精准高效地从高分辨率遥感影像中提取建筑物信息对国土规划和地图制图意义重大,近年来基于卷积神经网络进行建筑物信息提取已经取得了很大的进展,然而在处理高分辨率遥感影像时仍存在影像的高级语义特征利用不够充分,难以获得细节丰富高精度分割影像的问题。文章针对以上问题提出了一种用于建筑物自动提取的深度学习网络结构空洞空间与通道感知网络(Atrous Space and Channel Perception Network,ASCP-Net)。该模型将空洞空间金子塔池化(Atrous Spatial Pyramid Pooling, ASPP)和空间与通道注意力 (Spatial and Channel Attention, SCA)模块融入到编码器-解码器结构中,通过ASPP模块来捕获和聚合多尺度上下文信息,采用SCA模块选择性增强特定位置和通道中更有用的信息,并将高低层特征信息输入解码网络完成建筑物信息的高效提取。在WHU建筑数据集(WHU Building Dataset)上进行实验,结果表明:文章提出的方法总体精度和F1评分分别达到了97.4%和94.6%,相比其他模型能够获得更清晰的建筑物边界,尤其对图像边缘不完整建筑的提取效果较好,有效提升了建筑物提取的精度和完整性。
高分辨率遥感影像 双注意力机制 空洞卷积 建筑物提取 high-resolution remote sensing images dual attention mechanism atrous convolution building extraction
1 苏州科技大学物理科学与技术学院, 江苏 苏州215009
2 江苏省微纳热流技术与能源应用重点实验室, 江苏 苏州215009
3 江南大学理学院, 江苏 无锡214122
4 中国航天科技集团公司上海卫星工程研究所, 上海 201109
遥感卫星在**和民用探测等领域发挥着重要作用,而大气湍流严重影响高分辨率遥感卫星的成像质量。本文重点研究了遥感卫星对地探测时,相机口径、卫星轨高和大气湍流强度对空间相机成像质量的影响。首先,基于球面波传输模型和Kolmogorov湍流理论,针对空对地探测湍流波前进行仿真。然后,分析畸变波前随相机口径、卫星轨高和大气相干长度的变化规律,并推导出普适公式。在此基础上,进一步推导出空间相机成像分辨率随相机口径、卫星轨高和大气相干长度变化的计算公式。最后,研究了大气湍流对空间相机调制传递函数(MTF)的影响,并以MTF=0.15为基准,仿真分析了MTF相对误差随相机口径、卫星轨高和大气相干长度的变化规律。本研究为高分辨率遥感卫星的设计、分析和评估提供理论依据。
高分辨率卫星 大气湍流 空对地观测 成像质量 high-resolution satellite atmospheric turbulence space-to-ground detection imaging quality
中国人民解放军战略支援部队信息工程大学地理空间信息学院,河南 郑州 450001
针对当前光学智能遥感卫星有限存储能力对全球控制信息的轻量化需求,提出一种面向光学遥感卫星星上定位精度优化的轻量化矢量控制库技术。首先,在地面提取完整道路网,通过道路细化、节点提取以及拓扑关系构建等处理,生成星上轻量化矢量控制库并上注卫星;其次,星上在轨提取道路结构,并利用随机游走避免道路缺失的影响,生成随机游走矢量结构;然后,引入隐马尔科夫模型,搜索对应矢量,并设计分层匹配策略以精化匹配结果,实现星上轻量化矢量控制库与随机游走矢量结构的匹配;最后,利用不同类型卫星影像进行随机游走矢量结构提取、星上矢量匹配以及定位性能分析。结果表明,所提光学遥感卫星的星上轻量化矢量控制库能够有效改善非量测光学遥感卫星定位精度,验证了其在光学智能遥感卫星中的可行性。
轻量化处理 矢量控制库 星上智能处理 矢量匹配 高分辨率光学遥感卫星
1 福州大学光电显示技术研究所,福建 福州 350108
2 福建省光电信息科技创新实验室,福建 福州 350108
由于量子点优异的材料特性,包括可调的能带间隙、高量子产率、高稳定性和可低成本地溶液加工等,其在显示领域引发了浓厚的兴趣和研究热潮。近年来,随着全世界对高质量显示的需求日益增长,特别是随着虚拟/增强现实(VR/AR)等近眼显示技术的兴起,对高亮度、高分辨率、高效率以及低功耗的显示技术提出了更高的要求。本文全面探讨了高分辨率量子点图案化技术,深入解析它们的工艺流程,并详细阐述它们在量子点显示器件中的各种应用。此外,还概述了高分辨率量子点图案化技术在实际应用中所面临的主要挑战。我们认为,要将高分辨率量子点图案化技术真正地应用到实际设备中,必须全面考虑各种因素,不仅包括从图案化技术出发,同时还涉及到从材料选择和器件结构设计等多个角度的深入思考和策划。本综述可为高分辨率量子点图案化技术行业的发展和研究提供有价值的参考。
显示技术 量子点 高分辨率 图案化技术
1 国防科技大学 空天科学学院,湖南 长沙 410000
2 国防科技大学 图像测量与视觉导航湖南省重点实验室,湖南 长沙 410000
旋转目标检测是遥感图像处理领域中的重要任务,其存在的目标尺度变化大和目标方向任意等问题给自动目标检测带来了挑战。针对上述问题,提出了一种改进的RoI Transformer旋转目标检测框架:首先,利用RoI Transformer检测框架获取旋转的感兴趣区域特征(rotated region of interest, RRoI)用于鲁棒的几何特征提取;其次,在检测器中引入高分辨率网络(high-resolution network, HRNet)提取多分辨率特征图,在保持高分辨率特征同时适应目标的多尺度变化;最后,引入KLD(Kullback-Leibler divergence)损失,解决旋转目标表示的角度周期性的问题,提高检测方法对任意方向目标的适应性,并通过旋转目标边界框参数的联合优化提升目标定位精度。本文提出的旋转目标检测方法,即HRD-ROI Transformer (HRNet + KLD ROI Transformer),在DOTAv1.0和DIOR-R两个公开数据集上与典型的旋转目标检测方法进行了比较。结果显示:相比于传统的RoI Transformer检测框架,本文方法在DOTAv1.0和DIOR-R数据集上检测结果的mAP(mean-average-precision)分别提高了3.7%和4%。
旋转目标检测 RoI Transformer 高分辨率网络 遥感图像目标检测 oriented object detection RoI Transformer high-resolution network object detection of remote sensing image