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

张继贤

双月刊

1000-3177

remotesensing@casm.ac.cn

010-88217813

100039

北京海淀区北太平路16号

遥感信息/Journal Remote Sensing InformationCSCD北大核心CSTPCD
正式出版
收录年代

    改进YOLOv7网络在遥感影像建筑垃圾识别的应用

    陈炳瑞王井利江滨吴冬...
    79-86页
    查看更多>>摘要：针对现有的目标检测算法对于高分遥感影像建筑垃圾识别效率不高的问题,提出一种基于改进的YOLOv7的目标检测模型,提高建筑垃圾的检测效果.该方法使用高分二号卫星影像数据,首先用SIoU来优化模型的目标框回归,加快模型的收敛速度;然后用漏斗激活函数FReLU扩大卷积层的感受野范围,以提高模型的特征提取能力;最后使用深度可分离卷积核,在提高检测精度的同时也减小了模型的参数量.实验结果表明,改进后的YOLOv7模型相比其他模型平均精度、准确率和召回率分别提升了5.8％、6.4％和8％,具有较好的识别效果,为遥感影像建筑垃圾识别提供了可靠的方法.

    损失函数深度可分离卷积激活函数建筑垃圾识别目标检测

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

    一种基于DCGAN的多级多尺度遥感影像时空融合方法

    刘昱岑普运伟聂聆聪王飞...
    87-94页
    查看更多>>摘要：时空融合可生成具有高时空分辨率的遥感数据影像,但有时因某区域快速发生变化或云层持续覆盖造成的云干扰,导致时空融合方法无法预测出近似真实的影像数据.针对以上问题,提出一种基于DCGAN的多级多尺度的时空融合模型(MUSTFGAN),通过生成器提取特征和判别器判别,最终获得高精度的预测影像.该方法在生成器中利用多级多尺度提取特征信息帮助模型对影像区域细节信息学习,提高模型对于不同尺度物体的识别和检测能力,从而提升特征提取的效果;判别器中加入自注意力机制模块,提高模型的判别能力,从而提高模型的性能和鲁棒性,并利用多损失函数计算影像精度,重建高质量的高空间和高时间分辨率遥感影像,提高了特征学习能力,具有很强的泛化性.使用两种数据集对该方法进行测试,并通过6种常见评估指标与4种经典的时空融合方法进行比较.实验结果表明:MUSTFGAN在云南滇池数据集上精度提升了14.75％,指标LBP和Edge分别提升了20.78％和14.18％;指标SAM降低了11％;指标SSIM、RMSE和MAE分别达到了90.43％、0.021 5和0.016 3;在区域产生云干扰的情况下,可以较好地预测地物的变化,进一步提高时空融合的准确性,填补大量云的遮挡,减少云污染造成的影响,证实了所提方法的可行性和有效性.

    时空融合DCGAN多级多尺度模块自注意力机制云干扰

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

    DeeplabV3+中引入注意力机制的小面积溢油识别方法

    李翔王增利芮小平邹亚荣...
    95-101页
    查看更多>>摘要：海面溢油危害大、分布广、时间空间不确定性大,对海洋溢油进行高精度识别与监测对全球生态环境的保护有着重要意义.针对传统卷积神经网络模型对小面积溢油分类不准确的问题,提出一种基于深度学习的SAR影像海上小面积溢油的高精度提取方法.该方法以DeeplabV3+网络模型为基础,引入SE注意力机制来提高网络对海面上小面积溢油的分类精度.基于欧空局开源数据集Oil Spill Detection Dataset建立了海面溢油提取模型,训练得到的平均交并比为77.70％,平均像素精度为98.16％.通过目视对比模型预测图和对比两类精度指标,发现经过注意力机制优化后的DeeplabV3+网络模型明显优于原始网络模型,对小面积溢油监测的效果明显提升.

    海洋溢油深度学习注意力机制DeeplabV3+SAR影像

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

    CM-1卫星星敏感器在轨测量精度初步评价

    丁宝帅李国元艾波王伶俐...
    102-109页
    查看更多>>摘要：星敏感器是目前主流的高精度姿态测量仪器,在轨运行期间星敏感器会产生系统误差、高频误差和低频误差.文章进行了陆地生态系统碳监测卫星(CM-1卫星)星敏感器系统误差与高频误差的计算,分析了星敏1a与1b的光轴夹角误差与卫星星下点纬度的变化规律,基于傅里叶变换对光轴夹角低频误差进行建模,并以此来反映两星敏感器的低频误差.在轨数据表明,星敏1a旋转至星敏1b以及星敏1a旋转至2的系统误差分别为(6.906',-12.569',-1.552')和(-4.540',-27.199',13.522').星敏数据中精度最高的是星敏 1a/1b融合数据,三轴误差分别为0.505"、0.633"和0.800".同组的星敏1a和1b精度类似,星敏1a三轴误差分别为0.990"、0.981"和16.731",星敏2a三轴误差分别为0.888"、1.022"和15.156".星敏2精度稍差,三轴误差分别为2.061"、2.382"和27.231";星敏1a与1b光轴夹角误差(3a)为2.50",光轴夹角低频和高频误差分别为2.046"和1.470".在相邻轨道星下点纬度相同时光轴夹角误差基本相同.

    陆地生态系统碳监测卫星星敏感器系统误差高频误差低频误差光轴夹角误差

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

    多源数据加权融合的城市建成区改进指数评估

    马洋牟凤云左丽君邵志豪...
    110-117页
    查看更多>>摘要：针对多源数据提取建成区的研究大多集中在等权融合方向,缺乏考虑不同数据源包含的信息量差异的问题,通过多源数据加权融合方法对前人的城市建成区提取指数进行改进,以改善不同质量级数据直接融合导致建成区提取不准确的问题.首先,构建融合夜间灯光数据、NDVI数据、路网数据和POI数据的改进PREANI指数;其次,融入不透水面数据和温度数据构建无权指数UCI和有权指数WCI;最后,选择迭代法和动态阈值法提取建成区,并对3种指数分别进行评估.结果表明:改进PREANI的Kappa系数为0.80,UCI融入温度和不透水面数据将Kappa系数提高至0.83;WCI提取的建成区轮廓更准确,在增强城乡建成区细部对比、提升边缘地物区分能力方面表现良好,其Kappa系数、查全率、查准率和F1分数均在0.85以上.

    建成区提取多源数据加权融合夜间灯光路网POI不透水面

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

    顾及多尺度特征及全局上下文的建筑提取方法

    廖子阳冯德俊陈虹宇刘子琛...
    118-126页
    查看更多>>摘要：针对语义分割提取建筑物时,在特征提取过程中丢失局部细节信息,对全局上下文信息的感知能力及多尺度特征的提取不足,导致小建筑物漏提、建筑物提取不完整及内部孔洞的问题,提出了顾及多尺度特征及全局上文信息的建筑物提取方法.该方法采用编码-解码结构,利用并行的连续空洞卷积提取多尺度特征,并行使用压缩激励模块(SE)和条带池化模块(SPM)从通道和空间维度捕获全局上下文信息,提高网络对小建筑物的识别能力及提取结果的完整性,并减少内部孔洞.通过在WHU建筑数据集和Inria航空数据集上与常见的语义分割网络进行的对比实验表明,该方法在提高建筑物提取准确率的同时,较好地解决了小建筑物漏提、建筑物提取不完整及内部孔洞等问题.

    语义分割多尺度特征全局上下文空洞卷积注意力机制建筑物

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

    基于编解码网络的SAR影像建筑物提取

    苗国英王慧琴张恩伟
    127-134页
    查看更多>>摘要：针对合成孔径雷达(synthetic aperture radar,SAR)遥感图像中出现的散斑噪声和几何畸变对建筑物提取过程造成干扰的问题,提出了一种多尺度特征注意力融合(multi-scale feature attention fusion,MSFAF)网络.首先,结合深度神经网络和SAR图像的优势,在深层处设计了一个空间注意力融合(spatial attention fusion,SAF)模块,来整合不同层次的特征以及关注重要的空间信息.然后,利用不同尺度的卷积核以及对通道信息的转换,提出了一个多尺度细节提取(multi-scale detail extraction,MSDE)模块用于提取不同尺度的特征信息和重新分配通道信息,有利于缓解散斑噪声的干扰问题.实验证明了所提方法在SAR图像建筑物提取中取得了比其他现存方法更加优秀的性能.

    SAR遥感图像建筑物提取多尺度特征注意力融合神经网络

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

    基于时空谱约束的相似像素插值去云方法

    苏晓杰别强石莹李欣璋...
    135-145页
    查看更多>>摘要：光学遥感影像不可避免会受到云的遮挡,导致影像应用性降低,遥感影像去云是近些年来的热门研究方向.插值算法利用一张或多张影像计算相似像素来重建缺失像素,但是最佳相似像素的确定和地物突变的高精度重建仍存在挑战.文章利用多时相影像时间相关性关系、空间关系和光谱关系,提出了基于时空谱约束的相似像素插值(SPISTS)的去云方法.该方法利用时域和谱域特征选择相似像素,并通过空间、时间相关性和光谱关系约束求得影像缺失值,最后通过正则化项对预测进行偏差改正.在3个不同地区进行实验并与加权线性回归(weighted linear regression,WLR)、时空加权回归(spatio-temporal weighted regression,STWR)、改进邻域相似像素插值(modified neighborhood similar pixel interpolation,MNSPI)结果进行比较.实验结果表明,该方法精度较高,能够减弱辐射差异带来的影响.

    去云影像重建插值相似像素厚云无云影像

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

    地基森林点云单木检测的特征提取与组合方法

    金泽会陈茂霖刘祥江
    146-155页
    查看更多>>摘要：针对基于点云特征进行单木检测的方法缺少对特征的重要性评估和选择等问题,提出一种体素特征参与单木检测的特征提取与组合的方法.首先,根据森林中不同类别的结构差异和空间分布特点提出一组体素特征,结合常用的三维、二维、格网以及强度等基础特征实现树干点提取.然后,提出一种基于单木检测结果的特征选择方法用于确定适合相似林分结构的最佳特征组合.在3块不同森林样地上进行实验,结果表明:加入体素特征后,树干点提取精度分别提高7.3％、11.6％、9.5％,单木检测精度分别提高0.4％、2.6％、0.7％;与基于单点分类结果的特征选择方法以及其他研究中的特征组合相比,该方法能够通过更少的特征达到相似或更高的单木检测精度.

    地面激光雷达点云体素特征树干提取单木检测

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

    SAA-UNet:特征信息融合网络的遥感图像分割

    金维李佳田段烨
    156-163页
    查看更多>>摘要：针对星载遥感图像分割精度低、边缘分割模糊问题,提出一种高低层特征信息融合网络模型.以U-Net网络模型为基础,在编码器中加入注意力机制模块获取图像低层特征信息,并在解码器中利用语义嵌入分支将图像的高层信息与低层信息进行融合,在编码器末端利用不同空洞扩张率的混合空洞卷积构建相应模块.为验证网络有效性,以WHDLD数据集和DeepGlobe-Road数据集作为数据源,将SAA-UNet模型与常用语义分割模型进行对比.实验结果显示,SAA-UNet模型整体分割精度优于对比模型,对小 目标地物的分割效果更好.在WHDLD数据集中,平均交并比和类别平均像素准确率分别高于次优模型0.013和0.027.此外,本文采用DeepGlobe-Road数据集进行泛化性.结果表明,本文模型可以有效提高星载遥感图像的分割精度.

    深度学习语义分割混合空洞卷积注意力机制语义嵌入分支

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