随着技术的不断发展, 遥感技术被广泛应用于地图绘制、资源勘探以及灾害预警等领域。遥感目标检测是进行遥感图像解译的关键步骤。传统的目标检测算法在对遥感目标进行检测的过程中存在目标漏检、检测精度低以及无法解决小目标检测等问题。提出一种基于多尺度特征增强卷积神经网络 (MSFE-CNNs) 的遥感目标检测算法, 通过对不同卷积层特征进行增强和融合, 使得模型具有更快的训练速度和更高的检测精度。所提算法结合特征提取模块、特征增强模块、自注意力机制和金字塔特征注意力机制。特征提取模块对输入的海量遥感数据进行特征提取, 获取不同类别目标的多尺度特征; 特征增强模块用于增强不同卷积层特征相关性, 强化模型的学习能力和特征之间的非线性关系; 自注意力机制和金字塔特征注意力机制主要解决传统卷积神经网络无法获取小尺度目标特征的问题。为了验证所提算法的有效性, 在DOTA数据集上进行不同方法对比, 实验结果表明所提算法在检测精度和训练速度上均优于现有基于深度学习的目标检测算法。
遥感图像处理 目标检测 卷积神经网络 多尺度特征增强 remote sensing image processing target detection convolutional neural network multi-scale feature enhancement
1 上海海事大学信息工程学院，上海 201306
2 西藏自治区经济和信息化厅信息化推进处，拉萨 850033
云相态分类在气象预报和气候研究中具有重要的地位。我国新一代气象卫星风云四号的成像仪在光谱通道数量和空间分辨率较上一代风云二号有较大提升，这为云相态的研究提供了新的遥感数据。本文首先对风云四号相隔 15 min的遥感图像进行分析，然后提出亮温云相态指数，该指数可以进行初步云相态分类，最后在此基础上提出基于集成学习的云相态分类算法。实验结果与风云四号官方云相态分类结果进行比较，水云的一致率达到 91.69%，冰云的一致率达到 76.10%。
云相态 集成学习 风云四号 遥感图像处理 cloud phase, ensemble learning, FY-4, remote image
1 中国科学院半导体研究所 超晶格国家重点实验室, 北京 100083
2 中国科学院大学 材料与光电研究中心, 北京 100049
3 中国科学院脑科学与智能技术卓越创新中心, 北京 100083
针对实现遥感图像中船只目标的快速检测, 提出了一个采用多光谱图像、基于级联的卷积神经网络(CNN)船只检测方法CCNet.该方法所采用两级级联的CNN依次实现感兴趣区域(ROI)的快速搜索、基于感兴趣区域的船只目标定位和分割.同时, 采用含有更多细节信息的多光谱图像作为CCNet的输入, 能够提升网络提取特征鲁棒性, 从而使得检测更加精确.基于SPOT 6卫星多光谱图像的实验表明, 与当前主流的深度学习船只检测方法相比, 该方法能够在实现高检测精准度的基础上将检测速度提高5倍以上.
船只检测 遥感图像处理 卷积神经网络 多光谱图像 ship detection remote image processing convolutional neural network multispectral image
1 中国科学院上海技术物理研究所， 上海 200083
2 中国科学院大学， 北京 100049
3 中国科学院红外探测与成像技术重点实验室， 上海 200083
多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性，提出了一种基于对称性边缘的多光谱图像配准方法，该方法主要包含“图像比例调整”、“对称性边缘提取”和“互信息配准”等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案，验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验，将所提配准方法与其他多光谱图像配准方法进行比较，结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。
多光谱图像配准 对称性边缘 互信息 仿射变换 天宫二号 遥感图像处理 multispectral image registration symmetrical edge mutual information affine transformation Tiangong-2 remote sensing image processing
通过对风云四号每两张相隔15分钟的图像进行分析, 提出了归一化动云指数, 加强数据集对低云、薄云及云系运动边缘的检测.在此基础上, 提出了一种基于归一化动云指数的动态阈值法用于初步云检测, 并进一步提出基于BP神经网络的云检测算法.实验结果表明, 该算法可以消除阈值选取中的主观影响, 在大范围复杂下垫面的遥感图像数据中可以取得较好的云检测效果.
云检测 遥感图像处理 风云四号 BP神经网络 cloud detection remote image processing FY-4 back propagation neural network
1 北京师范大学信息科学与技术学院, 北京 100875
2 北京师范大学遥感科学国家重点实验室, 北京 100875
传统提升小波变换无法有效重构遥感图像中的非水平与非垂直高频信息，导致这些地方的高频小波系数仍然较为显著，降低了遥感图像的编码效率。提出了一种新的基于方向优化的提升小波框架（DOLW）。设计基于梯度的方向预测模型获得提升小波的最优变换方向；沿最优变换方向对图像进行先垂直后水平的方向提升变换，削弱遥感图像高频子带中非水平与非垂直方向上的边缘与纹理能量；利用抽样函数完成分数像素上的插值预测。针对遥感图像的实验表明，与传统的提升小波变换相比，新算法获得的重构图像无论峰值信噪比还是主观质量都有显著提高，对今后遥感图像的压缩编码研究具有重要价值。
图像处理 遥感图像处理 图像压缩 小波变换 提升框架 方向预测
1 北京师范大学 信息科学与技术学院, 北京 100875
2 北京师范大学 遥感科学国家重点实验室, 北京 100875
针对传统的自适应方向提升小波变换(ADL-DWT)算法在高分辨率遥感影像压缩中计算复杂度过高的问题, 提出一种新的基于方向预测的提升小波变换(DP-LWT)算法, 实现了高分辨率遥感影像的快速、高效压缩。新算法首先将高分辨率遥感影像分为若干不重叠子块, 然后采用梯度算子快速预测遥感影像中每个图像块的最佳提升方向, 并沿着最佳预测方向插值完成方向提升小波变换, 最后进行多级树集合分裂(SPIHT)编码。实验结果表明, 新算法有效削弱了遥感影像各子带中非水平与非垂直方向的高频系数; 与传统自适应方向提升小波变换相比, 在重建高分辨率遥感影像峰值信噪比基本相同的情况下, 有效减少了小波变换中方向预测的计算复杂度。
遥感图像处理 图像压缩 小波变换 自适应方向提升 方向预测 remote sensing image processing image compression wavelet transform adaptive direction lifting direction prediction
中国科学院长春光学精密机械与物理研究所,长春 130033
相较于低轨卫星线阵扫描成像模式，地球静止轨道面阵成像的曝光时间相对更长，更容易受到平台颤振的影响而造成图像模糊.为了消除由平台颤振引起的像质退化，本文提出了基于分时积分亚像元融合的方法.由于地球静止轨道的凝视成像特性，相机观察区域在长时间内保持不变，因此分时短曝光可以获得多帧目标内容相同，但模糊尺度更低的短曝光图像.然后对多帧短曝光图像采用基于能量区域质心法的相位相关算法进行亚像元图像配准，计算相对偏移量并进行补偿，位移探测准确度可达0.1像元以内，满足卫星平台应用需求.再按亚像元偏移量对多帧图像进行融合，融合的过程可以提升由于曝光时间缩短而降低的单帧图像信噪比，最终可以获得图像清晰度更高、信噪比与原长曝光图像相当、信息辨识度更好的遥感图像.
遥感图像处理 地球静止轨道 振动探测 图像配准 图像融合 Remote sensing Geostationary orbit Vibration estimation Image registration Image fusion
分析了Kuan滤波和σ滤波两种基于局部统计滤波的斑点噪声平滑算法的原理,以实际的激光遥感图像为例进行了滤波实验,并对滤波性能进行了比较,结果表明Kuan滤波是有一定自适应能力的局部统计滤波方法,而σ滤波是简单而高效率的平滑算法.
遥感图像处理 斑点噪声 局部统计滤波 标准差 remote sensing image processing speckle noise local statistic filtering standard deviation
华中科技大学图像识别与人工智能研究所图像信息处理与智能控制教育部重点实验室,湖北,武汉,430074
由于遥感图像一般带有较大的噪声,通过实验表明,用传统的边缘检测方法效果不理想.采用小波方向性检测技术并结合数学形态学的方法,提出了一种基于小波变换和小尺度的数学形态学的遥感图像边缘检测方法.实验表明本算法计算有效,边缘定位准确,对噪声有一定的抑制作用,边缘检测效果明显.
小波变换 数学形态学 边缘检测 遥感图像处理 Wavelet transform Mathematical morphology Edge detectio Remote sense image processing
