   
        607
        |
        187
        |
        6
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19249874 false
        发布时间：2021-10-18

        技术方法

      • 徐俊峰,张保明,余东行,林雨准,郭海涛
        2020, 24(1): 37-52. DOI: 10.11834/jrs.20208213
        多特征融合的高分辨率遥感影像飞机目标变化检测
        摘要：为利用高分辨率遥感影像实现高精度的飞机目标变化检测，提出了一种自适应的多特征融合变化检测与深度学习相结合的方法。首先，通过加权迭代的多元变化检测法获取变化强度图，并结合自适应的直方图统计法自动获取显著的变化与不变化样本；然后，提取多时相影像的光谱、边缘和纹理特征，完成多特征融合的变化检测，并通过形态学处理得到变化图斑；最后，利用训练的NIN(Network in Network)结构的卷积神经网络飞机识别模型，完成变化图斑的类型判别，实现变化飞机的检测。实验结果表明，本文方法在两组数据的正确率分别达到100%和91.89%，均优于对比方法，能实现准确可靠的飞机目标变化检测。  
        关键词：遥感;变化检测;多特征融合;飞机目标;高分辨率遥感影像;多元变化检测;卷积神经网络   
        739
        |
        230
        |
        7
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19250039 false
        发布时间：2021-10-18
      • 焦俊男,石静,田庆久,高林,徐念旭
        2020, 24(1): 53-66. DOI: 10.11834/jrs.20208225
        多光谱影像NDVI阴影影响去除模型
        摘要：归一化植被指数(NDVI)在植被多光谱遥感反演中占据尤为重要的地位，而遥感影像中普遍存在的阴影对NDVI的精度产生很大的影响，因此去除阴影对植被NDVI的影响对更精确的定量化研究具有应用价值。本文基于光照区和阴影区的太阳辐射能量差异，模拟出同一植被在光照区和阴影区的辐亮度，分析阴影对NDVI的影响机理；利用植被固有反射率谱间关系，引入对阴影极敏感的且与植被信息相关性小的归一化暗像元指数NDPI (Normalized Dark Pixel Index)，分析同一植被处于光照区与阴影区的NDVI关系，构建以光照区植被NDVI为基准的NDVI阴影影响去除模型NSEE (NDVI Shadow-Effect-Eliminating)，并应用于Landsat 8 OLI影像进行验证。结果表明：NDVI阴影影响基本去除，阴影区NDVI接近正常值，且光照区NDVI保持稳定；有效解决了阴影导致NDVI统计直方图的偏态问题，使其更接近正态分布；与验证影像NDVI沿剖面线逐像元比对发现，植被NDVI阴影影响基本去除；均方根误差RMSE为0.067。本模型能够将本身NDVI值很低的像元与阴影导致NDVI降低的植被像元区分开，符合实际地物情况；模型基于影像自身信息，去除NDVI阴影影响的同时，有效保持了NDVI的相对空间关系；本文基于物理机理构建模型，模型表达简洁、易于应用，且仅依赖于影像自身信息，无需异源数据，计算方便且高效。  
        关键词：遥感;植被阴影冠层;NDVI;NDPI;阴影;Landsat 8 OLI;多光谱遥感   
        817
        |
        221
        |
        6
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19249788 false
        发布时间：2021-10-18
      • 康孝岩,张爱武,胡少兴,肖青,柴沙驼
        2020, 24(1): 67-75. DOI: 10.11834/jrs.20208178
        高光谱图像的<italic style="font-style: italic">JM</italic>变换自适应降维
        摘要：在无需先验标签样本的情况下，非监督降维可以有效简化高光谱图像的特征空间，避免目标分类中的霍夫效应。本文提出JM非线性变换优化的自适应降维模型来研究面向图像目标分类的高光谱波段选择问题。该方法考虑波段的信息量和独立性等两个重要因子，针对其测度方法的差异性问题，引入JM变换函数进行规范化优化。选用线阵高光谱和面阵显微光谱等两个图像数据集，在k最邻近和随机森林分类器下，进行了多组监督分类实验，结果表明，在Kappa系数、总体分类精度和平均分类精度上，本文方法均优于3种非监督方法MABS、InfFS和LSFS。说明本文提出的JM变换的自适应降维模型能够有效降低特征维度，满足高光谱图像分类的高精度要求。  
        关键词：遥感;JM变换;规范化;自适应降维;非监督波段选择;高光谱图像   
        602
        |
        166
        |
        1
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19250116 false
        发布时间：2021-10-18
      • 刘飞,张继贤,王坚,张欣欣,丁晓波
        2020, 24(1): 76-84. DOI: 10.11834/jrs.20208210
        单目视觉Tukey权因子模型室内位置测量
        摘要：面向室内导航和定位的需求，本文提出了一种基于编码图形和单目视觉传感器相结合的室内移动载体位置测量方法。首先，优化设计了一系列用于移动载体空间位置计算的编码影像，利用轮廓匹配、矩计算和映射匹配相结合的方式实现空编图形的识别与定位。其次，针对编码图形中心像方坐标观测值提取残差，构建了基于单位权和Tukey权因子模型的空间后方交会方法，基于两种权重因子分别计算了移动载体的观测值残差权重，分析了不同残差的观测值对结果的影响程度。然后，构建了4组实验环境，从不同角度获取了观测影像，并进行了数据处理与分析。最后，通过实验验证，表明基于2种权因子模型的方法均能够实现载体位置的计算，但基于Tukey权因子方法具有更高的精度，平面精度提高了29.76%—49.42%，高程精度提高了29.17%—74.07%。本文方法能够为室内空间移动载体提供高精度的导航和定位测量服务。  
        关键词：室内定位;编码图形;单目视觉;tukey权重;抗差模型   
        606
        |
        86
        |
        1
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19250170 false
        发布时间：2021-10-18

        遥感应用

      • 郑晓莉,董庆,樊星
        2020, 24(1): 85-96. DOI: 10.11834/jrs.20208215
        北太平洋中尺度涡海表温度和叶绿素浓度特征分析
        摘要：本文利用AVISO卫星高度计资料识别并追踪了北太平洋2007年—2012年的中尺度涡，并利用OSTIA的海表温度SST(Sea Surface Temperature)资料与MODIS的叶绿素a浓度(Chl-a)资料，研究了北太平洋2007年—2012年中尺度涡SST和Chl-a浓度的时空分布特征，并分析北太平洋典型中尺度涡SST与Chl-a浓度的变化特征，主要结论如下：本文共识别出992个中尺度涡，其中442个气旋涡，550个反气旋涡。中尺度涡SST时空分布特征为：气旋涡温度强度(ICE)月变化特征比反气旋涡温度强度(IAE)更强。ICE年际变化显著，IAE则不明显。温度强度较强的气旋涡和反气旋涡集中分布在黑潮延伸区。中尺度涡Chl-a浓度时空分布特征如下：气旋涡和反气旋涡Chl-a浓度月变化特征明显，且二者的变化趋势一致；年际变化则均不明显。Chl-a浓度值高的中尺度涡主要分布在高纬海域。中尺度涡SST与海洋动力参数(振幅、涡度和涡动能(EKE))的相互关系为：反气旋涡SST与振幅的相关性亦正亦负，且在空间上均匀分布。气旋涡SST与振幅的负相关系数主要分布在黑潮延伸区。正相关性强的反气旋涡多于气旋涡。反气旋涡SST与涡度的相关性亦正亦负，气旋涡SST与涡度呈负相关。反气旋涡SST与EKE的相关性亦正亦负；气旋涡的相关性为正。中尺度涡Chl-a浓度与海洋动力参数的相互关系为：反气旋涡Chl-a浓度与振幅的相关性为正，且在空间上均匀分布；气旋涡在黑潮延伸区与阿拉斯加湾呈正相关。反气旋涡和气旋涡Chl-a浓度与涡度均呈正相关。反气旋涡Chl-a浓度与EKE呈正相关；气旋涡Chl-a浓度与EKE相关性亦正亦负。  
        关键词：遥感;叶绿素浓度;海表温度;温度强度;中尺度涡;北太平洋   
        696
        |
        229
        |
        2
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19249937 false
        发布时间：2021-10-18
      • 郑益勤,杨晓峰,李紫薇
        2020, 24(1): 97-106. DOI: 10.11834/jrs.20208209
        深度学习模型识别静止卫星图像海上强对流云团
        摘要：强对流天气破坏力强，对海上航行和海洋开发都有着很大的影响，但由于其生命史短，且海上气象测站少，因此难以对其进行快速准确的监测。而静止气象卫星的覆盖范围广、时间分辨率高，因此成为了监测强对流天气的重要手段。本文提出了一种利用Himawari-8卫星影像，基于深度信念网络(DBN)进行强对流云团自动识别的方法。该方法分别提取每张图像的光谱特征TBB13、TBB08-TBB13和TBB13-TBB15，以及基于光谱特征TBB08-TBB13的纹理特征能量Energy和对比度Contrast，再参考CloudSat卫星的云分类产品自动构建样本集，利用此样本集训练DBN模型，以确定模型的参数和结构。使用训练完成的DBN模型进行强对流云团识别，并对识别结果进行后处理。通过典型案例分析和精度评定发现，新方法的临界成功指数CSI为71.28%，检测概率POD为84.83%，虚警率FAR为18.31%。结果表明，该方法可以有效识别处于初生到消散不同阶段的强对流云团，并在一定程度上去除检测结果中多余的卷云。与单波段阈值法、多波段阈值法和支持向量机这3种方法相比，文中提出的方法能够提高强对流云团的识别精度。  
        关键词：遥感;强对流云团;深度信念网络;静止气象卫星;光谱特征;纹理特征   
        1078
        |
        276
        |
        6
        <HTML>
        <网络PDF><Meta-XML>
        <引用本文> <批量引用> 19250074 false
        发布时间：2021-10-18
      0