基于高时空分辨率卫星数据的气溶胶光学厚度反演系统

卫星遥感技术是研究大气气溶胶时空变化规律的重要手段之一。高分四号卫星(GF-4)作为新一代静止卫星,不仅具备更多的可见-近红外波段,而且具有超高时空分辨率的特点,可以执行对固定区域连续观测或凝视扫描覆盖观测,为气溶胶光学厚度定量反演提供了有利条件。基于GF-4静止卫星超高时空分辨率卫星数据,在深入了解卫星观测模式及传感器波段对气溶胶反演敏感性基础上,基于地气时变差异核心思路,开发了针对GF-4超高时空分辨率数据气溶胶光学厚度反演算法;设计并实现了具备业务化反演气溶胶光学厚度能力的软件系统,软件系统具备多线程、全自动运行能力,满足卫星数据处理业务化需求。利用该系统对GF-4数据进行了处理和分析,通过地基仪器实测的气溶胶光学厚度进行了验证,取得了初步结果。结果表明,该系统具有良好的可靠性和稳定性,可以服务于大气颗粒物时空变化遥感监测。     

多层感知机结合辐射传输模型的复杂陆地表面云检测

云检测是卫星遥感数据预处理中至关重要的工作.本文将多层感知机和辐射传输模型相结合,利用可见光和近红外波段反射率信息从卫星影像中识别出云像元.该方法利用SBDART辐射传输模型,模拟获得了各种复杂陆地地表的反射率值数据集,为多层感知机提供训练样本.随后,用训练好的多层感知机模型区分FY-3D卫星MERSIⅡ影像中的云像元...     

基于高分一号和MODIS数据的STARFM算法研究

GF-1号遥感数据是高分系列主要的数据源,极易受到时间分辨率及阴雨天气的影响,难以获得大范围的相同时相数据。利用时空融合技术,充分发挥多源遥感数据的优势,获取大范围相同时相的遥感数据具有重要的意义。以沈阳市为研究区,利用STARFM模型融合生成了具备高空间和高时间分辨率的GF-1影像,并验证了STARFM算法的适应性。     

一种基于小波阈值理论的遥感图像复原新算法

通过分析云部分覆盖的单幅遥感图像,并经过多层小波变换后,得到景物信息和云噪声在小波分解系数中的分布关系,提出能有效去除云噪声的云区阈值法.实验证明,该算法的去云效果远优于同态滤波和Retinex算法,且能充分保留云区以外景物信息.     

基于深度学习算法和无人机遥感影像对植株的识别研究

传统的植株识别方法难以满足遥感影像数据的识别需求,在此情况下,急需一种有效的识别方法.本文分析了基于深度学习算法和无人机遥感影像对植株的识别,经分析显示,二者均具有一定的有效性,保证了植株识别的精度.     

基于深度学习的云参量反演方法研究

有效的云检测与云相态判识对于农业、气候及人类生活具有重要意义, 而这些数据的获取离不开卫星遥感。 卫星遥感数据在当今社会的生产和生活中都扮演着至关重要的角色, 众多领域的发展都离不开卫星遥感数据的支持。 随着高精度传感器的发展, 传统研究方法无法满足大规模、高维度数据的高效挖掘与处理, 因此深度学习技术在遥感 领域得到了快速的发展。基于深度学习技术提出了一种结合多波段遥感影像的云检测及云相态判识的方法。该方法 采用 MODIS 云产品影像作为样本, 将不同波段信息作为特征值, 分别建立针对云检测与云相态判识研究任务的多个 数据库, 并采用 DeepLab V3+ 模型进行训练并预测, 从而完成高精度的云检测及云相态判识任务。与传统方法相比, 该方法高效便捷、特征提取能力较强, 将多波段作为特征值输入模型进行预测时, 该方法展现了良好的结果。     

基于光学和雷达遥感影像融合的地类识别研究

针对光学和雷达协同处理信息挖掘的需求,为提高主被动遥感数据协同处理应用于土地利用/覆盖地类识别的能力,提出了一种改进的光学和雷达遥感数据融合识别方法。以意大利PAVIA地区的ERS SAR和Landsat TM影像、江苏徐州矿区的ALOS PALSAR和AVNIR-2影像对,ALOS PALSAR和SPOT影像对为信息源,利用改进的小波变换与色彩域变换算法进行处理,融合结果与传统的Brovey、GS、PCT、HSV、Wavelet融合算法作定量比较,并采用支持向量机(SVM)算法以相同的训练区分别对融合前后的影像,及不同融合结果进行典型地物类型识别。通过融合影像定量指标评价和识别应用验证,结果表明改进的融合算法很好地保留了融合前影像的光谱和纹理信息,且使用融合后影像识别的精度不仅明显优于单独利用光学或雷达影像,而且比采用的传统融合算法的识别结果也有较大提高。     

利用高分五号AHSI 载荷的高分辨率XCH4 异常探测方法研究

煤矿开采是最重要的甲烷排放源, 然而其排放清单的准确性很低, 一个关键的原因在于缺乏精准识别和定位 该类排放源的能力。近年来, 前沿研究表明可以利用卫星高光谱数据反演高分辨率的甲烷异常, 从而帮助识别排放 源。但是, 在地表类型复杂地区该算法会完全失效。针对这一问题, 率先提出一种基于L1 重加权和迭代收缩阈值算 法(ISTA) 匹配滤波器的算法。利用高分五号(GF-5) 数据在山西地区的实验表明, 该方法性能显著优于现有的其他方 法。实验中, 本方法识别出23 个甲烷强点源, 这些点源全部位于TROPOMI 的甲烷高值区内, 且高分辨遥感影像显示 这些点源处存在典型的煤矿开采设施。该方法的提出为利用GF-5 卫星数据在世界范围实现甲烷点源排查奠定了技 术基础。     

基于IR-MAD算法的GF-1影像土地利用变化检测研究

变化检测是遥感应用领域的研究热点之一,为探究高分一号(GF-1)PMS影像在土地利用变化检测中的适用性和有效性,文章以毕节市金海湖新区办事处为研究区,选取2017、2019两期GF-1 PMS影像为数据源,对比直接分析比较法中的迭代加权多元变化检测(IR-MAD)和基于随机森林(Random Forest, RF)分类后比较法的检测效果。结果表明：IR-MAD算法检测效果良好,可以有效地区分不变区域与变化区域,总体精度和Kappa系数较高,过程不依赖于训练样本的多少,总体精度达到90.78%,Kappa系数为0.86,而随机森林分类算法精度相对较低,检测效果欠佳,总体精度为89.32%,Kappa系数为0.80。因此,IR-MAD算法更适用于小尺度的土地利用变化检测。     

GF-4可见光及近红外谱段的辐射定标

"高分四号"是我国高分辨率对地观测系统中唯一一颗地球同步轨道遥感卫星,应用于环境及林火监测等领域。GF-4数据有很高的空间分辨率,但是辐射特性存在偏差从而导致辐射精度并不是很高。为了提高GF-4卫星数据辐射和LandSat8数据为基准影像,以敦煌辐射校正场作为试验区对GF-4可见光及近红外谱段进行交叉辐射定标。结果表明,通过GF-4的DN值与MODIS和LandSat8的表观辐射亮度数据分析对比,的可见光及近红外波段的定标误差均在10%以内;而LandSat8的可见光及近红外波段的定标误差均在5%以内,比的定标精度接近官方定标系数,满足遥感定量需求。     

基于多特征融合的层次支持向量机遥感图像云检测

云检测是遥感图像处理和应用的前提, 针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战, 提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法。该方法首先采用简单线性迭代聚类算 法将遥感图像分割为像素块, 再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测。层次支持 向量机的第一层将像素块初步分为 “云” 和 “地物” 两类。层次向量机的第二层针对第一层分类的结果分别设计两个 分类器进行进一步分类, 并将分类后的结果合并为 “厚云”、 “薄云”、 “地物” 三类。最后, 将分类结果进行膨胀处理, 得到最终的云检测结果。选取高分一号 WFV 的 RGB 波段遥感图像进行实验, 结果显示提出的新方法对实验图像的 云检测平均准确率为 95.4%, 表明该方法可适用于多种场景下遥感图像的云检测, 服务于遥感产品的生产和应用。     

基于高维空间几何信息学的遥感图像去薄云算法

遥感图像中薄云的存在为遥感图像的判读带来了极大的影响,本文针对遥感图像中的薄云雾提出了一种基于高维空间几何信息学(High-Dimensional Space Geometrical Informatics)(HDSGI)的去云的新算法.基于HDSGI理论,将一副带有薄云的遥感图像作为高维空间中的一点,通过各向同性滤波...     

分子滤光红外成像技术及其在光电探测中的应用（特邀）

随着红外成像技术对时间分辨率、空间分辨率、光谱分辨率及光学稳定性需求的不断提升,四者之间的制约矛盾愈加激化。分子滤光器是一种具有梳状离散透射谱型的滤波器件,依靠分子能级跃迁对光波长的分辨实现选择性透射,其效果是光学的,机理是量子的,为该矛盾的解决提供了新的途径。基于分子光谱理论,给出了差量吸收型、磁致旋光型及多普勒调制型三类分子滤光成像技术的工作机理与理论模型,结合研究团队相关工作,分别介绍了差量吸收型分子滤光在机动车尾气遥感监测、磁致旋光型分子滤光在燃烧诊断以及多普勒调制型分子滤光在星载大气风场温度场遥感领域的应用,最后分析了三种机理滤光方法的技术特点与适用性。     

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。     

结合分类与迁移学习的薄云覆盖遥感图像地物信息恢复

利用多源多时相遥感图像,给出一种结合分类与迁移学习的薄云覆盖遥感图像地物信息恢复算法.首先利用多方向非抽样对偶树复小波变换对多源多时相遥感图像进行多分辨率分解,对分解后的薄云图像的高频系数利用贝叶斯方法进行地物初分类;再对每类地物的低频系数通过迁移最小方差支持向量回归模型进行域自适应学习,获取模型参数;最后利用所获的迁移回归模型,用无云参考图像的低频系数预测薄云覆盖图像的低频系数,去除薄云,恢复薄云覆盖图像的地物信息.实验结果表明,本文算法恢复的地物细节清楚,光谱失真较小.特别对地物季节性变化的薄云覆盖遥感图像,本文算法能有效恢复薄云覆盖区域的地物信息.     

A new concept on remote sensing of cirrus optical depth and effective ice particle size using strong water vapor absorption channels near 1.38 and 1.88 /spl mu/m

Techniques for retrieving cloud optical properties, i.e., the optical depths and particle size distributions, using atmospheric "window" channels in the visible and near-infrared spectral regions are well established. For partially transparent thin cirrus clouds, these "window" channels receive solar radiances scattered by the surface and lower level water clouds. Accurate retrieval of optical properties of thin cirrus clouds requires proper modeling of the effects from the surface and the lower level water clouds. In this paper, we describe a new concept using two strong water vapor absorption channels near 1.38 and 1.88 /spl mu/m, together with one window channel, for remote sensing of cirrus optical properties. Both the 1.38- and 1.88-/spl mu/m channels are highly sensitive in detecting the upper level cirrus clouds. Both channels receive little scattered solar radiances from the surface and lower level water clouds because of the strong water vapor absorption below cirrus. The 1.88-/spl mu/m channel is quite sensitive to changes in ice particle size distributions, while the 1.38-/spl mu/m channel is less sensitive. These properties allow for simultaneous retrievals of optical depths and particle size distributions of cirrus clouds with minimal contaminations from the surface and lower level water clouds. Preliminary tests of this new concept are made using hyperspectral imaging data collected with the Airborne Visible Infrared Imaging Spectrometer. The addition of a channel near 1.88 /spl mu/m to future multichannel meteorological satellite sensors would improve our ability in global remote sensing of cirrus optical properties.     

综合高分卫星图像多维特征的云检测方法

云是遥感图像分析处理的一大障碍,为了解决这一问题,基于高分1号遥感影像光谱和纹理的多维特征信息,提出一种综合优化的云检测方法。针对光谱检测出的似云区域,该算法采用新的子图分割方法,结合动态阈值设置,有效提高了纹理检测的正确率。由于固定的光谱阈值设置和纹理检测都无法获取复杂环境下的云层边界信息,算法采用大津法予以修复。结果表明,该算法可有效地检测出影像中的云覆盖区域,实现薄云、厚云以及厚云边界信息的最佳提取。     

基于同态滤波的彩色图像光照补偿方法

为了消除光照对彩色图像的影响,提出了一种基于同态滤波的光照补偿方法。在频域内采用同态滤波对图像进行处理,然后将巴特沃斯高通滤波传递函数引入同态滤波器中,设计出一种新的动态巴特沃斯同态滤波器,增强图像在YIQ色彩空间中的亮度分量,并保持图像色度分量不变。在增加图像高频分量的同时,削减低频分量,弥补由光照不足引起的图像质量下降,最终实现对图像的光照补偿。实验结果表明,该方法在弱化光照影响,提高图像质量方面具有良好的性能,是一种比传统高斯高通滤波和直方图均衡更有效的彩色图像光照补偿方法。     

一种用于遥感图像云雾处理的小波系数加权算法

依据小波变换理论分析,得出图像经多层小波变换后,低层细节系数频率高于高层细节系数,近似系数的频率最低.遥感图像景物的频率较高,云雾频率较低.提出通过选择合理的分界层数,将景物信息尽量分配到低层细节系数,云雾噪声尽量分配到高层细节系数,对低层、高层细节系数、近似系数分别给予权重,增大低层细节系数,突出景物信息,减小高层细节系数,削弱云雾噪声,依据近似系数包含云雾状态,保持或减小近似系数.同时还提出以信息熵作为分界层数和权重选择的依据.实验证明,该算法优于同态滤波和Retinex算法.