针对遥感图像目标检测的目标尺度小、分辨率过低的问题, 提出残差对抗目标检测算法的遥感图像检测方法。通过残差对抗的方式对图像的特征信息进行重构, 完成图像分辨率的提升。在Backbone主干网络提取图像特征信息的基础上由Neck结构将特征进行融合, 最后由CIoU_Loss损失函数提高定位回归精度, 提高模型性能。实验结果表明, 与其他算法相比, 在平均精确率、平均召回率、平均综合指标F1值、平均mAP值方面分别提高了8.15%,6.9%,7.15%,6.75%。所提算法在低分辨率遥感图像目标检测方面准确性较高, 对遥感图像小目标检测效果较好。

针对遥感图像中小目标检测精度低以及漏检现象严重的问题, 提出一种基于YOLOv4改进的遥感小目标检测算法。该算法首先改进特征提取网络, 删除深层次特征层, 减少语义丢失现象;其次将轻量级注意力机制与RFB-S结构融合, 拓展感受野, 并加强网络对重要信息的关注程度, 从而提升检测精度;最后使用Focal Loss函数解决正负样本不均衡问题, 抑制背景目标, 进一步增强检测效果。在RSOD数据集上的实验结果表明, 改进后算法检测平均精度为96.5%, 召回率达到87.2%, 检测效果明显提升, 有效改善了小目标漏检现象, 对遥感图像小目标检测具有重要意义。

植被遥感监测已广泛应用于各个领域, 如农作物病虫害监测、 森林覆盖度监测、 植被生长状况监测等。 监测植物叶绿素含量变化对于了解植物长势、 监测植被病虫害乃至监测植被对全球气候变化反馈都有着重要的意义, 然而这些监测时常受到叶片镜面反射的干扰, 导致叶绿素含量反演精度降低。 旨在消除植物健康状况遥感监测中的镜面反射干扰, 搭建一套偏振多光谱成像系统, 提出一种镜面去除指数(SRRI), 并提出一种利用目标的漫反射和镜面反射的光谱和偏振特性来检测植物的融合算法, 植物的SRRI、 线偏振度(DoLP)和偏振角(AOP)均在融合框架内计算, 以消除植物镜面反射的干扰并提高植物健康状态检测精度。 此外, 基于SRRI、 DoLP和AOP的融合算法计算了一种偏振融合镜面去除指数(PFSRRI)。 对相对叶绿素含量(SPAD)、 比值植被指数(SR)、 归一化植被指数(NDVI)、 SRRISR、 SRRINDVI、 PFSRRISR和PFSRRINDVI进行了相关性分析, 以了解它们消除镜面反射干扰的能力。 结果表明, SR与SPAD (R2=0.012 8)、 NDVI与SPAD (R2=0.007 5)的相关性最差, 表明SR和NDVI对镜面反射的敏感性最高, SRRISR与SPAD (R2=0.818)、 SRRINDVI与SPAD(R2=0.889)有很好的相关性, 而PFSRRISR与SPAD(R2=0.955)、 PFSRRINDVI与SPAD(R2=0.948)的相关性最好, 从而突出了PFSRRI在消除镜面反射干扰并检测植物健康状态中的潜力。 PFSRRISR和PFSRRINDVI三维散点图显示了对植物不同健康程度具有良好的辨别能力, 具有较高的敏感性和特异性值, 通过曲面的颜色和趋势的变化可以很直观地看到植被健康状态的变化趋势和分类状况。 其中, PFSRRISR的镜面叶片和胁迫1级叶片的分类敏感性(Se)值为100%和特异性(Sp)值为100%, PFSRRINDVI的镜面叶片和胁迫1级叶片的分类敏感性(Se)值为98%和特异性(Sp)值为100%, 表明PFSRRISR和PFSRRINDVI在去除镜面干扰后的优秀的检测效果。 综上所述, 该方法能有效地消除镜面干扰, 提高植被健康状况检测精度。

基于场地的绝对辐射定标是航空遥感数据定量化应用的重要保障手段, 如何降低外场测量环境及各种测量误差的影响、 提高定标结果的稳定性和精度是航空相机定标的关键。 利用2020年12月26日—28日在云南普洱定标场布设的5种不同反射率的灰阶靶标, 采用反射率基法对机载Lecia DMC Ⅲ航空多光谱相机连续进行3次辐射定标试验。 在飞机飞越定标场上空的同时, 获取地表反射率、 大气参数和试验场内各采样点的几何信息, 利用MODerate resolution atmospheric TRANsmission(MODTRAN)5.2.1大气辐射传输模型得到遥感器入瞳处各波段的辐亮度, 然后结合影像选定区域的平均DN值, 分别采用单点法、 两点法和多点法计算得到不同的定标系数。 通过系统对比不同方法得到的定标结果并分析各种误差源, 提出了一种基于多级靶标多次观测的航空多光谱相机外场高精度绝对辐射定标的方法, 各波段的定标不确定度分别为7.24%(蓝)、 6.20%(绿)、 5.35%(红)和4.68%(近红外)。 为了验证辐射定标的结果, 通过反射率反演的方法来验证不同方法计算得到的定标系数的合理性; 利用单点法、 两点法和多点法得到不同的定标系数, 基于Atmospheric/Topographic Correction for Airborne Imagery(ATCOR 4)大气校正软件对试验场内的多种典型地物进行大气校正; 将反演的地表反射率与实测地物反射率进行对比验证。 结果表明： 多级靶标和短期多次试验对于提高定标精度非常关键, 5%、 20%和60%灰阶靶标单点定标法和单次多点定标法的定标精度相对最差, 40%灰阶靶标单点定标法和两点法的定标误差明显减小, 多次多点法的定标精度相对较高, 三类方法平均相对误差分别为10%、 5.43%和3.18%。 本文提出的基于多级靶标多次试验的航空多光谱相机定标方法, 降低了单点法、 两点法及单次试验定标的不确定性, 对于今后航空相机的外场高精度定标及航空数据的定量化应用具有较高的参考价值。

为探究水分胁迫下冬小麦冠层反射率在各生育期响应叶片叶绿素变化的特性, 针对2020年—2021年小麦生长季11个品种(分为强、 一般和弱3个抗旱性品系), 设置了2次灌溉(拔节、 扬花)、 1次灌溉(冬季、 返青、 拔节、 拔节后7天和拔节后14天)以及无灌溉总共3个水分梯度处理, 分析了叶绿素与反射率之间的相关性, 利用波长随机组合方式［简单比值(SRSI)、 简单差值(SDSI)和归一化(NDSI)］与线性拟合方法, 筛选了对叶绿素最为敏感的窄波段光谱指数。 结果表明： (1)所有品系叶绿素含量在各生育期均差异显著, 从拔节到灌浆大致表现为降低─升高─降低态势, 但冬季和返青期灌溉处理下的抗旱性一般品系、 以及返青期灌溉处理下的抗旱性较差品系除外; (2)随着发育进程推移和品种抗旱性减弱, 不同处理间在近红外区域的冠层反射率差距逐渐增大。 (3)叶绿素与窄波段光谱指数的线性拟合决定系数高值区集中在绿(445～591 nm)和红边(701～755 nm)波段。 抗旱性较强品系和抗旱性较差品系的SRSI指数均在开花期反演叶绿素的精度最高, 分别达0.762和0.811; 抗旱性一般品系的NDSI指数在灌浆期精度最高, 为0.732。 该研究对于揭示水分胁迫下叶绿素变化的反射率响应在冬小麦各关键生育期以及品种间差异等, 具有一定参考价值, 可为基于无人机载高光谱技术的抗旱小麦品种高效筛选奠定基础。

在分析绿色健康植被光谱特性及5种典型地物在高分六号影像中可见光波段光谱特征的基础上, 提出一种基于红、 绿、 蓝波段的可见光植被指数——高区分型红绿蓝植被指数(HDRGBVI), 利用该指数与其他8种常见可见光植被指数提取研究区绿色植被覆盖效果进行对比研究, 并采用基于SVM的监督分类方法进行对不同种可见光植被指数所提取的研究区绿色植被进行精度量化评价并将精度进行对比。 结果表明： 由HDRGBVI计算的植被指数灰度影像能够有效提取试验区植被, 对大面积水体、 狭长水体、 细小水体具有抑制作用; 相比其他8种常见可见光植被指数在应用于卫星影像时出现的植被与其他地类区分度低的问题, HDRGBVI增强了植被与其他地类的区分度, 使得可见光植被指数应用于卫星影像时也拥有较好的提取效果; 利用HDRGBVI与其他8种常见可见光植被指数分别对长桥海试验区植被覆盖区域进行提取, HDRGBVI总体精度为90.23%, Kappa系数为0.804 5, 精度高于其余8种常见可见光植被指数, 能够准确对长桥海试验区的植被覆盖区域进行提取; 为验证HDRGBVI是否具有良好的可适用性及可靠性, 分别从3景高分六号影像中选择3个研究区进行验证, 分别计算三个研究区的HDRGBVI, 并利用对应试验区的基于SVM的监督分类结果进行精度验证, 结果表明： 三个研究区的绿色植被提取精度均维持在90%左右, 均可对植被覆盖区域进行有效提取提取精度受不同地类分布差异影响的波动性较小, 且能够较好的削弱影像中阴影等因素的影响。 综上, 所提出的高区分型红绿蓝植被指数——HDRGBVI能够有效、 快速、 高精度、 大范围提取高分六号可见光波段影像中绿色植被信息, 且具有较好的适用性, 为可见光植被指数与卫星影像的结合应用提供了一种可行性方法。