1 合肥学院 先进制造工程学院, 安徽 合肥 230601
2 中科院合肥物质科学研究院智能机械研究所, 安徽 合肥 230031
针对普通卷积神经网络在遥感图像分割中林地边界区域识别不完整、小片林地分割精度低的问题,提出一种基于transformer与注意力机制的DeeplabV3+网络改进方法。在编码阶段引入transformer机制,将原池化金字塔部分中的空洞卷积操作替换为可获取更多上下文信息的transformer操作,从而提高网络对林地边界信息的提取能力; 将注意力机制引入到网络的解码部分,提升模型对小片林地的检测能力。实验表明,采用改进后的方法平均交并比(MIou)可达到81.83%,对比原DeepLabV3+网络模型提升了1.25%。该方法充分考虑了卫星遥感图像分割中林地边缘信息的提取以及对小目标的关注度,提出的改进方法可提升遥感图像中对林地提取的精度。
遥感图像 注意力机制 语义分割 remote sensing image DeepLabV3+ DeepLabV3+ Transformer transformer attention mechanism semantic segmentation
红外与激光工程
2021, 50(12): 20210127
1 中国科学院合肥物质科学研究院安徽光学精密机械研究所通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
3 北京市遥感信息研究所, 北京 100085
4 中国科学院空天信息创新研究院遥感卫星应用国家工程实验室, 北京 100101
大气对太阳辐射的吸收和散射会导致卫星影像的亮度和对比度降低,大气能见度越低、卫星空间分辨率越高,这种现象越明显,以至于低能见度条件下的亚米级空间分辨率光学卫星影像看起来非常模糊。基于辐射传输方程开发的自适应大气校正算法充分考虑了大气和目标物周围环境对卫星入瞳处目标辐亮度的影响,定量化描述了目标物周围像元的反射率与目标像元的反射率差异对邻近效应的影响。利用自适应大气校正算法对低大气能见度条件下的亚米级空间分辨率卫星影像进行大气校正,并且将其与常规图像处理结果进行对比。结果表明,利用自适应大气校正算法校正后的卫星影像质量得到了明显改善(清晰度提高了4.5275倍,对比度提高了44.61%,信息熵值提高了64.22%)。相对于常规图像处理方法在提升卫星图像质量时会带来噪声和过度增强的问题,自适应大气校正算法在提升卫星图像质量时不会带来噪声和过度增强问题。
大气光学 大气校正 亚米级卫星影像 图像模糊 图像增强 灰度直方图分布偏移 灰度直方图分布动态范围 光学学报
2021, 41(11): 1101002
1 安徽大学计算智能与信号处理教育部重点实验室, 安徽 合肥 230039
2 安徽大学计算机科学与技术学院, 安徽 合肥 230001
3 中国科学院合肥物质科学研究院安徽光学精密机械研究所通用光学定标与表征技术重点实验室, 安徽 合肥 230031
云检测是遥感影像处理的重要任务之一。目前遥感影像云检测中多使用到卫星的多光谱、多通道信息, 而关于多角度信息对云检 测影响的研究较少。为了探索遥感影像多角度信息作为云特征对训练云分类网络精度的影响, 提出一种基于深度学习的遥感多角度 云检测方法, 以 SegNet 为基础网络结构, 提取含有多角度信息的遥感影像的特征表示, 训练含有多角度信息的遥感影像云检测模型。 测试结果表明, 所提方法全局精度为 91.39%, 平均重叠率为 83.99%。分析表明单角度云检测具有一定的局限性, 而利用多角度信息 作为云特征训练云分类网络可以提升云检测精度。此外, 还探索了 POLDER 仪器中不同角度对于云检测结果的影响情况。
云检测 遥感影像 多角度 神经网络 cloud detection remote sensing image multi-angle neural network SegNet SegNet 大气与环境光学学报
2020, 15(5): 380
针对多角度偏振成像仪（Directional Polarimetric Camera, DPC）数据，提出了基于多角度多光谱偏振信息的气溶胶光学厚度反演方法。该方法使用Nadal-Breon半经验模型计算地表偏振反射率，以扣除地表影响；采用倍加累加法矢量辐射传输模型构建气溶胶参数查找表，通过计算最小残差，动态确定最优气溶胶模型，从而实现陆地上空气溶胶光学厚度的反演。使用DPC的L1级条带数据，反演获得了中国东部地区气溶胶光学厚度的空间分布，并与MODIS产品和AERONET地基站点数据分别进行了对比，反演结果与MODIS气溶胶产品的整体分布具有很好的一致性；同时，与AERONET地基站点观测结果具有较高的相关性，670 nm和865 nm两个波段的相关系数都在0.8以上，说明该算法模型反演陆地上空的气溶胶光学厚度准确可靠，可为DPC遥感大气气溶胶提供技术支持。
气溶胶 光学厚度 偏振信息 多角度 高分五号卫星 aerosol optical thickness polarized information multi-angle Gaofen-5 satellite
1 Key Laboratory of Optical Calibration and Characterization of Chinese Academy of Sciences, Anhui Institute of Optics and Fine Mechanics, Chinese Academy of Sciences, Hefei23003, China
2 University of Science and Technology of China, Hefei3006, China
多角度信息在扩展云检测功能、提高检测精度等优势的同时，带来多角度遍历计算的复杂度和数据规模增大的问题。云检测角度信息来自地表的二向性反射分布函数和大气分子散射效应，尽管在局部区域内存在用分析解确定某些观察角的可能性，但由于卫星运动观察几何变化、云几何因子的影响、地物调查的巨大工作量等实际应用的复杂性，POLDER等官方产品仍采用所有角度遍历计算。由于邻近角度间信息的冗余，文章用平均联合信息熵和K-L信息散度作为角度子集选择的特征，提出了Pareto多目标前沿最优解和理想解算法，在POLDER和“高分五号”卫星搭载的多角度偏振探测仪（directional polarimetric camera, DPC）的数据集上进行云检测实验。2角度组合结果与POLDER产品相比，总体精度89.36%，Kappa系数0.7845，DPC检测分类相似度86%，时间复杂度减少约1/7。实验表明所提方法在保持检测效果的同时具有降低计算开销的优点，可为云检测提供一种快速有效、满意精度和自动化运行的新途径。
云检测 多角度偏振遥感 遥感角度选择 Pareto最优 cloud detection multi-angular polarized remote sensing angular selection in remote sensing Pareto Optimality
1 中国科学院 安徽光学精密机械研究所 通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
针对尺度不变特征变换(SIFT)算法所提取图像特征点数量少、误匹率高的问题, 提出了一种基于高光谱图像的改进SIFT算法。首先, 依据传统SIFT算法中高斯金字塔的构造思想, 结合在不同波段下的高光谱图像具有相同宏观特征的特点, 首次用高光谱图像作为原始算法中经高斯变换产生的图像, 使得检测到的具有实际意义的特征点数量大幅增加; 其次, 传统SIFT算法以及大量的改进方法都只通过目标象元邻域范围内的像素信息来构造特征描述符, 而忽略了像素点的位置信息, 文中将目标象元的位置信息纳入了特征描述符, 在特征描述符的匹配阶段, 在利用邻域范围内的像素信息进行粗匹配之后, 利用特征描述符中的位置信息进行精细匹配。仿真实验结果表明: 在限定最优值与次优值之比的情况下, 采用高光谱图像构造高斯金字塔的方式能显著增加特征点的提取数量, 更多地挖掘出图像中的极值点; 在特征描述符中加入目标象元的位置信息作为特征点匹配第二阶段的判断依据, 正确匹配数量达到原方法的59倍以上, 极大提升了算法的匹配性能。
尺度不变特征变换 高光谱图像 位置准则 图像匹配 Scale Invariant Feature Transform (SIFT) hyperspectral image position criteria image matching
1 中国科学院安徽光学精密机械研究所中国科学院通用光学定标与表征技术重点实验室, 安徽 合肥 230031
2 中国科学技术大学, 安徽 合肥 230026
农村地区遥感图像语义分割是进行城乡规划、植被以及农用地检测的基础。农村地区高分辨率遥感图像含有较为复杂的地物信息,对其进行语义分割难度较大。基于此,提出一种改进的对称编码-解码网络结构SegProNet,利用池化索引与卷积融合语义信息及图像特征,通过1×1卷积构建Bottleneck层进一步提取细节、减少参数量,逐步加深过滤器深度以构建端到端的语义分割网络,改进激活函数进一步提升网络性能。实验结果表明,在CCF卫星数据集上,所提方法及经典语义分割网络U-Net、SegNet的准确率分别为98.4%,80.3%,98.1%,所提方法较其他方法更优。
图像处理 农用地检测 遥感图像 语义分割 编码-解码网络 深度学习
中国科学院安徽光学精密机械研究所中国科学院通用光学定标与表征技术重点实验室 安徽 合肥 230031
为满足卫星图像仿真信息全要素、多专题、分层存储管理的需要,构建了集高光谱影像、高分辨率彩色图像、 热红外影像、高光谱波谱信息、大气环境信息、GPS信息为一体的艇载低空遥感数据管理系统。该系统首先 根据测量系统数据量大、类型多样、时间跨度长的特点,提出了一种移动存储模型,利用Oracle支持二进制大 字段(Binary Large OBject, BLOB)的优势,采用数据分区迁移技术,实现多源、海量图像信息的集成和移动 存储。在此基础上,以VC++作为前台应用程序开发工具,OLE自动化服务器(Oracle objects for OLE, OO4O) 作为中间访问接口, Oracle作为后台数据库管理系统,实现了艇载低空遥感测量系统信息的全面描述和有效 管理,为卫星图像仿真和多源遥感数据定量化应用提供了一个综合化、专业化的数据共享平台。
低空遥感 数据库 高光谱图像 分区迁移 low altitude remote sensing database hyperspectral image partitioning transfer OO4O Oracle objects for OLE 大气与环境光学学报
2019, 14(5): 359
1 中国科学院安徽光学精密机械研究所通用光学定标与表征技术重点实验室, 安徽 合肥230031
2 西安测绘研究所, 陕西 西安 710054
提出了一种基于灰阶靶标的多传感器协同辐射定标方法,通过有效利用具有自动化观测设备的固定定标场、合理共享其他卫星的移动靶标场来提高定标频次。根据灰阶靶标的光谱平坦特性及同平台多传感器观测时相、几何、视场的一致性,建立了多光谱相机与全色高分辨相机间的辐亮度关系模型,实现了全色高分辨相机对多光谱相机的协同辐射定标。天绘一号卫星星地同步实验结果表明:建立的辐亮度关系模型具有通用性;多光谱相机协同与场地辐射定标系数相对差异小于5.3%;协同辐射定标精度优于5%,在提高效率的同时,可获取与场地辐射定标相当的精度。
大气光学 天绘一号 灰阶靶标 协同辐射定标 反射率反演
