期刊,遥感技术与应用 2024年卷3期_国家学术搜索

期刊信息/Journal information

遥感技术与应用

主　　编：吴季

出版周期：双月刊

国际刊号：1004-0323

电子邮箱：rsta@lzb.ac.cn

电　　话：0931-8272180

邮政编码：730000

地　　址：兰州市天水路8号

遥感技术与应用/Journal Remote Sensing Technology and ApplicationCSCD北大核心CSTPCD

查看更多>>本刊主要刊登国内外遥感理论，技术及应用研究领域的学术论文与综述，报道国内外遥感研究与应用的发展动向，新技术，新理论，新方法和新成果。

正式出版

收录年代

基于主题模型的高分辨率遥感影像解译综述

李真朱祺琪雷洋万江琴...

527-535页

查看更多>>摘要：从文本分析到影像解译,主题模型一直起着十分重要的作用.由于其强大的语义挖掘能力,主题模型能够捕捉遥感影像中潜在的空谱信息,从而广泛应用于遥感影像解译问题(例如语义分割、目标检测、场景分类等).然而,目前还没有一个详述和总结主题模型在遥感影像中应用现状的研究.本研究旨在系统地总结主题模型在遥感影像中的应用,并针对几个的典型影像解译任务开展实验对比和分析,全文架构包括以下4个方面:①主题模型基本理论;②基于主题模型的遥感影像典型应用;③基于主题模型的实验对比分析;④总结和展望.

关键词：

主题模型遥感影像场景分类语义分割

原文链接:

NETL
NSTL
万方数据

结合自适应形态属性剖面与决策融合的高分遥感变化检测

谢涛陈施施瞿建华王超...

536-546页

查看更多>>摘要：随着对地观测技术的快速发展,高分遥感影像变化检测已成为遥感领域中的研究热点.空间分辨率的提高带来了丰富的空间信息,同时也导致了由于物候差异引起的实际属性并未发生变化,而光谱等表现特征发生变化的"伪变化"问题更为显著.形态属性剖面(Morphological Attri-bute Profiles,MAPs)作为一种高效空间信息建模方法,可从不同属性、多个尺度精细刻画复杂变化特征,已在变化检测领域任务中得到了广泛应用.尽管如此,已有MAPs方法通常未考虑差分剖面的属性及尺度平衡问题,从而容易陷入局部最优;同时,有效融合MAPs差分特征获取变化检测结果是此类方法面临的另一个难点.为此,研究提出了一种结合自适应形态属性剖面与决策融合的变化检测方法.首先,通过对MAPs进行CVA,提取初始差分特征集合;在此基础上,设计了一种综合考虑属性及尺度平衡性的择优目标函数(Balanced Optimal Objective Function,BOF),进而提取优化差分特征集合;最后,基于所提出的变化强度证据指标(Evidence Index,EVI)和证据置信度指标(Indicators Of Evidence Confidence,IOEC),构建了一种多特征决策融合框架获得变化检测结果.实验结果表明:所提出方法的总体精度(Overall Accuracy,OA)和F1分数(F1 score,F1)分别可达96.41%及88.67%以上,在目视分析和定量评价均显著优于对比方法,尤其针对本文所提"伪变化",该方法相较对比方法可实现更为精确的判别,可以有效缓解"伪变化".

关键词：

高分辨率变化检测形态属性剖面决策融合

原文链接:

NETL
NSTL
万方数据

基于YOLO的遥感影像目标快速检测轻量化网络研究

王伟程勇周玉科张文杰...

547-556页

查看更多>>摘要：基于高分辨率遥感影像的目标识别技术被广泛应用于国土资源监测和情报收集等领域,精确、快速的目标检测方法是目前遥感图像研究的热点与难点.然而,许多检测方法过于追求提升检测精度却忽略了检测速度.为此,基于YOLOX提出一种改进型轻量化网络,以实现检测速度和精度权衡.首先,针对特征提取主干模块,提出一种Mobilenetv3tiny网络,进行轻量化改进,通过减少网络参数量,提高检测速度;其次,在特征金字塔结构中引入Ghost网络,在保证检测精度的前提下,降低网络复杂性;最后,使用Alpha-IoU和VariFocal_Loss优化损失函数,提高网络收敛速度和定位精度.在NWPU VHR-10数据集进行消融实验,结果表明改进网络较基础网络,检测精度提升0.76%,速度提升19.72%,权重为11 M(Mega)且参数量减少65.66%,网络整体效果较好.此外,对DIOR数据集进行对比实验,在保证较高检测精度的同时,检测速度提高26.88%,证明了改进网络的有效性.因此,改进网络能够有效权衡检测速度和精度,易于设备部署,适用于遥感图像目标实时检测应用场景.

关键词：

高分辨率遥感影像目标检测单阶段算法轻量化网络

原文链接:

NETL
NSTL
万方数据

ICESat-2数据辅助的AW3D30 DEM精度评价和修正

郑迎辉张艳王涛赵祥...

557-568页

查看更多>>摘要：AW3D30 DEM数据是应用最为广泛的基础地理信息数据之一,其精度直接影响一系列衍生产品的可靠性和严谨性.因此,AW3D30 DEM数据的精度评价与修正一直是研究热点.然而,常规高精度验证数据获取困难且成本较高,难以应用在大范围研究区域.ICESat-2数据全球覆盖、高程精度达亚米级,可为AW3D30 DEM数据精度评价和修正提供可靠的参考数据源.为此,以河南省为研究区域,利用ICESat-2数据从坡度、坡向、地貌类型、土地利用类型角度评估AW3D30 DEM高程精度,并提出一种随机森林-长短期记忆网络混合模型修正AW3D30 DEM.实验表明:AW3D30 DEM高程精度随坡度、海拔和地形起伏度的增大而降低;坡向对高程精度的影响较小,误差分布无明显规律性;在裸地和耕地土地利用类型精度更高,在林地土地利用类型精度较差.随机森林—长短期记忆网络混合模型能够显著降低AW3D30 DEM的平均绝对误差和均方根误差,提升AW3D30 DEM精度,可为其他DEM数据修正模型的建立提供参考.

关键词：

AW3D30DEMICESat-2随机森林长短期记忆网络地形因子

原文链接:

NETL
NSTL
万方数据

星载干涉成像高度计在轨干涉处理方法研究

孙圣淇石晓进张云华杨杰芳...

569-578页

查看更多>>摘要：干涉成像高度计是一种新体制雷达高度计,可以获得宽刈幅、高分辨率和高精度的海面高程信息.但其在轨工作原始数据量巨大,无法全部下传,而且传统用于合成孔径雷达(Synthetic Aperture Radar,SAR)数据压缩的块自适应量化算法(Block Adaptive Quantization,BAQ)会显著增加干涉成像高度计的测高误差,且数据压缩比较低.因此,在保证海面高程测量精度的前提下,大幅压缩原始数据量的在轨处理算法研究具有重要意义.基于干涉成像高度计海洋观测区域的工作时序和干涉处理方法,提出了两项改进算法:①提出一种基于目标位置估计的图像配准和去平地效应方法,相比基于轨道参数的配准和去平地效应方法,大幅降低了运算量,同时可以去除由于小角度入射导致的快速变化的平地条纹;②针对干涉成像高度计在小入射角时地距分辨率变化剧烈的情况,提出了一种插值平均的多视方法,能够降低均匀窗口多视引入的测高误差.利用天宫二号三维成像微波高度计获得的海面数据验证该方法的可行性和对测高精度的影响,实验结果表明:当在轨分辨率为300 m×300 m时,该方法数据压缩比为46.99;当地面产品分辨率为5 km×5 km时,在轨处理算法引入的相位误差标准差小于0.004 9°,测高误差标准差小于0.26 cm,相对于BAQ算法,该方法具有数据压缩比高、测高误差小的优势,更适合于未来新一代宽刈幅干涉成像高度计在轨数据处理.

关键词：

天宫二号三维成像微波高度计在轨处理平地效应多视处理数据压缩比

原文链接:

NETL
NSTL
万方数据

基于DWT的天宫二号三维成像雷达高度计陆表水体图像融合研究

程玉张云华李东董晓...

579-589页

查看更多>>摘要：陆表水体是人类赖以生存的重要资源.天宫二号三维成像雷达高度计(TG2-InIRA)在国际上首次采用小入射角、短基线雷达干涉测量技术获取地球海洋和陆表水体的准镜面反射信息,克服了传统星载雷达高度计和星载合成孔径雷达不能获取宽刈幅水体高度的不足.然而在小入射角情况下水体散射易受观测角度变化的影响,且水体在不同气象条件下表面粗糙度的变化容易导致雷达影像呈现较大差异,因此开展多角度、多时相TG2-InIRA水体图像融合对于全面了解陆表水体真实状态十分重要.研究提出了一种基于离散小波变换(Discrete Wavelet Transform,DWT)的TG2-InIRA雷达图像融合方法,DWT旨在将待融合雷达图像分解为低频子图像和高频子图像.陆表水体在形态学上呈现出极大的多样性,这些在频域表现为丰富的低频和高频特征,对其融合需采用不同的策略.具体地,低频方面,提出了一种基于Canny算子的融合规则,突出江河、湖泊等大型水体宏观特征;高频方面,发展出了一种基于局部对比度的融合规则,突出细小水体及水体边缘等微观特征.在长江流域安庆地区多角度、多时相TG2-InIRA雷达图像上与加权平均以及基于Laplacian金字塔、Nonsubsampled Contourlet变换和DWT的几种常用经典融合方法所做的对比实验表明,所提方法在清晰度、交叉熵等评价指标上均有明显提升,基于融合结果所开展的图像分割实验进一步展示了所提方法在提取水体的精细度和完整性方面的良好性能.

关键词：

陆表水体图像融合三维成像雷达高度计离散小波变换雷达图像处理

原文链接:

NETL
NSTL
万方数据

基于YOLOX-Tiny有偏特征融合网络的遥感目标检测

胡昭华李昱辉

590-602页

查看更多>>摘要：遥感目标检测在环境监测、电路巡检等领域具有重要意义.然而,遥感图像中存在目标尺度差异大、小目标数量较多、类间相似性与类内多样性较高等难题,导致检测检测精度较低.为了解决上述问题,提出了一种基于YOLOX-Tiny的遥感目标检测模型.首先通过改进多尺度特征融合网络以充分利用浅层细节信息和深层语义信息,提高对小目标的检测能力;其次在预测端引入可形变卷积,提高模型对不同尺度、形状目标的鲁棒性;最后采用SIoU损失函数以让预测框向正确的方向移动,进一步提高模型的定位精度.在遥感数据集DIOR和RSOD进行实验,实验结果表明:在不增加参数量的情况下,改进后的模型分别取得了73.68%和97.12%的检测精度,与其他一些先进模型相比,具有较高的精确度,对重叠目标识别率高,且具有良好的实时性.

关键词：

小目标检测遥感图像YOLOX可形变卷积

原文链接:

NETL
NSTL
万方数据

基于L1正则化的MODIS地表反射率数据时域重建方法

汪宇浩沈焕锋李志伟

603-611页

查看更多>>摘要：MODIS地表反射率数据被广泛应用于陆地表面的动态监测,但云覆盖等因素的影响使得数据中存在时空缝隙,从而影响了数据可用性.对此,提出一种基于L1正则化的时域重建方法,能有效修复MODIS地表反射率数据中的缺失,实现高精度的长时序数据重建.该方法首先识别时序数据中因自然因素及系统因素产生的噪声,然后基于噪声检测对信息缺失区域进行年际预填补,在此基础上引入对突变噪声更为稳健的L1正则化模型,并结合噪声标记构建时域重建变分模型,还原地表的时序变化趋势.实验结果表明:相比于SG滤波、HP滤波、L1滤波、谐波分析方法,在不同百分比10%、25%、50%、75%的像元缺失情况下,该方法都取得了最高的重建精度;在不同地表场景下,该方法也取得了更好的重建结果.因此,该方法在时序曲线重建和空间细节修复上都更具有优势,表现出较高的实用价值.

关键词：

时序数据重建MODIS地表反射率数据L1正则化变分模型

原文链接:

NETL
NSTL
万方数据

基于高分辨率遥感影像应用BASS-Net构建化工园区典型地物识别模型

孙维维刘杰张芳芳马海艺...

612-619页

查看更多>>摘要：化工园区典型地物提取一般利用传统的遥感图像处理方法,难以实现地物的精细识别,不利于化工园区环境监测和管理.研究旨在探索深度学习方法在化工园区典型地物高精度识别应用中的可行性.针对化工园区地物分布的高空间异质性,搭建TensorFlow深度学习框架,基于高分辨率遥感影像数据构建化工园区18种典型地物数据集,应用卷积神经网络BASS-Net训练化工园区典型地物识别模型,进行化工园区地物识别,并与随机森林(RF)和支持向量机(SVM)的识别结果进行对比分析.结果显示:BASS-Net模型对园区典型地物识别的整体精度、召回率和F1分数分别为 97.17%、97.76%和 97.46%,比RF高 20%以上,比SVM高 50%以上,具有明显优势.由此可见,应用卷积神经网络BASS-Net模型可以实现典型化工地物的自动精准识别,其结果较传统机器学习方法优势明显,可为化工园区环境监测和管理提供支撑.

关键词：

深度学习卷积神经网络化工园区机器学习地物识别模型

原文链接:

NETL
NSTL
万方数据

耦合Mask R-CNN和注意力机制的建筑物提取及后处理策略

苏步宇杜小平慕号伟徐琛...

620-632页

查看更多>>摘要：建筑物是城市的重要组成部分,基于高分辨率遥感数据建筑物提取,在土地利用、城市规划和防灾减灾等方面有重要意义.针对建筑物提取存在的问题,提出一种改进的Mask R-CNN建筑物实例分割模型.基于残差神经网络融合卷积注意力模型,构建了残差卷积注意力网络,改善了特征提取不充分问题.通过添加Dice Loss的方法,对损失函数进行了优化,进而对特征学习过程进行了优化.并引入Douglas-Peucker algorithm、Fine polygon regularization algorithm相结合的后处理策略,使建筑物轮廓更规则.实验结果表明:改进模型相比原模型的检测mAP值在Iou 0.5时提高了7.74%、在Iou 0.75时提高了7.57%,后处理策略在选定合适阈值优化掩膜后较原始模型的F1-Score值提高了6.01%.耦合Mask R-CNN和注意力机制的实例分割模型改善了小型建筑物误检漏检问题、建筑物分割边界粘连问题,提高了建筑物的分割精度;优化了建筑物后处理策略,提高了建筑物规则化程度.

关键词：

MaskR-CNN卷积注意力模型建筑物提取后处理策略

原文链接:

NETL
NSTL
万方数据