1 江南大学人工智能与计算机学院,江苏 无锡 214122
2 江苏省模式识别与计算智能工程实验室(江南大学),江苏 无锡 214122
针对multiattention network(MANet)算法与图像语义信息关联不足、全局特征提取不充分和分割精度较低的问题,基于Transformer与注意力机制,提出一种增强浅层网络语义信息,具有融合局部和全局上下文的双分支解码器的网络结构,即Transformer multiattention network(TransMANet)。首先,引入局部注意力嵌入机制,增强上下文信息的嵌入,并将高级特征的语义信息嵌入低级特征;然后,设计基于Transformer与卷积神经网络的双分支解码器,分别提取全局上下文信息和不同尺度的细节信息,对全局与局部信息建模;最后,改进原有的损失函数,缓解遥感数据集类别不平衡的问题,提高分割准确度。实验结果表明,TransMANet在UAVid、LoveDA、Potsdam和Vaihingen数据集上均取得了较MANet及其他有竞争力的先进方法更优的交并比指标,有较好的泛化能力。
图像处理 语义分割 注意力机制 Transformer 高分辨率遥感影像 激光与光电子学进展
2024, 61(10): 1028002
1 中国科学院水利部成都山地灾害与环境研究所,成都 610299
2 中国科学院大学,北京 100049
冰湖溃决洪水是一种严重的山地自然灾害,威胁着中国高寒区的居民及铁路公路等重要基础设施,自动高效的冰湖遥感制图方法是冰湖灾害评估、监测预警的基础,然而现有自动制图方法在实际冰湖提取应用上难以达到传统人工和半自动冰湖提取方法上的精度,仍需进一步提高。文章在原生U-Net模型基础上,在各桥连接部分融合极化自注意力机制,将输入影像特征分别在空间和通道层保持高分辨率,并通过非线性合成输出细腻的特征,构建了一种改进的U-Net冰湖遥感深度学习制图方法,并将其成功应用在高原铁路关键区。研究结果表明:1)与PSPNet、DeepLabV3+、原生U-Net三种经典模型相比,改进模型在冰湖预测数据集上的各项指标上都有提升,精确率、召回率、交并比和F1值分别达到了0.972 5、0.966 5、0.940 8和0.969 4,相较于原生U-Net网络,精确度、召回率、交并比和F1值分别提高了5.01%、6.05%、10.73%和5.53%;2)基于Landsat-8卫星遥感数据,应用改进模型完成了2013—2022年帕隆藏布和易贡藏布案例区冰湖信息自动高效提取,如2020年冰湖总体精度为98.16%,与参照数据的重叠度达到96.66%,提取的精度满足冰湖灾害评估和监测预警研究需求,可用于铁路等重大工程沿线冰湖灾害防治的实践。
遥感监测 冰湖灾害 深度学习 自注意力机制 U-Net卷积神经网络 remote sensing monitoring glacial lake disaster deep learning self-attention mechanism U-Net
1 中国铁道科学研究院集团有限公司铁道建筑研究所,北京 100081
2 中国铁道科学研究院集团有限公司高速铁路轨道系统全国重点实验室,北京 100081
3 铁科检测有限公司,北京 100081
随着遥感技术在铁路行业应用的深入,应用多源遥感对铁路设施状态进行观测成为学界和产业界关注的热点。针对铁路设施状态定量化监测问题,应用InSAR技术可以获得铁路设施沉降信息,沉降信息的分析提取往往要借助设施的类别、位置等属性,否则无法进一步对特定铁路设施的沉降进行量化评估。文章综合利用星基光学与微波遥感影像,通过目标检测技术对铁路设施进行自动提取,确定铁路设施微波散射点与光学属性中类别与位置的对应关系;选取典型区域,以接触网立柱为例,利用多源遥感影像对文中提出的提取方法进行验证,结果显示:综合光学遥感影像的高空间分辨率以及SAR影像对铁路设施特异性散射的特征对铁路设施进行提取,提取准确率较光学遥感影像提取准确率提高2.8%,较SAR影像提取准确率提高9.2%,同时提取结果中设施位置更准确,可减少因设施的错误监测造成的行车安全影响,为InSAR对铁路设施形变的定量化监测提供参考。
铁路设施 接触网立柱 遥感 光SAR融合 目标检测 railway facility contact wire column remote sensing optical SAR fusion object detection
1 应急管理部国家减灾中心,北京 100124
2 北京林业大学水土保持学院,北京 100083
3 中国农业大学土地科学与技术学院,北京 100091
利用卫星遥感技术开展铁路灾害监测与评估,对于保障铁路建设和运行安全、提升铁路防灾减灾救灾能力具有重要意义。通过分析当前铁路灾害卫星遥感应用存在的问题,结合中国卫星遥感发展和新时代应急管理工作实际,探讨了卫星遥感技术在铁路减灾、备灾、应急和恢复重建等灾害管理全过程中的实践应用需求。针对影响铁路安全的主要灾害,分析总结了卫星遥感监测与评估技术在铁路应急管理中的应用方法和应用能力。针对洪涝、地质、森林火灾和雪灾等典型灾害实例,建立卫星遥感监测评估铁路灾害的技术流程,进一步分析卫星遥感对于铁路灾害应急管理的作用效果。结果表明:卫星遥感技术能够实现铁路主要灾害的灾前风险监测和灾后损失评估,可有效支撑铁路的全过程灾害管理。通过多手段的融合运用和动态监测能提升遥感信息的决策支持作用,使其在铁路灾害的应急管理中有着广阔的应用前景。
铁路 卫星遥感 自然灾害 灾害监测 灾害评估 railways satellite remote sensing natural disasters disaster monitoring disaster evaluation
1 河南理工大学测绘与国土信息工程学院,焦作 454000
2 中国科学院空天信息创新研究院,北京 100094
3 江苏省环境监测中心,南京 210019
利用卫星遥感反演水体中的悬浮物浓度对水质监测和保护具有重要意义,在悬浮物浓度反演过程中,如何避免或最大程度降低水体中叶绿素a、有色可溶性有机物(Colored Dissolved Organic Matter,CDOM)的干扰是当前的技术难点。文章针对可持续发展科学卫星1号(SDGSAT-1)MII传感器,利用Hydrolight辐射传输模型,从理论上挖掘只与悬浮物强相关的反演因子,以此构建适用于MII影像的太湖悬浮物浓度反演模型,通过水体的实测数据和遥感数据对模型应用效果进行验证。结果表明:反演因子$ R'{\text{(}}{B_{\text{5}}}{\text{/}}{B_{\text{3}}}{\text{)}} $与悬浮物浓度为强相关,同时与叶绿素a、CDOM浓度弱相关;利用$ R'{\text{(}}{B_{\text{5}}}{\text{/}}{B_{\text{3}}}{\text{)}} $作为反演因子构建的幂函数模型为最优反演模型;将幂函数模型分别应用于实测数据和2022年5月4日的太湖SDGSAT-1 MII数据,两次验证试验显示反演结果和现场测量结果具有较强一致性,模型适用性较好。该研究可为SDGSAT-1卫星在湖泊水体悬浮物浓度监测、水资源评估与保护等提供一些技术参考。
悬浮物浓度反演 可持续发展科学卫星1号 相关性 水体辐射传输模拟 遥感应用 suspended matter concentration retrieval SDGSAT-1 correlation water body radiative transfer simulation remote sensing applications
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