遥感图像

摘要： 目标尺度差异性和类间相似性是遥感图像目标检测面临的两个重要挑战.多尺度特征融合作为一种解决目标尺度差异性大和类间相似度高的方法,受到了广泛关注.然而目前大多数融合方法使用固定权重融合不同尺度特征,使所有的输入图像共享融合方式,忽略输入图像中目标尺度对特征融合的影响.针对上述问题,本文提出了一种动态特征融合网络.该网络由特征门控模块和动态融合模块构成,能够实现多尺度特征的动态融合.其中,特征门控模块旨在对融合前的特征进行选择性抑制或增强,降低背景信息对后续融合的干扰.动态融合模块旨在建立输入目标尺度和特征融合之间的联系,根据输入目标尺度动态学习融合权重.最后,在采用特征金字塔的Faster R-CNN上构建动态特征融合网络,并在大规模的遥感图像目标检测数据集DIOR和DOTA上验证了动态特征融合网络的有效性.

摘要： 为减少森林火灾造成的生态与经济损失,搭建无人机检测平台采集森林遥感图像,基于支持向量机(SVM)开发森林火灾检测系统.通过分析森林遥感图像的像素点,预提取火灾的感兴趣区域(ROI),提高火灾识别准确率.利用方向梯度提取森林火焰的边缘特征与纹理特征,采用机器学习方法进行森林火灾识别.实验结果表明,该检测方法对火灾与非火灾识别的准确率较高,分别为93%与96%,整体识别准确率为94.5%.

摘要： 由于域偏移的存在,多源图像舰船目标检测任务面临着不同源传感器带来的图像风格差异难题.另外,为特定数据源训练特定的检测模型会消耗大量的计算资源,严重限制了其在军民用领域的工程应用.因此,设计一个通用网络以有效检测来自不同源遥感数据的舰船目标成了当下的研究热点.针对该需求,本文提出了一种基于不变特征的通用舰船目标检测方法,通过充分利用多源数据之间的共享知识实现通用遥感目标的网络检测.本方法由2部分组成:图像级的风格转换网络和特征级的域自适应网络.具体地,前者采用风格转换网络生成接近真实分布的伪多源图像,拉近多源数据之间的分布,在图像层面上学习多源数据的不变特征;为学习特征层面上多源数据的不变特征,后者通过适应网络对多源特征进行信息解耦,通过域注意力网络的自适应权重分配实现特征重组.本文在NWPU VHR-10,SSDD,HRSC和SAR-Ship-Dataset数据集上进行实验验证,结果表明:所提方法通过不变特征之间的信息互补,缓解了域偏移问题,可有效检测多源遥感数据.本文方法在上述多源数据集上的平均mAP为90.8%,相比现有主流舰船目标检测方法可以提高1.4%~10.6%.

摘要： 针对我国中小城镇普遍存在用地布局分散粗放、土地开发利用强度过大且利用方式不合理等问题,文章以安庆市望江县为研究区,利用遥感与地理信息系统(geographic information system,GIS)技术,结合多目标遗传算法,对土地利用数据进行优化处理,实现土地利用的紧凑性和适宜性。对原始土地数据进行邻域同化处理,对遗传算法种群的初始化进行改进,并将改进优化结果与传统优化结果进行对比分析,从经济生态指标和生态景观指数2个角度,对区域功能特征的优化结果进行评估。结果表明:优化后望江县经济效益、生态效益分别提高了21.59、0.16亿元;从景观格局角度分析可知,研究区域内斑块数量减少,平均斑块密度降低,空间聚集性增加。经优化后望江县的用地布局趋向于集中,对改善区域内小城镇用地粗放或不合理等问题具有一定的理论意义,为政府决策提供数据支撑。

摘要： 遥感图像变化检测一直是遥感领域的热点。使用单一的差分影像很难保证初始变化图的准确度,为了充分利用遥感图像的空间信息,文章提出了一种用于无监督遥感图像变化检测的基于超像素的条件随机场模型。该方法首先通过变化矢量分析、光谱相关映射器产生了提供互补变化信息的差异图像。然后对差异图像进行简单线性迭代聚类得到超像素图像,最后,引入到条件随机场模型进行优化获得二值变化图。实验结果表明,所提出的方法提高了遥感图像变化检测的准确性。

摘要： 针对遥感图像背景复杂及有监督场景分类算法无法利用无标签数据的问题,提出一种基于生成对抗网络的半监督遥感图像场景分类方法。首先,引入谱归一化残差块代替传统生成对抗网络中的二维卷积,利用残差块的跳跃连接解决梯度消失问题;其次,引入特征融合思想,将浅层特征与深层特征进行融合,从而减少特征损失;最后,在生成对抗网络的判别器中加入结合门控的注意力模块,以增强特征判别能力。在EuroSAT和UC Merced数据集上的实验结果表明,该方法能够有效提取判别力更强的特征,提高半监督分类性能。

摘要： 遥感图像目标检测一直是遥感图像领域中的热点和难点问题,旨在分类和定位感兴趣目标。近年来卷积神经网络理论技术的快速发展,有效地解决了传统目标检测方法特征提取不足的问题。在公开的遥感数据集RSOD-Dataset上,基于YOLOv3算法模型进行目标检测,为了适应遥感图像中目标小、背景复杂等难分类样本的特点,在检测模型中引入难易样本平衡因子来改变不同类别的损失权重,从而进一步提高遥感图像检测精度。为了证明这里改进方法的有效性,进行了一组对比消融实验。实验结果表明,改进的算法比YOLOv3算法的平均检测精度提高了6%,尤其是对于背景复杂的立交桥类别,平均检测精度有了明显的提高。因此通过改进YOLOv3进一步平衡了简单样本和难例样本的损失权重,有效地提高了遥感图像目标检测精度。

摘要： 高分辨率遥感图像变化检测是了解地表变化的关键,是遥感图像处理领域的一个重要分支。现有很多基于深度学习的变化检测方法,取得了良好的效果,但是不易获得高分辨率遥感图像中的结构细节且检测精度有待提高。因此,该文提出融合了边缘变化信息和通道注意力模块的网络框架(EANet),分为边缘结构变化信息检测、深度特征提取和变化区域判别3个模块。首先,为了得到双时相图像的边缘变化信息,对其进行边缘检测得到边缘图,并将边缘图相减得到边缘差异图;其次,考虑到高分辨率遥感图像精细的图像细节和复杂的纹理特征,为了充分提取单个图像的深度特征,构建基于VGG-16网络的3支路模型,分别提取双时相图像和边缘差异图的深度特征;最后,为了提高检测精度,提出将通道注意力机制嵌入到模型中,以关注信息量大的通道特征来更好地进行变化区域的判别。实验结果表明,无论从视觉解释或精度衡量上看,提出算法与目前已有的一些方法相比,具有一定的优越性。

摘要： 文章根据不同时相的建筑物遥感图像之间存在着平移、地物、旋转角度等差异,多视角图像间存在非刚性畸变问题,从而提出了使用稳健的迭代配准,逐步消除图像间的差异(或非刚性畸变),利用混合特征提高多时相和多视角图像配准精度。提出一种适应性强且适用于多时相和多视角的建筑物遥感图像变化检测方法,通过对该算法进行研究,拟在有效检测出建筑物遥感图像中的变化位置。

摘要： 在遥感图像超分辨率重建领域,大部分数据集缺少成对的图像用于训练,当前的方法主要是通过双三次插值的方式来获取低分辨率图像,因退化模型过于理想化导致在处理真实低分辨率遥感图像时效果较差,基于此,文中提出了一种自然场景下真实遥感图像的超分辨率重建算法。针对缺少成对图像的数据集的问题,构建了一种更合理的退化模型,将成像过程中的退化先验知识(如模糊、噪声、降采样等)随机混洗,以模拟自然场景下低分辨遥感图像的生成过程,生成逼真的低分辨率图像用于训练;同时,改进了一种基于生成对抗网络的超分辨率重建算法,在生成网络中引入注意力机制,以增强遥感图像纹理细节。在UC Merced数据集上,所提方法的PSNR/SSIM较ESRGAN和RCAN分别提升了1.407 1 dB/0.067 2,0.821 1 dB/0.023 5;在真实遥感数据集Alsat2B上,所提方法在3种地形上的平均PSNR/SSIM较基线模型提升了1.758 4 dB/0.048 5,重建图像视觉效果也优于基线模型,从而验证了退化模型和重建模型的有效性。

摘要： 遥感图像的目标检测是遥感数据处理中的一类基础性分析问题,目前的研究通常假设训练数据与测试数据属于同分布,但是在现实问题中却常出现训练模型与目标任务不匹配的情况.为了提高目标检测模型的鲁棒性,本文结合迁移学习中的领域自适应方法提出了无监督的域适应Faster R-CNN目标检测算法.改进算法在Faster R-CNN算法的基础上设计了域适应结构,选择作为领域间的差异性度量准则,并基于对抗训练的方式来缩小域间差异.基于亮度差异的域适应实验证明了域适应Faster R-CNN目标检测算法是有效的,相比于原Faster R-CNN算法,检测精度提高了31.84%.

摘要： 随着卫星遥感图像分辨率的提升,感兴趣目标在图像中所占尺寸越来越小,从地面复杂背景中快速提取出感兴趣的目标依然具有挑战性.本文提出了一种基于局部学习方法的直推支持向量机的遥感图像目标提取方法.该方法将半监督学习方法和局部学习方法相结合,能够有效利用已知目标样本的直推支持向量机,实现对小样本遥感目标识别的分类器构建.实验结果表明,该方法在高分辨率卫星遥感图像上的海上目标提取上比其他方法有更好的性能.

摘要： 针对基于传统方法的遥感图像在轨处理技术,处理准确率低、虚警率高的问题,提出了基于深度学习的遥感图像在轨目标检测技术的方案,并针对卫星遥感图像特点,提出了优化的遥感目标检测方法和对深度网络进行压缩方法,通过在智能处理硬件平台对提出方法进行测试,该方法目标检测准确性高达92％,虚警率低于2％,单元处理速度达到300帧/s以上,可高速高可靠的在轨实现舰船、飞机等目标处理,支持在轨目标检测技术向实用化发展.

摘要： 近年来,随着海量高分辨率遥感图像快速积累,亟需高效的遥感图像检索系统.为提升遥感图像检索的性能,本文对基于深度特征的高分辨率遥感图像检索展开研究,提出了一种基于深度融合特征的遥感图像检索方法.首先,基于当前复杂遥感场景下单一特征表示能力不足的问题,提出了一种基于深度网络的遥感图像特征均值-最大池化加权融合的方法.其次,基于该融合方法,构建了一套完整的遥感图像检索的系统框架.该系统框架结合了数据集特征增强、查询扩展等检索方法,进一步提升了遥感图像检索性能.最后,为了训练有效的深度网络,基于当今遥感图像检索数据集数量比较稀缺、常见数据集体量较小且场景较单一的现状,本文构建了一个场景丰富、体量较大的高分辨率遥感图像数据集.实验表明,该方法能够有效地提升深度特征在遥感图像中的检索效果.

摘要： 随着遥感图像分辨率的提高,飞机目标的检测越来越具有挑战性.高分辨率的遥感图像背景更趋于复杂多样,对飞机目标的检测造成极大干扰,基于传统特征的飞机目标检测算法难以提取鲁棒性、区分性特征,以至于造成较高的误检率.基于深度卷积神经网络的飞机目标检测受到极大关注,但是遥感图像中飞机目标尺度变化多样,较小的飞机通过训练网络后可识别的特征显著下降,本文将特征金字塔网络应用到飞机目标检测中,利用深度卷积网络的多尺度,金字塔分级来构造特征金字塔,并通过横向连接的自顶向下结构在所有尺度上构建高级特征映射.实验结果表明,在经典的FasterR-CNN系统中使用特征金字塔网络作为特征提取器,飞机目标检测性能取得了显著的改善,在多类型的飞机目标检测中,相比较于经典的Faster R-CNN网络,本文提出的方法AP有近8％的提高.

摘要： 为了更好地提高SAR图像中舰船目标的检测能力,提出了一种基于SAR图像混合滤波增强的Haar-like特征改进型CFAR检测算法.利用Refined Lee滤波、对数变换、离散小波变换和导向滤波对SAR图像进行预处理,去除SAR图像中存在的相干斑噪声.利用海陆分割屏蔽陆地区域的干扰,并通过基于Haar-like特征的CA-CFAR算法实现对舰船目标的检测.通过高分3卫星图像仿真,证明了提出的方法具备优秀的目标检测性能和较低的计算复杂度,可以在复杂场景中实现对海面上行驶的船舶、岸边停靠的船舶的检测.

摘要： 地物目标特性是重要的遥感图像基础性研究内容,最终目的是为图像的解译与专题应用提供支持.如何使地物目标特性智能化、精准、高效地为图像应用分析服务,是特性应用的难题之一.本文以地物目标高光谱特性为例,提出了一种基于概念知识分类模型的特性信息描述方法.采用概念知识树作为描述特性的知识表达体系,将原来抽象化的特性知识具体化、实用化,可以与目标图像解译及应用需求、算法、应用流程、应用模型构建紧耦合,显著提高任务驱动的图像解译与应用的智能化水平.最后,论文举例说明了本文提出的从知识的角度来分类组织语义逻辑上的特性应用模式,能较好解决特性支持目标分类检测与识别的解译应用存在的效率与精度困难,提升特性应用的智能化程度.

摘要： 针对遥感图像飞机目标检测过程中受云雾或建筑物遮挡而检测精度降低的问题,本文提出了一种基于注意力机制的遥感图像遮挡飞机目标检测算法.首先通过卷积神经网络提取图像特征生成特征图谱,引入注意力机制CBAM模块从通道和空间两个维度计算相应的注意力图谱,然后将注意力图谱与输入的特征图谱相乘来进行特征的自适应学习,从而使模型突出有用特征并有效抑制无用特征.经实验验证,在高分辨率遥感图像遮挡数据集(HR-RS)上对比传统遥感图像飞机目标检测网络与本文引入注意力机制的改进算法的检测性能,本文算法在遮挡飞机目标检测精度上相比Faster RCNN提升了4.5％左右,实验结果充分验证了本文算法的有效性,该算法可为机场监管、军事侦察等应用提供重要的技术支持.

摘要： 光学图像和SAR图像之间的互补特性及巨大的特征差异使得基于它们的异源遥感图像变化检测在实际应用中变得相当有意义而且富有挑战性.在本文中,提出了一种新颖的基于卷积耦合自编码器的无监督异源图像变化检测方法.卷积耦合自编码器中的卷积层首先将两副输入图像中每个像素点及其邻域编码为特征向量,该过程可以代替降噪算法并在两个图像之间建立更一致的特征表示.接着,一个经典的自编码器结构将两个特征空间连接,以探索每对特征向量间的潜在关系,并学习特征对之间的映射函数.最后,通过特征相似性分析建立变化图,并采用阈值方法生成最终的变化检测结果.对两个真实数据集的实验结果表明,与现有的几种方法相比,该方法具有更好的性能.

摘要： 量子点光谱技术的“光谱重建”过程中需要使用基函数构建回归模型.传统的重建方法对光谱高频信息的捕捉不足,反演精度低.针对传统方法的不足,提出一种特殊的基函数结构,使得基函数方便拟合待测光谱的低频宏观轮廓信息和高频微观细节信息.同时,还将研究这种基函数参数的调节规律,使基函数的参数可以做到自适应调节,为每个光谱“量身定制”个性化的基函数,最大限度的包含待测函数的频率信息.经测试,对于窄带和宽带光谱,该方法反演误差分别是传统方法误差的约50％～70％和约90％,且具有一定的抗噪声能力,为量子点光谱技术真正走向实用化打下基础.

摘要： 本发明的全色/多光谱遥感图像与高光谱遥感图像的融合方法涉及遥感图像处理领域，目的是为了克服目前现有的全色/多光谱‑高光谱图像融合的结果不能合理权衡空间和光谱分辨率的问题，本发明方法具体步骤如下：步骤一、提取高光谱遥感图像的端元矩阵；步骤二、利用全色/多光谱遥感图像、高光谱遥感图像和端元矩阵建立变分模型；步骤三、对变分模型利用交替方向乘子法迭代计算，得到全色/多光谱遥感图像和高光谱遥感图像的融合图像。

摘要： 本申请提供一种遥感图像的处理方法以及遥感图像处理模型。方法包括：获取包含待提取对象的原图像；对所述原图像依次进行M次下采样处理而获得特征数据，M为正整数；其中，x取1到M中的任意值，第x次下采样处理包括：对输入数据进行尺度不同的卷积，获得尺度不同的各卷积特征，将所述各卷积特征融合再进行下采样，获得输出数据。在对原图像进行上采样时，由于对输入数据进行了尺度不同的卷积，获得尺度不同的各卷积特征，故可以增加网络的宽度，使得将各卷积特征融合再进行下采样处理时，能够提取出更多的信息，以实现图像中的背景和待提取对象复杂且交错时，也能够准确的提取出待提取对象。

摘要： 本发明公开了一种基于标准遥感图像的遥感图像缺失数据修复方法，其特点是，该方法是首先将不存在缺失数据的参照遥感图像的光谱值校正到待修复遥感图像的光照条件下的光谱值，构建标准遥感图像；以待修复遥感图像中缺失数据像元和标准遥感图像中相同坐标像元为中心，分别构建局部窗口；在标准遥感图像窗口内，进行光谱分类，确定并记录下窗口内与中心像元光谱最相似的像元的位置(x,y)和该像元同中心像元在各波段上的光谱值的比值Ki；在待修复遥感图像窗口内，用相同位置(x,y)上的像元光谱值除以Ki，来填充窗口中心像元缺失的光谱值；本发明减少了运算量，克服了太阳光照不同所导致的图像光谱畸变对像元分类精度的影响，具有修复精度高、计算量小的优点。

摘要： 本发明涉及一种遥感图像分割方法，属于遥感图像处理技术领域。本发明根据颜色特征、纹理特征及像素点的位置信息生成的特征向量，作为初始输入向量，利用均值漂移滤波进行遥感图像的分割，并进一步利用构造的聚类有效性指数自适应地确定颜色特征和纹理特征的权重，有效提高了遥感图像分割的精度。本发明还公开了一种采用本发明的遥感图像分割方法的遥感图像检索方法，并进一步采用了一种新的区域表示与匹配方法来完成遥感图像的检索。相比现有技术，本发明具有更好的检索精度，尤其对于小目标区域的检索具有更好的效果。

摘要： 本发明的全色/多光谱遥感图像与高光谱遥感图像的融合方法涉及遥感图像处理领域，目的是为了克服目前现有的全色/多光谱‑高光谱图像融合的结果不能合理权衡空间和光谱分辨率的问题，本发明方法具体步骤如下：步骤一、提取高光谱遥感图像的端元矩阵；步骤二、利用全色/多光谱遥感图像、高光谱遥感图像和端元矩阵建立变分模型；步骤三、对变分模型利用交替方向乘子法迭代计算，得到全色/多光谱遥感图像和高光谱遥感图像的融合图像。

摘要： 本发明公开了一种SAR遥感图像到光学遥感图像的翻译方法，在训练阶段，构建包括生成器网络和判别器网络的对抗神经网络；对SAR遥感图像进行预处理，将预处理图像及对应的光学遥感图像构成训练集；根据多幅SAR遥感图像所属的地物不同将训练集分成若干个子集；针对任一子集，将子集中的预处理图像输入到对抗神经网络中，对生成器网络和判别器网络交替训练，得到子集对应的对抗神经网络预测模型；在测试阶段，对待翻译的SAR遥感图像进行预处理，并根据其所属的地物，选择相应的对抗神经网络预测模型；将预处理图像输入到相应的对抗神经网络预测模型中，生成器输出翻译结果；优点是翻译结果的精度高、视觉效果好，且能适用于分辨率较高的SAR遥感图像的翻译。

摘要： 本申请提供一种遥感图像的处理方法以及遥感图像处理模型。方法包括：获取包含待提取对象的原图像；对所述原图像依次进行M次下采样处理而获得特征数据，M为正整数；其中，x取1到M中的任意值，第x次下采样处理包括：对输入数据进行尺度不同的卷积，获得尺度不同的各卷积特征，将所述各卷积特征融合再进行下采样，获得输出数据。在对原图像进行上采样时，由于对输入数据进行了尺度不同的卷积，获得尺度不同的各卷积特征，故可以增加网络的宽度，使得将各卷积特征融合再进行下采样处理时，能够提取出更多的信息，以实现图像中的背景和待提取对象复杂且交错时，也能够准确的提取出待提取对象。

摘要： 本发明公开了一种基于标准遥感图像的遥感图像缺失数据修复方法，其特点是，该方法是首先将不存在缺失数据的参照遥感图像的光谱值校正到待修复遥感图像的光照条件下的光谱值，构建标准遥感图像；以待修复遥感图像中缺失数据像元和标准遥感图像中相同坐标像元为中心，分别构建局部窗口；在标准遥感图像窗口内，进行光谱分类，确定并记录下窗口内与中心像元光谱最相似的像元的位置(x,y)和该像元同中心像元在各波段上的光谱值的比值K

摘要： 本发明涉及一种遥感图像分割方法，属于遥感图像处理技术领域。本发明根据颜色特征、纹理特征及像素点的位置信息生成的特征向量，作为初始输入向量，利用均值漂移滤波进行遥感图像的分割，并进一步利用构造的聚类有效性指数自适应地确定颜色特征和纹理特征的权重，有效提高了遥感图像分割的精度。本发明还公开了一种采用本发明的遥感图像分割方法的遥感图像检索方法，并进一步采用了一种新的区域表示与匹配方法来完成遥感图像的检索。相比现有技术，本发明具有更好的检索精度，尤其对于小目标区域的检索具有更好的效果。

摘要： 本发明提供一种遥感图像的处理方法、装置及遥感成像设备。该方法包括：获取目标区域的多个遥感图像；在多个遥感图像中，确定相似度最高的第一遥感图像和第二遥感图像，以及确定清晰度最高的第三遥感图像；根据第一遥感图像和第二遥感图像，确定差值图像；差值图像用于表征第一遥感图像和第二遥感图像受到的固定噪声的差异情况，固定噪声为多个遥感图像中每个遥感图像的一个或多个固定位置存在的噪声；根据差值图像，对第三遥感图像进行修正，得到目标区域的最终图像。本发明能够减小由于遥感成像设备的硬件退化导致的遥感图像存在的噪声，提高遥感图像的清晰度。