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

    序言

    江碧涛
    1657页
      原文链接:
    • NETL
    • NSTL
    • 万方数据

    巨星座时代遥感卫星应用技术挑战与思考

    康利鸿田菁江碧涛
    1658-1666页
    查看更多>>摘要：从20世纪70年代以来,中国遥感卫星系统经历了模拟式时代到数字式时代的发展,建成了稳定运行的遥感卫星系统及相应的应用体系,当前正在向智能化、网络化的遥感巨星座时代迈进.为了更好地推动国家遥感卫星事业发展,有必要站在当前历史发展的机遇期,详细梳理其面临的技术挑战,确定未来技术攻关方向,为中国遥感卫星巨星座时代的到来预置技术、做好准备.本文通过总结回顾中国遥感卫星系统的发展历程和建设成就,从应用系统建设的角度分析了遥感卫星走向巨星座时代面临的技术挑战,特别是海量数据处理技术和大规模星群控制技术的挑战,分析了完全依靠星上智能处理存在的问题,提出了地面支持下的星上智能处理模式,在分析目前星上自主任务规划能力现状基础上,提出了基于数字孪生的星地一体智能任务管理和分布式智能协同模式.最后梳理了智能遥感巨星座1.0到3.0共3个阶段的发展路线及需要关注的关键技术,为国内遥感领域应用技术研究提供借鉴.

    遥感巨星座发展历程智能化网络化应用技术星群控制数据处理发展规划

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    遥感基础模型发展综述与未来设想

    付琨卢宛萱刘小煜邓楚博...
    1667-1680页
    查看更多>>摘要：近年来,遥感智能解译技术快速发展,但大多为专用模型难以泛化到不同任务中,易造成资源浪费.基础模型是一种通用可泛化的解决方案,最近在遥感领域备受关注.尽管目前有大量工作已利用遥感单时相或多时相数据在感知识别和认知预测的部分任务上取得显著成果,但缺乏一个全面的综述给遥感基础模型提供系统概述.因此本文首先从数据、方法和应用角度对现有遥感基础模型的研究进展进行总结,然后通过分析现状存在的局限提出新一代遥感通用预测基础模型的设想,最后针对亟需研究的方向进行探讨与实验,为研究人员提供遥感基础模型过去成果与未来可能性之间的桥梁.

    遥感智能解译遥感基础模型通用预测多时相数据多任务

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    天基光学遥感动目标智能检测技术综述

    肖超安玮李朝旭李博扬...
    1681-1692页
    查看更多>>摘要：天基光学遥感动目标检测旨在对遥感卫星视频中具有连续运动特性的目标进行定位和分类,比如遥感视频卫星中的运动车辆、舰船和飞机.随着遥感视频卫星技术和深度学习技术的快速发展,基于模型驱动的传统遥感动目标检测方法正朝着基于数据驱动的深度学习方法进行演变,以完成高可靠、高时效、高性能的天基光学遥感图像动目标检测.本文介绍了光学遥感视频卫星的发展现状,并对基于模型驱动和基于数据驱动的光学遥感动目标检测方法进行了总结,梳理和分析了光学遥感动目标检测技术的发展历程.最后,在此基础上对光学遥感动目标检测的未来发展趋势进行了展望.

    天基光学遥感运动目标检测卫星视频模型驱动数据驱动神经网络时空信息无监督学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    光学遥感图像的小样本目标检测

    周莲何楚汪鼎文郭子琪...
    1693-1701页
    查看更多>>摘要：对遥感图像进行目标检测,具有广阔的应用前景.针对小样本背景下遥感图像目标检测任务存在特征提取不足、定位困难和分类易混淆的问题,本文提出了一种基于协同注意力模块和对比学习分支的小样本目标检测算法.首先,对训练样本进行数据增强操作,以扩充数据集规模;其次,提出了一种协同注意力模块,包括设计的背景衰减注意力和空间感知注意力,利用遥感图像丰富的背景与目标特征信息,指导网络关注与目标定位相关的重点信息,从而便于RPN网络生成更好的区域建议框,减少遗漏目标的概率,提升模型对小样本类别的定位性能;然后,设计了一种对比学习分支.基于设计的对比损失函数,通过联合训练策略,在训练时从特征学习逐步过渡到分类器学习,提高了分类的准确率;最后,设计出一种基于微调的迁移学习范式的小样本目标检测模型,分为基础训练阶段和微调阶段,在基础训练阶段借助充足的基类样本训练模型学习类无关的参数,在微调阶段使用制作的小样本数据集帮助目标检测模型适应特定类别目标,提升其检测性能.此外,本文以两阶段微调方法TFA(Two-stage Fine-tuning Approach)为基准,通过在遥感数据集NWPU VHR-10和DIOR上验证本文提出算法的有效性,结果显示本文算法在NWPU VHR-10和DIOR数据集上与其他基准算法相比,平均精度均有大幅提升.

    目标检测小样本学习遥感图像注意力机制对比学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于脉冲神经网络微调方法的遥感图像目标检测

    郭柏麟黄立威路遥张雪涛...
    1702-1712页
    查看更多>>摘要：遥感影像目标检测问题是视觉图像识别任务的重要研究内容之一,但是在船舶遥感图像中,船舶目标小且分布稀疏,使用传统的人工神经网络(ANN)进行目标检测往往会浪费大量的计算资源.脉冲神经网络(SNN)的事件驱动与低功耗特性可以极大地节省能量消耗同时解放更多的计算资源.然而SNN神经元由于其复杂动态与不可微调的脉冲操作,难以正常进行训练.作为替代,将训练好的ANN转换为SNN可以有效规避这一问题.对于转换后的深层SNN,需要大量时间步长(time steps)来维持其性能.这一过程需要大量的计算资源并对产生较大的延迟,与低功耗的研究初衷相违背.本文研究了转换后SNN需要大量time steps维持模型性能的原因,并提出了新的转换方法,基于微调的逐层转换方法;考虑硬件部署的合理性,提出了泊松群编码,相比泊松编码,泊松群编码输出的脉冲序列噪声更小,对模型性能的影响更小.实验表明,微调转换方法在SAR舰船检测数据集(SSDD、AIR-SARShip)上取得与转换前模型(97.9％、79.6％)相近的性能(96.9％、70.3％),在PASCAL VOC数据集上也获得了较好的检测性能(49.2％),而且对于泊松群编码,time steps相同的条件下神经元数目越多,对模型性能的影响越小,时间步长较少的条件下即可获得与输入模拟频率近似的性能.本文的研究可以提升转换后SNN的性能,减少转换后SNN对time steps的需求,并为SNN的硬件部署提供了一个切实有效的输入编码方法.

    脉冲神经网络目标检测船舶遥感图像ANN-SNN转换泊松群编码

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于类脑脉冲神经网络的遥感图像检测算法

    段德鑫路遥黄立威刘佩林...
    1713-1721页
    查看更多>>摘要：与第二代人工神经网络(ANN)相比,第三代类脑脉冲神经网络(SNN)由于其高能效、高仿生、可解释等特点,在遥感影像智能处理的高能效、高精度、高可解译方面具有较大的潜在优势.针对现有脉冲神经网络算法延时较大的问题,本文提出一种基于类脑脉冲神经网络的遥感图像检测算法.该算法首先搭建了一个带有动态裁剪阈值激活函数的目标检测神经网络作为源网络进行预训练,随后借助训练过程中得到的裁剪阈值,通过激活神经元与脉冲神经元的映射关系将源网络转换为类脑脉冲神经网络,在继承源网络较高精度的同时还具备了低延迟、高仿生的特点.在SSDD(SAR-Ship-Detection-Datasets)和RSOD两个公开遥感数据集上的实验结果表明,该方法能够以极低的损失将源网络转换至类脑脉冲神经网络,并能在低时间步下对遥感目标实现较高的检测识别精度.同时该方法能够在继承ANN网络易于训练的特性与精度优势的同时,充分展现SNN的高稀疏度的带来的巨大能效优势.

    SAR遥感图像光学遥感目标检测深度学习脉冲神经网络

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    Hybrid-Gird:遥感图像细粒度分类可解释方法

    朱凯雯尤亚楠曹婧宜孟钢...
    1722-1734页
    查看更多>>摘要：基于遥感图像的目标细粒度分类深度神经网络已技术日益成熟,网络决策的可解释性研究是当前细粒度分类深度学习算法进一步提高决策可信度的关键问题.为精确表征对模型决策起决定性作用的本质特征,本文基于博弈竞争理论对遥感图像目标细粒度分类任务进行建模,分析了 IG、SmoothGrad、Grad-CAM等可解释性方法在遥感图像目标细粒度分类网络上的适用性,提出了一种尺度自适应的目标细粒度分类本质特征可解释性分析方法Hybrid-Grid,使用像素级与局部特征关系融合算法提高对支撑网络决策的目标本质特征的精确描述能力.结果表明:本文提出的Hybrid-Grid对目标细粒度分类网络的解释效果在ADCC量化评估指标上达到78.87,相较Score-CAM有大幅提升;与SmoothGrad、Grad-CAM的解释结果相对比,本文方法在删除及精度损失实验上表现最好,使EFM-Net的Top-1准确率、Top-5准确率、F1得分分别损失了 16.92％、1.61％、17.21％,证明Hybrid-Grid准确解释了对细粒度分类网络决策贡献最大的目标本质特征.本文提出的可解释性分析方法能够更精准地揭示当前目标细粒度分类网络的决策特征依据.

    遥感图像可解释性分析方法目标细粒度分类网络可解释人工智能合作博弈理论本质特征

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    基于元学习和密集残差注意力的遥感图像任意尺度超分辨率重建

    魏小源孟钢张浩鹏姜志国...
    1735-1745页
    查看更多>>摘要：超分辨率重建技术在卫星遥感图像信息智能处理领域中有重要的应用.现有面向遥感图像超分辨率重建的深度学习方法大多只能处理一种比例因子的超分辨率重建任务,在多尺度层面上缺少泛化性,难以满足真实遥感图像多倍率连续放大的超分辨率重建任务需求.为解决遥感图像超分辨率重建过程中的多尺度放大问题,本文采用元学习的方法,在构建单一自适应模型的基础上实现对遥感图像的任意尺度超分辨率重建,提升遥感图像的空间分辨率,利用密集残差网络和通道注意力机制重建遥感图像中地物纹理、目标边缘等丰富细节信息.在真实遥感图像上的定量实验表明,本文所提方法重建结果的峰值信噪比能达到40dB以上,同时在多种数据上的定量和定性实验结果证明了本文方法的有效性.

    超分辨率重建遥感图像任意尺度元学习密集残差网络通道注意力机制

      原文链接:
    • NETL
    • NSTL
    • 万方数据

    分级监督范式指导下的遥感图像超分辨率方法

    李明锴徐其志
    1746-1759页
    查看更多>>摘要：超分辨率技术可提升遥感图像空间分辨率,为基于遥感图像的目标检测、场景分类等任务提供更加清晰的数据集,具有广泛的应用价值.然而,现有基于深度学习的超分辨率方法存在监督次数不足的问题,导致超分辨率重建图像中易出现细节损失和伪细节.针对这一问题,本文提出基于分级监督的遥感图像超分辨率方法(MSSR).首先,提出了一个分级监督网络架构,通过引入多级真值图像作为监督,为超分辨率过程提供充足的图像细节恢复指引,进而减少超分辨率结果中细节损失和伪细节的出现.其次,为了便于构建级数可变、超分辨率倍数可变的分级监督网络,设计了一个轻量化的、超分辨率倍数可灵活调整的同构超分辨率模块(BSRC).各级BSRC的网络结构基本相同,便于迁移网络权重,缩短训练时间.最后,针对分级网络超分辨率倍数一定时,网络级数及各级分辨率倍数有多种组合方式的问题,对比多种分级方式下的超分辨率结果,给出最佳网络分级方式.此外,构建了一个包含世界各地复杂细节地面场景的遥感图像数据集(RSSRD).在该数据集和UCMerced、AID两个公开数据集上进行超分辨率实验,实验结果显示本文方法优于现有常用超分辨率方法.

    遥感图像深度学习分级监督超分辨率多尺度特征提取渐进式网络参数共享迁移学习

      原文链接:
    • NETL
    • NSTL
    • 万方数据