首页期刊导航|遥感学报
期刊信息/Journal information
遥感学报
遥感学报

顾行发

双月刊

1007-4619

jrs@irsa.ac.cn

010-64806643

100101

北京市安外大屯路中国科学院遥感应用研究所

遥感学报/Journal Journal of Remote SensingCSCD北大核心CSTPCDEI
查看更多>>本刊为专业性学术刊物。反映遥感领域的科研与技术应用成果。包括航天航空、农业、林业、资源开发、环境监测和保护、区域和工程地质勘探和评价、找矿、灾害监测和评估等领域的应用，以及地理信息系统、遥感、GIS及空间定位系统的综合应用等方面。读者对象为遥感及相关学科的科研人员及高等院校师生。
正式出版
收录年代

    基于深度学习的高光谱遥感图像混合像元分解研究综述

    苏远超许若晴高连如韩竹...
    1-19页
    查看更多>>摘要：高光谱遥感是以成像光谱学为基础发展起来的一项综合性遥感技术,它能够同步记录成像区域内地物的空间信息和光谱信号,故而也称为"成像光谱遥感".高光谱遥感所获取的数据称为"高光谱遥感图像",相较于传统的遥感数据,高光谱遥感图像具有光谱分辨率高和"图谱合一"的特点,目前已成为遥感工程应用中的重要支撑数据之一.然而,受空间分辨率限制,混合像元(即某一像元内包含多种类型的地物)问题始终限制着高光谱遥感在精细化地物信息提取工作中的作用.混合像元分解("解混")是现阶段处理混合像元问题最有效的分析方法,旨在从亚像元角度出发,获取像元中纯净的光谱信号("端元"),并分析出各类端元在像元内所占的比例("丰度").在遥感领域,为实现地物信息精细化解译,目前已发展出不同类型的解混方法,在一定程度上解决了混合像元问题对遥感定量化分析的制约.如今,随着深度学习的发展,越来越多的先进理论和工具被用于处理混合像元问题,发展出了一类基于深度学习的新型解混方法.这些新方法以光谱混合模型为桥梁,用深度学习方式来解译光谱混合现象.相比于传统的解混方法,基于深度学习的解混方法在隐藏信息的挖掘和利用方面更具优势,对先验知识依赖程度相对较低,对复杂场景的适应性更强.近年来,基于深度学习的解混方法发展迅速,并且在植被分布调查、农业产量估算等经常涉及混合像元问题的工作中被逐渐普及,有很好的发展前景和应用价值.本文以光谱混合模型和训练方式为基础,对现阶段基于深度学习解混的研究成果进行归类,并从不同类别的特点出发,对现有基于深度学习的解混方法进行介绍.最后,对当前的技术状况、特点和发展前景进行总结与展望,为今后解混技术的研究与应用提供参考.

    高光谱遥感混合像元分解深度学习机器学习深度神经网络遥感图像处理遥感智能解译亚像元解译

      原文链接:
    • 万方数据
    • 维普

    高光谱遥感影像半监督分类研究进展

    杨星方乐缘岳俊
    20-41页
    查看更多>>摘要：随着高光谱遥感技术的迅猛发展和应用需求的不断增加,高光谱遥感影像分类成为领域的研究热点.尽管监督学习已在高光谱遥感影像分类中取得了不错的效果,但在许多情况下,获取大规模标记样本来训练监督分类算法是困难和昂贵的.因此,利用半监督分类技术对高光谱遥感影像精准分类是一项重要的研究内容.本文首先简要介绍了高光谱遥感影像发展现状和部分应用场景.其次,本文对近年来高光谱遥感影像半监督分类研究的进展进行了综述,着重讨论了低密度分割法、生成式模型、基于分歧(差异)的方法和基于图的方法四种典型半监督分类方法的关键技术和优劣.最后,进一步讨论了半监督分类技术的潜力,为今后研究工作的优化提供思路.

    高光谱遥感影像半监督分类低密度分割法生成式模型图神经网络

      原文链接:
    • 万方数据
    • 维普

    高光谱遥感影像异常目标检测研究进展

    屈博郑向涛钱学明卢孝强...
    42-54页
    查看更多>>摘要：随着航空航天技术与遥感技术的不断发展,遥感影像在诸多领域的应用不断拓展,其中高光谱分辨率遥感影像具有"图谱合一"的特点,即该数据既包含了具有强大区分性的地物光谱信息,又包含了丰富的地物空间位置信息,因此高光谱数据具有非常大的应用潜力.高光谱异常目标检测问题,是在对目标先验信息未知的前提下,根据光谱与空间信息实现对区域中的异常目标的进行"盲"检测,因此其在资源调查、灾害救援等领域发挥了巨大的作用,是遥感领域非常重要的研究课题.本文针对高光谱遥感影像异常目标检测研究方向,首先总结阐述了目前高光谱异常目标检测问题的主要研究进展,根据算法原理的不同对现有主流算法进行了分类与总结,主要分成了基于统计学、基于数据表达、基于数据分解、基于深度学习等不同的种类的方法,并对每类方法的特点进行分析.随后通过对现有方法的调研、分析与总结,提出了数据库拓展、多源数据融合、算法实用化等高光谱异常检测研究未来发展的3个方向.

    遥感高光谱遥感高光谱异常检测深度学习矩阵分解

      原文链接:
    • 万方数据
    • 维普

    基于空谱多路自编码器的高光谱图像异常检测

    贾森刘宽徐萌朱家松...
    55-68页
    查看更多>>摘要：高光谱图像异常检测作为一种无监督的目标检测,主要存在异常目标类型多样化、异常与背景不易区分、以及检测精度受场景影响大等难题.针对以上问题,本文提出了一种基于空谱多路自编码器的高光谱图像异常检测方法.首先,提出一种加权空谱Gabor滤波方法,提取高光谱图像的多尺度空谱特征;其次,采用多路自编码器降低多尺度空谱特征在光谱维的冗余度,提取空谱特征中的主要信息;最后,利用得到的主要空谱特征,结合形态学滤波与双曲正切函数进行特征增强,以提高异常与背景噪声的区分度.本文提出的方法是一种即插即用的异常检测方法,无需额外的参数输入;多路自编码器提取了多尺度主要空谱特征,以应对异常目标类型多样化的难题;通过特征增强提高了背景与异常的区分度.将本文提出的方法与9种流行的异常检测方法相比,在5个高光谱数据集上进行验证,通过对比异常检测结果图、接收机操作特性(Receiver Operating Characteristic,ROC)曲线、ROC曲线下覆盖的面积AUC(Area Under Curve)以及异常像元与背景像元的箱型图等评价指标,证明了本文方法优于其他9种方法.

    高光谱图像异常检测多路自编码器加权空谱Gabor双曲正切函数特征增强

      原文链接:
    • 万方数据
    • 维普

    深度展开网络的高光谱异常探测

    李晨玉洪丹枫张兵
    69-77页
    查看更多>>摘要：在现有基于物理模型的高光谱异常探测HAD(Hyperspectral Anomaly Detection)方法中,低秩表示 LRR(Low-Rank Representation)模型以其强大的背景和目标特征分离能力而受到广泛的关注和采用.然而,由于依赖手动参数的选择以及较差的泛化性,导致其实际应用受到限制.为此,本文将LRR模型与深度学习技术相结合,提出了一种新的适用于HAD的基础深度展开网络,称为LRR-Net.该方法借助交替方向乘法ADMM(Alternating Direction Method of Multipliers)优化器高效地求解LRR模型,并将其求解步骤耦合至深度网络中以指导其搜索过程,为深度网络提供了一定的理论基础,具有较强的可解释性.此外,LRR-Net以端到端的方式将一系列正则化的参数转换为可学习的网络参数,从而避免了手动调参.4组不同的高光谱异常探测实验证明了 LRR-Net的有效性,与其他无监督的异常探测方法相比,LRR-Net具有较强的泛化性和鲁棒性,能够提高HAD的精度.

    高光谱遥感影像异常探测深度展开低秩表示(LRR)交替方向乘子法(ADMM)

      原文链接:
    • 万方数据
    • 维普

    约束能量最小化变分自编码的高光谱目标检测

    周琨徐洋魏洁吴泽彬...
    78-87页
    查看更多>>摘要：目标检测是高光谱领域中一个重要的研究方向,高光谱目标检测(hyperspectral target detection)是根据目标的光谱特征将像素判断为背景或者目标.在过去的几十年中已经提出了很多的检测算法,但是高光谱图像中背景样本的复杂性以及目标样本的有限性,使得检测算法面临着很大的挑战.本文提出了一种基于背景重构的高光谱目标检测算法,利用高光谱图像中背景样本占比较大的特点,训练背景样本自表示模型,然后重构出背景.同时利用约束能量最小化对残差图像进行检测,将重构出的背景用于自相关矩阵计算,避免目标样本参与计算影响目标样本的响应能量,提高了检测的精确度.在真实的高光谱图像数据上结果明显优于对比实验,验证了该方法的有效性和高效性.

    遥感高光谱目标检测背景重构约束能量最小化自相关矩阵

      原文链接:
    • 万方数据
    • 维普

    光学信号Token引导的异源遥感变化检测网络

    刘秦森孙帮勇
    88-104页
    查看更多>>摘要：基于遥感图像中的光学信号检测出一定时间内特定区域的变化状态的遥感图像变化检测方法,在国防安全、环境监测、城市建设等领域具有重要应用价值.由于多时相异源图像在成像机理、光谱范围、空间分辨率等方面存在差异,现阶段异源遥感图像变化检测仍存在精度不够高、漏检和误检等问题,本文提出一种基于Transformer网络的异源变化检测网络框架,该框架能够利用不同类别的异源遥感图像获得准确的变化检测结果.首先,所提出检测网络为多时相遥感图像自适应生成对应的光学信号Token(光信Token);然后,以光信Token作为引导与对应图像块Token进行交互计算,从而对双时相序列特征进行变化分析,并且在交互学习过程中构建了差分放大模块以提高网络对特征间差分信息的提取精度;最后,利用多层感知机对输出的差分Token进行预测并分割出变化区域.采用Sardinia、Shuguang和Bastrop等3个不同类别的异源遥感图像数据集和Farmland同源高光谱图像数据集来验证本文提出的方法,结果证明在选取有限训练样本数据情况下,本文方法与现有主流变化检测方法相比,在多个客观指标以及主观视觉上都表现出先进性.

    遥感异源图像变化检测多模态分析深度学习Transformer

      原文链接:
    • 万方数据
    • 维普

    光谱—频域属性模式融合的高光谱遥感图像变化检测

    周承乐石茜李军张新长...
    105-120页
    查看更多>>摘要：高光谱作为"图谱合一"的遥感技术,具有精细光谱和空间影像的地面覆盖观测与识别优势.然而,高光谱遥感数据的光谱信息表征以及空间信息的利用给双时相高光谱遥感图像变化检测任务带来了巨大的挑战.为此,本文探讨了一种光谱—频域属性模式融合的高光谱遥感图像变化检测方法SFDAPF(Spectral-Frequency Domain Attribute Pattern Fusion).首先,设计一种基于梯度相关性的光谱绝对距离,使双时相高光谱遥感图像像元对的属性模式从光谱信息表征方面得到了逐级量化;其次,基于傅里叶变换理论提出一种变化像元属性模式显著性增强策略,从全局空间信息利用方面改善了变化与非变化属性像元对的可分性;再次,将全图属性模式显著性水平与梯度相关性的光谱绝对距离进行融合,得到变化检测的综合界定值;最后,依据虚警阈值确定双时相高光谱遥感图像变化检测的二值化结果.将本文提出的SFDAPF方法在开源的双时相高光谱遥感图像河流和农场数据集上进行了变化检测性能验证,结果表明SFDAPF方法能够优于传统的和最新的变化检测方法,变化检测的总体精度在河流和农场数据集上分别达到了0.96508和0.97287(最高精度为1.00000).证实了本文SFDAPF方法的有效性.

    高光谱图像变化检测图像融合特征提取显著性分析傅里叶变换

      原文链接:
    • 万方数据
    • 维普

    低秩张量嵌入的高光谱图像去噪神经网络

    涂坤熊凤超侯雪强
    121-131页
    查看更多>>摘要：随着遥感卫星技术的快速发展,高光谱图像在环境检测、资源管理、农业预警等领域得到了广泛应用.然而,由于设备误差和大气因素等原因,采集的高光谱图像中常常存在噪声,这会影响后续任务的准确性.因此,高光谱图像去噪成为了一个重要的研究方向.高光谱图像的空间关联、光谱关联和空间—光谱联合关联导致干净的高光谱图像存在低维子空间中.低秩先验是高光谱图像普遍的物理性质,然而基于低秩表示的方法通常需要复杂的参数设置和计算.基于深度学习方法直接从数据中学习到干净图像的先验信息,具有较强的表达能力,但依赖大量数据且缺乏对高光谱图像物理知识如低秩性的有效利用.为了解决这些问题,本文利用高光谱图像的空间—光谱低秩特性,提出一种低秩张量嵌入深度神经网络方法,可以有效去除高光谱图像中的噪声.该方法采用低秩张量分解模块对高光谱图像的特征图进行低秩表示,通过全局池化和卷积等操作完成秩一向量的生成和低秩张量的重构.同时,将低秩张量分解模块与Unet相结合,对浅层特征进行低秩张量表示,以捕捉高光谱图像的空间—光谱低秩特性,提高了模型的去噪能力.当噪声标准差在[0-95]时,算法可以取得41.02 dB的PSNR和0.9888的SSIM.仿真数据和真实数据实验结果表明,所提出的低秩深度神经网络方法去噪效果优于其他方法.

    高光谱图像去噪深度神经网络低秩张量表示知识驱动深度学习CP分解U-Net

      原文链接:
    • 万方数据
    • 维普

    基于多特征深度子空间聚类的高光谱影像波段选择

    何珂孙伟伟黄可陈镔捷...
    132-141页
    查看更多>>摘要：高光谱影像受到高维波段间强相关性的困扰,导致处理应用的困难.而现有高光谱波段选择方法通常以线性角度考虑波段间关系,未充分考虑多尺度的信息且容易受到噪声的影响,导致所选的波段子集性能不佳.为了克服上述问题,本文提出了基于多特征的深度子空间聚类方法进行高光谱影像波段选择.该方法将自表达层嵌入到卷积自编码器中学习子空间自表达系数,充分考虑了空间信息和光谱信息的交互,用非线性的视角思考了波段间关系.为了提高潜在表征的学习能力,提升自表达系数学习的准确性,本文将注意力模块和多特征提取模块与卷积自编码器相结合,进一步降低了异常值的干扰.本文在3个高光谱遥感影像数据集上,将提出的方法与几种经典主流的方法进行多种对比实验,证明了本文方法能够选择具有代表性的波段子集.

    高光谱遥感降维波段选择多特征深度子空间聚类

      原文链接:
    • 万方数据
    • 维普