最新刊期

    2021 25 5
    封面故事

      学者观点

    • 徐冠华,刘琦岩,罗晖,梅永红,黄写勤
      2021, 25(5): 1037-1042. DOI: 10.11834/jrs.20211198
      摘要:后疫情时代,全球气候变化影响和应对呈现新趋势,突发性、全球性和关联性成为鲜明的特征。当前,要着力解决应对气候变化的重大科学问题,就必须继续务实加强基础研究,妥善处理应对全球变化的挑战和可持续发展之间的关系;根据中国国情选择自己的气候变化应对之路;进一步处理好减排与增汇、减缓与适应的关系;设立国家碳中和重大专项;制定和实施更大规模植树造林计划;要立足未来,密切关注与气候变化高度关联的人类长期发展议程,实现人类可持续发展。  
      关键词:碳中和;气候变化;基础研究;可持续发展   
      883
      |
      181
      |
      2
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10351371 false
      发布时间:2021-06-07

      前沿进展

    • 张帆,刘瑜
      2021, 25(5): 1043-1054. DOI: 10.11834/jrs.20219341
      街景影像——基于人工智能的方法与应用
      摘要:街景影像是感知城市物质环境的一种新型地理大数据。这种数据以人的视角详尽描绘了城市的可视环境,同时也隐性地表达了可视环境背后有关城市功能、社会经济和人类活动的信息。然而,传统的数字图像处理技术对街景影像的处理能力有限,不能高效地理解其中的语义信息。近年来,随着人工智能领域的不断发展,图像分析和机器学习方法取得了突破性的进展。以深度学习和计算机视觉为代表的前沿人工智能技术,为挖掘街景语义信息、理解和定量表达场所物质空间、建成环境的特征提供了强有力的支持。在此背景下,街景影像被广泛应用于地理学、城市规划等众多领域,并在此过程中出现了大量的新方法和新视角,为基于大数据的城市环境研究、人地关系研究、空间数据挖掘与知识发现研究提供了新的思路。本文综述了基于街景影像和人工智能技术的相关研究,从深度学习和计算机视觉两个方面对街景影像分析的支撑技术进行了梳理,并从场所物质空间量化、场所感知以及场所语义推测3个方面对街景影像研究的应用方向进行了总结,对其在发展过程中面临的数据稀疏性问题、分析方法的严谨性问题进行了归纳,同时讨论了未来研究的方向。  
      关键词:街景影像;场所语义;城市物质空间;深度学习;计算机视觉   
      1121
      |
      633
      |
      12
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10350351 false
      发布时间:2021-06-07
    • 苏红军,顾梦宇
      2021, 25(5): 1055-1070. DOI: 10.11834/jrs.20219448
      高光谱遥感影像优化判别局部对齐特征提取
      摘要:目前,高光谱遥感特征提取方法往往因受到噪声的干扰而导致降维效果欠佳。近年来,判别局部对齐DLA(Discriminative Locality Alignment)由于可以处理非线性分布样本、保留局部判别信息,同时避免矩阵奇异性问题,受到了很多学者的关注;但该方法无法有效估计和减少噪声对高光谱遥感影像的影响。针对以上问题,本文提出了最小噪声判别局部对齐MDLA(Minimum-noise Discriminative Locality Alignment)的线性特征提取方法和核最小噪声判别局部对齐KMDLA(Kernel Minimum-noise Discriminative Locality Alignment)的非线性特征提取方法。充分利用最小噪声分离MNF(Minimum Noise Fraction)的去噪能力,将MNF与DLA算法结合提出了MDLA方法,该方法首先利用MNF对高光谱遥感影像进行降维,减少图像中的噪声,然后再在子空间进行DLA变换得到最终的投影数据。为提高样本分布的非线性判别能力,基于KMNF与DLA算法将核方法引入MDLA,提出了KMDLA方法,该方法首先通过KMNF将原始空间的数据映射到新的特征空间,然后在特征空间中进行DLA变换得到最终的投影数据。实验部分首先利用3组高光谱遥感数据对提出算法的性能进行评价,并与相关特征提取算法进行了对比分析,最后分析了图像噪声对不同降维方法性能的影响。结果表明:提出的算法对高光谱遥感影像特征提取效果较好,且可有效减少噪声对影像的影响并提升其分类准确度。  
      关键词:高光谱遥感;特征提取;MDLA;KMDLA;图像分类   
      743
      |
      316
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10350969 false
      发布时间:2021-06-07
    • 艾加秋,王非凡,杨兴明,史骏,刘凡
      2021, 25(5): 1071-1084. DOI: 10.11834/jrs.20210212
      基于背景匀质性双边滤波的SAR图像斑点噪声抑制算法
      摘要:针对双边滤波在抑制SAR图像相干斑噪声的不足,本文提出了一种基于背景匀质性的改进双边滤波算法BH-IBF(Improved Bilateral Filtering algorithm based on Background Homogeneity ),并将其应用于SAR图像斑点噪声抑制。BH-IBF以传统双边滤波作为基本框架,并利用了双边滤波器中的双边核函数描述像素灰度值之间的相似性以及相邻像素间的几何空间信息。然而,传统双边滤波存在不能有效地滤除强斑点噪声的缺点,并且SAR图像又因成像原理的缺陷导致强斑点噪声普遍存在。针对这些问题,BH-IBF设计了一种根据背景窗口的匀质性进行自适应样本截断的方法,并根据描述背景匀质性的指标自动获取样本截断的截断深度。此外,本文将自适应滤波窗口尺寸以及权重核修改的方案应用到BH-IBF中,以增强匀质区域的斑点噪声平滑强度以及异质区域的边缘信息效果。最后,使用自适应截断后的样本作为已调整权重核的双边滤波器的输入。实验数据显示,BH-IBF能够在有效保留SAR图像纹理信息的同时,获取较好的斑点噪声平滑性能。  
      关键词:SAR图像斑点噪声抑制;改进双边滤波算法;自适应样本截断;背景匀质性;自适应滤波窗口尺寸   
      736
      |
      199
      |
      3
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10350852 false
      发布时间:2021-06-07
    • 陈杰,戴欣宜,周兴,孙庚,邓敏
      2021, 25(5): 1085-1094. DOI: 10.11834/jrs.20210340
      双LSTM驱动的高分遥感影像地物目标空间关系语义描述
      摘要:高分辨率遥感影像中的地物目标具有清晰的类别属性与空间关系语义。在人工智能技术支撑下,用计算机自动认知其空间关系具备了可行性。目前,遥感影像场景的语义理解主要依托图像描述任务(image caption),基于影像的全局特征生成描述语句。但是,这种粗粒度特征容易导致地物目标的类别属性在描述语句生成过程中被错误预测。事实上,以地物目标作为空间关系语义理解的基本单元,更符合人们认知地理空间的习惯。为得到更准确的描述语句,本文构建了基于地物目标的遥感影像语义理解数据集,并提出双LSTM驱动的地物目标空间关系语义理解方法。该方法用目标检测模型识别影像中的显著目标,将这些目标特征输入到语言模型,以缓解描述语句中类别被错误预测的问题。进而,为利用遥感影像场景信息,将影像全局特征与目标区域特征进行融合,并用双LSTM预测目标的注意力分布,提高描述语句生成质量。对比实验结果表明,该方法能生成更准确的图像描述。  
      关键词:高分辨率遥感影像;地物目标;空间关系;语义理解;图像描述   
      798
      |
      237
      |
      1
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10351239 false
      发布时间:2021-06-07
    • 薛朝辉,周逸飏,强永刚,刘弋锋,林晖
      2021, 25(5): 1095-1107. DOI: 10.11834/jrs.20210188
      融合NetVLAD和全连接层的三元神经网络交叉视角场景图像定位
      摘要:研究场景图像的地理定位问题在室外定位、目标搜寻、军事侦察等领域具有重要意义。针对街景影像与鸟瞰影像之间的交叉视角场景图像匹配与定位问题,本文提出了一种融合可训练局部聚集描述子向量NetVLAD(Net Vector of locally aggregated descriptors)和全连接层的三元神经网络(Triplet Network)定位方法(Tri-NetVLAD)。三元神经网络由三组卷积神经网络CNN(Convolutional Neural Networks)构成,能同时处理3张影像,通过增大不匹配像对间的距离,减小匹配像对间的距离,实现图像检索与匹配;NetVLAD和全连接层的融合可以加强特征间的关联性。本文将CNN提取的局部卷积特征分别通过NetVLAD层和全连接层得到全局描述符与特征向量,并将二者融合,有效地提升了局部特征间的关联性,并保留了不同局部特征之间的差异性,提升了模型的定位精度;改进了DBL loss(Distance-based layer loss),通过加入参数λ增强函数判别困难样本的能力,在提升模型的收敛速度和稳定性的同时也提升了模型的定位精度。在美国Vo and Hays公开数据集上的实验结果表明,Tri-NetVLAD取得了优于MCVPlaces、Triplet eDBL-Net和CVM-Net等现有方法的定位精度,在测试集上的精度高于63%。  
      关键词:交叉视角;场景图像匹配与定位;三元神经网络;NetVLAD;CNN(Convolutional Neural Networks)   
      610
      |
      280
      |
      3
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10350574 false
      发布时间:2021-06-07

      博士论坛

    • 章硕,孙斌,李树涛,康旭东
      2021, 25(5): 1108-1123. DOI: 10.11834/jrs.20210337
      空间与光谱维度的高光谱图像噪声估计
      摘要:高光谱图像能够获取地物精细的光谱诊断特征,但受限于多谱段分光的成像机制,图像各个谱段上光成像的能量不足,信噪比难以提升。高光谱图像噪声类型与强度的准确估计,是提升高光谱图像去噪性能的关键,也是优化其成像系统设计的重要依据。现有高光谱图像噪声估计算法通常将不同类型的图像噪声作为一个整体,并未充分考虑不同类型噪声的区别。本文从高光谱图像获取的机理出发,提出了一种联合空间与光谱维度分析的高光谱图像噪声估计方法。首先,建立了高光谱图像噪声退化模型,将图像中的主要噪声定义为两类:条带与高斯噪声。然后,基于条带噪声在空间维度上独特的频率特性,提出了基于傅里叶变换与局部均值滤波的条带噪声估计方法。最后,基于在光谱维度上高光谱图像相邻波段间的高相关性,通过多元回归分析估计高斯噪声的均值与标准差。本文在模拟高光谱噪声数据上进行算法验证的同时,深入分析了高分五号短波红外高光谱相机、机载Nano-Hyperspec成像仪等国内外成像仪获取的真实高光谱数据。实验结果表明,本文提出的噪声估计方法能够有效的估计出高光谱图像不同谱段条带与高斯噪声的量化指标。实验结果可用于分析高光谱图像在不同传感器与不同成像场景下的退化原因,从而设计更优的图像去噪方法与成像系统。  
      关键词:高光谱图像;噪声估计;噪声分离;傅里叶变换;条带噪声;高斯噪声   
      825
      |
      784
      |
      1
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10350711 false
      发布时间:2021-06-07
    • 姚艳清,程塨,谢星星,韩军伟
      2021, 25(5): 1124-1137. DOI: 10.11834/jrs.20210505
      多分辨率特征融合的光学遥感图像目标检测
      摘要:高分辨率遥感图像目标检测是计算机视觉的一个重要研究领域,在民用与军事领域具有重要的应用价值。目前,基于深度学习的自然图像目标检测有了突破性进展。但是,由于遥感图像具有目标尺度差异大且类间相似度高的特点,使得处理自然图像的目标检测算法直接应用于遥感图像时仍面临着一些挑战。针对上述挑战,本文提出一种多分辨率特征融合的遥感图像目标检测方法。首先,通过特征金字塔提取多尺度特征图并在其后嵌入多分辨率特征提取网络,促使网络学习目标在不同分辨率下的特征,缩小不同特征层之间的语义差距。其次,为实现多分辨特征的有效融合,本文采用自适应特征融合模块挖掘更具判别性的多分辨特征表达。最后,将自适应特征融合模块的输出特征的相邻层进行深度融合。在公开的遥感图像目标检测数据集DIOR和DOTA上评估了本文方法的有效性,相比采用特征金字塔结构的Faster R-CNN,本文方法的准确率(mAP)分别提高2.5%和2.2%。  
      关键词:卷积神经网络;多分辨率特征融合;遥感图像;目标检测   
      1230
      |
      746
      |
      12
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10351461 false
      发布时间:2021-06-07
    • 许月,谢东辉,漆建波,阎广建,穆西晗,张吴明
      2021, 25(5): 1138-1151. DOI: 10.11834/jrs.20210100
      基于计算机模拟模型LESS的落叶松林木质元素影响分析
      摘要:目前大部分植被辐射传输模型在模拟太阳辐射与植被之间的相互作用过程时,将植物结构进行了简化,只保留了叶片的结构和空间分布特征,而忽略了木质元素(枝干等)对冠层反射特性的影响。计算机模拟模型LESS能够充分考虑植被的多种组分光谱和结构特征,精确模拟植被冠层内部的光散射和辐射过程。本文以地面实测数据为基础,发展了以单木为基本单元的复杂森林三维场景重建基本流程;并在重建森林场景基础上,利用计算机模拟模型LESS模拟森林三维场景反射率,对比分析了森林木质元素对冠层反射率的影响。结果表明,忽略木质元素会引起植被冠层反射率模拟的偏差,特别是在近红外波段,在不同叶面积指数(LAI)下,其相对偏差都在40%以上。高空间分辨率是一个会突出木质元素影响的重要因素,随着空间分辨率提高,偏差也随之增大。不同等级枝干结构均对冠层反射率产生影响,即使忽略最小分枝也会引起17.7%(近红外)的估计误差。因此,在进行定量遥感研究中,必须考虑到忽略木质元素引起的偏差,即使是高LAI森林也无法忽视木质元素的影响。特别是在高分辨率遥感图像中,传统的以统计特征代替三维结构分布的辐射传输模型已经无法满足精度的要求。  
      关键词:辐射传输模型;森林;反射率;木质元素;三维重建;LESS   
      705
      |
      242
      |
      0
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10350451 false
      发布时间:2021-06-07

      技术方法

    • 李朝晖,张永光,张乾,吴云飞,张小康,章钊颖
      2021, 25(5): 1152-1168. DOI: 10.11834/jrs.20210254
      植被冠层日光诱导叶绿素荧光塔基自动观测方法及系统介绍
      摘要:植物光合作用所提供的物质和能量是人类赖以生存的关键因素,而日光诱导叶绿素荧光SIF(Sun-Induced chlorophyll Fluorescence)是植物光合作用的副产品,与光合作用关系密切,深入研究SIF将对于更加深入理解光合作用机制有着重要的意义。目前,近地面植被冠层SIF遥感观测发展迅速,但不同SIF观测系统间差异较大。本文通过比较分析不同塔基SIF观测系统及其特征,归纳了塔基SIF观测方式和方法,提出了塔基SIF观测技术规范。塔基SIF观测主要有两台光谱仪和一台光谱仪结合光路切换开关的观测方法,可以采取双半球和半球—锥体两种观测方式。SIFprism系统是一种新的基于光学棱镜的SIF自动观测系统,本文介绍了SIFprism系统软硬件组成和光谱数据采集流程,并以SIFprism系统为例阐述了塔基观测系统光谱数据处理流程,分析了SIF反演过程可能存在的不确定性,最后对近地面SIF观测进行了展望。  
      关键词:日光诱导叶绿素荧光SIF;塔基SIF观测;SIFprism系统;观测规范;数据采集流程   
      947
      |
      294
      |
      2
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10351177 false
      发布时间:2021-06-07
    • 彭龙康,刘励聪,陈学泓,陈晋,曹鑫,邱岳安
      2021, 25(5): 1169-1186. DOI: 10.11834/jrs.20210061
      遥感影像云检测网络泛化性能研究:以DeepLabv3+为例
      摘要:近年来,深度学习算法得到了长足的发展,并开始应用于云检测。但是深度神经网络模型参数众多,依赖大量训练样本,因此理解其泛化性能对于深度学习在不同遥感影像的实际应用具有重要的参考价值。本文以深度语义分割算法DeepLabv3+为例,以一组广泛使用的云标记数据集“L8 Biome”为验证数据,探讨该算法用于云检测时在不同的地表景观、空间分辨率和光谱波段组合的遥感影像上的泛化性能。云标记数据集“L8 Biome”包含96景具有全球代表性的Landsat 8 OLI影像及相应的人工云掩膜,被广泛用于测试云和云阴影检测算法性能。首先,利用Landsat 8 OLI云标记数据集“L8 Biome”,构建不同类型景观、不同空间分辨率、不同波段组合的训练影像集和测试影像集;其次基于不同训练样本集和测试集,评估了DeepLabv3+算法在不同情况下的云检测精度,并与Fmask算法作对比分析。研究结果表明:(1)使用全混合景观类型的训练集训练出来的云检测网络在总体检测精度(92.81%)与稳定度(标准差12.08%)上都优于使用单一景观类型的训练集训练得到的云检测网络,也优于Fmask的总体精度(88.75%)与稳定度(标准差17.34%),说明在构建深度学习算法的训练集时,应该尽可能包含多类型的地表景观;(2)将全混合景观训练集中剔除一类景观的样本(冰/雪景观除外)构建的“混合-1”训练集与全混合景观训练集训练的DeepLabv3+网络的云检测精度也相差不大,说明现有训练样本集已具备较强的景观泛化能力;(3)基于30 m空间分辨率的全混合景观训练样本集训练得到的DeepLabv3+云检测网络在不同分辨率(30 m、60 m、120 m、240 m)的测试集上云检测精度差异不大,都取得较好的效果,说明DeepLabv3+能够泛化应用于不同空间分辨率的遥感影像,相反Fmask直接应用于低分辨率影像时精度明显下降;(4)DeepLabv3+能充分自适应不同波段的信息用于云检测,总体来说更多的光谱波段输入能够提高DeepLabv3+的云检测的精度和稳定度,其中短波红外波段对于DeepLabv3+区分冰/雪与云具有重要价值,而热红外波段对DeepLabv3+云检测网络的性能提升很微小。以上结果说明利用现有数据集“L8 Biome”训练的DeepLabv3+云检测网络能够适用于多种类型的遥感影像,并优于Fmask算法。  
      关键词:深度学习;云检测;DeepLabv3+;泛化性能;地表景观;光谱波段组合;空间分辨率   
      743
      |
      319
      |
      5
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10351079 false
      发布时间:2021-06-07
    • 刘冰洁,陈佐旗,余柏蒗,杨成术,邱炳文,涂越
      2021, 25(5): 1187-1200. DOI: 10.11834/jrs.20210228
      夜间灯光遥感对城市发展类动能与相似性评估
      摘要:评估城市发展水平与制定城市规划和城市发展政策息息相关。已有研究表明人口、国内生产总值(GDP)等统计数据和夜间灯光遥感数据能够用来衡量城市发展水平,但大多研究只关注城市发展总量,忽视了发展速度对城市发展的影响。因此,本文基于2012年—2019年Suomi NPP-VIIRS(Suomi National Polar-Orbiting Partnership-Visible Infrared Imaging Radiometer Suite)夜间灯光遥感数据,提出了兼顾城市发展水平和增速的夜间灯光类动能指数用于测度城市发展类动能;利用动态时间规整DTW(Dynamic Time Warping)算法构建了城市发展类动能相似性检测分析框架,并基于相似性检测结果对全国328个城市进行了等级划分。相较于2019年第一财经公布的一至五线城市,本文城市等级划分结果表明,在同一等级中的城市发展更为相似和合理,也证明了城市发展类动能更有利于城市发展水平的评估;以长江三角洲城市群为例,进一步验证了城市发展类动能和基于DTW相似性检测方法用于评估城市群发展情况与合理性的潜力。综上所述,基于夜间灯光遥感的城市发展类动能估算与相似性分析方法能够较好地评估城市发展水平,为城市分级与城市群发展评估提供科学依据。  
      关键词:遥感;城市发展水平;NPP-VIIRS;夜间灯光类动能;DTW距离   
      973
      |
      252
      |
      6
      <HTML>
      <网络PDF><Meta-XML>
      <引用本文> <批量引用> 10351357 false
      发布时间:2021-06-07
    0