Estimating the amount of disaster waste using RapidEye data

Because estimating the amount of disaster waste will affect all subsequent restoration processing, it is necessary to quickly estimate the quantity and extent of disaster waste. This estimation can be accomplished using remote sensing data with the development of a method for extracting detailed information buried in a one‐pixel mixed class (‘mixel’). In a previous study, the use of RapidEye data observed during, before and after an earthquake, we proposed methods to extract detailed information buried in the mixel and classify land cover information. Moreover, we proposed methods of estimating disaster building domain and disaster building numbers. However, the amount of disaster waste has not yet been estimated. In this paper, we propose such a method using the results of estimating disaster building numbers. © 2017 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Water quality analysis in Lake Hachiroko,Japan, using ALOS AVNIR‐2 data

In recent years, remote sensing has been used to assessing water pollution distribution. In this study, water quality is analyzed using data collected by the Advanced Visible and Near Infrared Radiometer type‐2 (AVNIR‐2) of the Advanced Land Observing Satellite (ALOS) at various points in time. We carried out fuzzy regression analysis of the AVNIR‐2 data and direct measurements of local water quality. The relationship between the water quality data and the AVNIR‐2 data was analyzed by solving both the min and max problems. By comparing the maps of estimated water quality with actual distributions of water quality in the study area, we found that the method used in this study allows effective derivation of water quality conditions from AVNIR‐2 data, which provides 10‐m spatial resolution. Furthermore, by comparing the maps created using AVNIR‐2 data collected at different times, we obtained results suggesting temporal changes in water quality. We also compared the results obtained using data collected by the optical sensor of the Landsat thematic mapper (TM) with 30‐m resolution and those obtained using data collected by the active sensor of JERS‐1 synthetic aperture radar (SAR), and examined the differences in classification results resulting from differences in resolution and sensors. © 2013 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

遥感图像中建筑物自动识别与标绘方法研究

为了从高分辨率城区遥感图像中自动提取出建筑物目标并对其位置和外形进行标绘,本文提出了一种建筑物自动识别与标绘的方法.该方法首先利用纹理特征对图像进行有效分割,产生出建筑物的候选区域.然后再判断这些区域是否为真正的建筑物区域.最后,对建筑物区域使用一种网格匹配的方法将目标建筑物重建为规则的多边形,以达到建筑物自动标绘的目的.本文用上述方法对IKONOS、QuickBird卫星的高分辨率光学图像进行了实验,实验结果证明了该方法有着较高的识别率、较好的准确性和鲁棒性,具有实用价值.     

Low‐cost laser disdrometer with the capability of hydrometeor imaging

Precision of microwave precipitation remote sensing is ensured by studying different hydrometeor classes (raindrops, snowflakes, graupel, and so on), shapes, and drop size distribution (DSD). Recently, DSD estimates and hydrometeor classification algorithms using polarimetric radars were proposed. These algorithm developments require a validation tool providing in situ hydrometeor measurement. We are working toward the development of a low‐cost, light‐weight, and disposable ballooning hydrometeor imaging probe with DSD measurement capabilities. This paper describes the performance of a new line‐scanning laser hydrometeor imaging probe (called PROBE) and validates the DSD using a commercially available impact‐type disdrometer. PROBE captures raindrop images with 0.125 mm horizontal resolution and more than six slices at the 33‐kHz slice rate, providing a reasonable raindrop diameter. DSD validation shows that PROBE acquires adequate DSD shapes during every 2‐min interval. These results demonstrate PROBE's performance in hydrometeor imaging and DSD measurement capabilities in a rainfall. © 2012 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

基于共性与特性信息融合的遥感场景图像分类

由于遥感场景图像类内差距大即同一类别图像的特性信息相差较大,仅仅依靠特性信息分类的准确率不高,而现有遥感场景图像分类方法忽视了同一类别所具有的相同的共性信息也可以辅助图像识别,对此本文提出一种基于共性与特性信息融合的遥感场景图像分类方法。首先,图像通过卷积网络较浅层与深层得到的简单特征图与复杂特征图相叠加,可认为是此图像注意力集中的特征图,提取此特征图的手工特征LBP作为共性信息。之后与卷积网络提取的特性信息融合并进行分类。本文使用经贝叶斯优化优化超参数的SVM分类器,使其性能达到最佳来消除分类器对实验的影响。在两个数据集UC Merced和AID上的实验,验证其分类精度分别达到了98.80%和96.06%,表明该方法能有效地提升遥感场景图像准确率。在国防,城市规划,地质勘查等领域有重要意义。     

利用EMAP与多项式网络的高光谱影像分类

高光谱影像地物分类已成为高光谱的重要应用之一,然而如何在小样本时取得优秀的分类结果已成为研究的难点与热点。最近几年,深度学习理论开始用于高光谱数据分析。本文提出了一种基于扩展多属性剖面（ex tended multi‐attribute profile ,EMAPs）和深度多项式网络（polynomial networks）的高光谱影像分类方法。首先,EMAPs通过一系列的属性滤波器提取影像多种结构特性的形态学纹理特征,并与影像光谱特征结合构成新的特征矢量。接着利用深度多项式网络对新特征矢量进行学习,构建多层次网络结构,在迭代的过程中逐层降低训练误差,实现优秀的分类结果。高光谱影像分类实验表明,所提方法性能优于多种分类方法。     

基于 LDA 和 ELM 的高光谱图像降维与分类方法研究

高光谱图像具有波段多、波段间相关性强的特点,导致高光谱图像信息冗余,造成维数灾难、难以分类的问题,为此提出了一种基于线性判别分析(LDA)和极限学习机结合的高光谱图像降维分类方法。该方法首先通过LDA对高光谱数据进行降维处理,克服高光谱图像信息冗余等问题的同时,尽可能保留图像的特征信息;降低光谱图像维度后,采用极限学习机(ELM)对高光谱遥感图像进行分类识别。所提方法应用于Pavia University和Salinas高光谱图像处理,分类精度分别达到了98.78%和99.94%,有效提升了高光谱图像的地物分类性能,具有较强的实用性。     

基于SVM和能量最小化的PolSAR图像分类方法

极化合成孔径雷达(PolSAR)采用全极化的工作方式可以获取地物的多种特征,利用这些特征对地物进行分类是PolSAR图像的重要应用方向。不同的特征和分类器对分类精度有着较大的影响。提出了一种基于支持向量机(SVM)和能量最小化(EM)的极化SAR图像地物分类方法。该方法选择基于6种散射模型的分解方法(6SD)所得的6部分散射能量、总散射能量span和3个极化相干矩阵旋转域角参数作为SVM的输入,得到图像分类结果,并使用基于图割的能量最小化算法α-expansion对分类结果进行优化。最后使用AIRSAR系统获得的Flevoland地区的数据进行实验,结果表明所提算法可以提高总体分类精度,总体分类精度为95.6%,高于其他方法的92.3%。所提算法可以较大幅度地提高散射机理明显的区域,如建筑、森林、水域、草地等区域的分类精度。另外,结合EM优化结果可以提高所有种类的分类精度,其中在苜蓿、小麦1、小麦2、裸地、草地、油菜籽等区域的分类精度可提高1%以上。     

基于CNN模型的高分辨率遥感图像目标识别

遥感图像目标识别作为当前遥感图像应用领域中的主要研究内容,具有重要的理论意义和广泛的应用价值。近年来,深度学习成为机器学习领域的一个新兴研究方向,卷积神经网络(convolutional neural networks,CNN)是一种得到广泛研究与应用的深度学习模型。提出一种基于CNN模型的光学遥感图像目标识别方法,在传统LeNet-5网络结构的基础上,引入ReLU激活函数代替传统的Sigmoid函数和tanh函数,使用卷积展开技术将卷积运算转换为矩阵乘法,并对网络结构进行调整优化,提高目标识别的准确性和效率。利用Quick Bird上的0.6 m分辨率的遥感图像进行验证,实验结果表明,基于改进的CNN模型的方法可以取得较高的目标识别准确率和效率。     

一种基于DBN的高光谱遥感图像分类方法

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱数据的地面物体精确分类是高光谱遥感技术的核心应用之一。对高光谱数据进行提特征提取是进行地物分类的有效方法。深度学习是机器学习研究中的新领域,它多隐层的多层感知器结构使其能够学习到对数据有更本质的刻画的特征,在图像分类和可视化领域取得了更好的成绩。深度置信网（deep belief network ,DBN）是深度学习网络中常见的模型。利用高光谱数据的高维特性,搭建基于DBN的高光谱图像分类模型,结合高光谱数据的空间结构对地物进行分类。实验表明,基于DBN的高光谱图像分类方法可以得到更好的分类效果。     

遥感图像几何校正方法

遥感成像处理对几何保真度要求高，现有的遥感图像定位方法比较成熟，但如对每一像素点分别定位，数据量太大，且校正后的像素点也不是均匀分布。本文将数字图像处理中的逐次逼近的校正方法应用于遥感图像的几何校正，详细介绍了该方法的实现方案，最后仿真实现了这种方法。     

基于超像素锚层收敛选点的高光谱图像聚类算法

针对传统高光谱图像聚类算法难以有效处理数据量快速增长的高光谱图像的问题，提出基于超像素锚层收敛选点的高光谱聚类算法。采用SuperPCA对原始数据进行基于超像素切割的降维；利用K-means选取具有代表性的锚点，构建基于锚点的邻接矩阵；通过无核邻近分配的方法构建相似图，避免对热核参数的调整；最后进行谱聚类分析获得聚类结果。在Indian Pines和Pavia Centre高光谱数据集进行仿真实验，结果表明该算法获得的分类图所含错分点更少，地物分布更加平滑，与当前高光谱图像聚类算法相比具有更优的聚类效果。     

基于多分辨率标准差及自组织映射网络的电能质量扰动分类识别

基于小波多分辨率分析和自组织映射网络,提出了一种电力系统电能质量扰动问题的分类识别方法.在多分辨率分析中,利用小波方程和尺度方程可以对信号进行多层分解.对各层信号进行统计分析得到标准差,相当于对分解后的信号进行了特征提取,可以反映信号的离散度并作为各层的特征值,且特征明显、数值量小.对得到的特征值,采用自组织映射网络进行聚类分析,就可以实现电能质量扰动类别的智能判断.仿真结果表明该方法判别精度高、速度快,可供电能质量问题的监测分析参考.     

基于MapX的海量遥感影像地图浏览平台的构建

针对海量遥感影像地图在现有GIS软件中不能显示或显示速度缓慢的问题，本文研究了遥感图像的分层分块方法及在MapX中动态加载的方法，提出了构建基于MapX的海量遥感影像地图浏览平台的原理、方法及操作步骤。遥感影像地图分层分块采用了四叉树分割方法。分块图像在MapX中动态加载方法通过实例验证，效果良好     

电网滑坡隐患多域早期识别技术及应用

以四川电网为例,电网滑坡隐患具有点多面广、隐蔽性强等特点,传统的人工排查显得势单力薄,无法满足山区电网大范围滑坡隐患识别、滑坡变形分析的要求和精度。文中提出以卫星遥感、无人机遥感和地面调查为载体,发挥多域技术手段优势,包括卫星遥感覆盖范围广、重复观测能力强,空基遥感机动能力强、分辨率高等优势,实现“普查”“详查”和“调查”多维度手段解决“如何从源头上识别电网滑坡隐患”的难点。以某500 kV架空输电线路昭觉区域为研究对象,成功开展了基于“三查”技术体系的架空输电线路滑坡隐患早期识别。     

疑似火点监测定位及电网运行预警方法

智能电网建设的快速发展,对电网森林火灾监测预警能力提出了更高要求。研究融合极轨卫星遥感火点数据、气象监测和预报预警数据、电网空间地理信息及应急资源等数据于一体,基于电网GIS平台定位分析疑似火点任意范围内距离最近和受山火影响最严重的电力设施,依据气象监测预报预警实时数据研判山火未来趋势。通过专业化、标准化符号语言和分析研判预警策略,形成电网森林火灾预警及处置态势专题图。通过研发预警发布技术,将火点、气象环境、影响设备、处置策略及发展态势等信息及时对相关人员发布,提高电网防灾减灾综合监测预警和应急处置辅助决策能力。     

基于属性剖面和支持向量机的遥感图像检索

围绕形态学属性剖面和SVM分类算法相结合进行遥感图像特征匹配和检索展开研究,提出了基于属性剖面(attribute profiles,APs)和支持向量机(support vector machine,SVM)的遥感图像检索方法。首先,对遥感图像进行形态学属性滤波;接着对滤波后图像提取灰度特征和 Gabor纹理特征;最后,在提取的特征基础上,使用 SVM对候选图像进行预分类,判断待检索图像类别;再从该类别中根据距离度量选择相似度高的图像以完成检索。实验表明,所提方法具有较好的检索性能。     

模糊B样条基函数神经网络的遥感图像分类器

本文针对遥感图像分类的特点，提出了一种基于模糊B样条基函数神经网络的遥感图像分类器。该分类器采用B样条函数作为模糊隶属函数，将模糊技术与神经网络相结合，利用神经网络实现模糊推理，从而使系统具备了自适应的特性。实验结果表明，这种基于模糊B样条基函数神经网络的分类器经过训练后，可应用于遥感图像的分类，其分类精度明显高于传统的最大似然分类法。     

Characteristics of a two‐dimensional integrated magnetic sensor for position sensing and motor control

Two‐dimensional integrated magnetic sensors for position sensing were designed and fabricated with the standard 0.35‐µm CMOS process on silicon. One such type is the n‐type Hall sensor that uses an inversion layer under the gate oxide of the MOSFET. The Hall sensors were arrayed (64 × 64), and the control digital circuits and output amplifier were also integrated into the same chip. ‘One pixel’ was 50 × 50 µm, and the entire chip was 4.9 × 4.9 mm. The sensitivity of one of these sensors was 2.7 mV/(mA·kG). The two‐dimensional magnetic flux distribution was measured from the 5‐mm diameter Nd–Fe–B rare‐earth permanent magnet. About 42 s was required to measure one frame. The position of the magnet could be detected with the fabricated sensors. Magnetic sensors using an inversion layer in MOSFETs are useful for position sensing systems, but their noise characteristics, such as poor sensitivity, should be improved. © 2006 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.     

Inverse halftoning using super‐resolution image processing

This paper focuses on the inverse halftoning problem, that is, the problem of reconstructing continuous‐tone images from halftone images of white and black pixels. In general, the problem does not have a unique solution, since halftoning is a many‐to‐one map from continuous‐tone images to binary ones. To this problem, we provide a simple and useful inverse halftoning method, composed of two steps. The first step is to generate several grayscale images from the original halftone image and low‐pass filters. The next step is to reconstruct a continuous‐tone image from the multiple grayscale images by using super‐resolution image processing. This method allows us to obtain good continuous‐tone images which are comparable to the results of the existing methods. The validity of the proposed method is demonstrated by several experiments. © 2011 Institute of Electrical Engineers of Japan. Published by John Wiley & Sons, Inc.