小区域采矿迹地遥感监测信息提取与分析

应用遥感技术对采矿迹地的情况进行监测,可以迅速获得采矿迹地比较全面、客观和动态的资料,能做到最大化且智能化地对采矿迹地空间进行分析和管理。以马兰庄铁矿为例,对遥感影像作预处理后,再目视解译、分类、精度评定、数据提取、生成分类统计分析表,并依据分析表生成地物变化折线图,根据四年数据的变化情况对研究区地物的变化进行分析。由地物统计变化折线图可得出该地四年间水体没有较大改变,植被覆盖相对变化不大,采场与植被覆盖为负相关,尾矿及尾矿复垦与采场大致呈正相关,建筑物逐年增加。利用不同年份的遥感影像图及基本遥感技术对采矿迹地进行监测和分析,可以有效反演地物变化情况,为了解采矿迹地地物信息和地物之间的变化关系提供一定依据。     

基于聚合与动态调度的变电站三维可视化研究

为加快变电站三维场景可视化的加载速度,提出一种地物模型集群聚合与多叉树混合索引结构动态调度的数据组织方法。将地物模型投影生成正投影图得到集群划分子集,基于聚合度函数聚合集群后的地物模型,利用多叉树混合结构建立索引并动态调度生成场景树进行三维展示。对特高压输变电工程案例进行三维测试的结果表明,集群聚合地物模型和动态调度多叉树混合索引结构能够提高三维输变电场景的加载速度,可有效支撑电网工程数字化移交中三维场景交互可视化的应用。     

结合双视觉全卷积网络的遥感影像地物提取

目的 遥感影像地物提取是遥感领域的研究热点。由于背景和地物类型复杂多样,单纯利用传统方法很难对地物类别进行准确区分和判断,因而常常造成误提取和漏提取。目前基于卷积神经网络CNN（convolutional neural network）的方法进行地物提取的效果普遍优于传统方法,但需要大量的时间进行训练,甚至可能出现收敛慢或网络不收敛的情况。为此,基于多视觉信息特征的互补原理,提出了一种双视觉全卷积网络结构。方法 该网络利用VGG（visual geometry group）16和AlexNet分别提取局部和全局视觉特征,并经过融合网络对两种特征进行处理,以充分利用其包含的互补信息。同时,将局部特征提取网络作为主网络,减少计算复杂度,将全局特征提取网络作为辅助网络,提高预测置信度,加快收敛,减少训练时间。结果 选取公开的建筑物数据集和道路数据集进行实验,并与二分类性能优异的U-Net网络和轻量型Mnih网络进行对比。实验结果表明,本文提出的双视觉全卷积网络的平均收敛时间仅为U-Net网络的15.46%;提取精度与U-Net相当,远高于Mnih;在95%的置信水平上,该网络的置信区间明显优于U-Net。结论 本文提出的双视觉全卷积网络,融合了影像中地物的局部细节特征和全局特征,能保持较高的提取精度和置信度,且更易训练和收敛,为后续遥感影像地物提取与神经网络的设计提供了参考方向。     

基于多层感知器神经网络的路径损耗预测研究

为了更好地服务于5G及未来无线通信系统的网络规划与优化,开展了基于多层感知器(multi-layer perceptron, MLP)神经网络的路径损耗预测研究. 利用有限的地物类型,提出一种表征传播环境的简易方法,避免了繁琐的三维场景建模. 结合测量数据和由环境表征方法提取的环境特征,基于MLP神经网络建立了路径损耗模型. 数据实验的对比分析表明MLP神经网络能够实现路径损耗的准确预测,且环境特征的引入有助于提升模型性能. 为解决干扰地物影响路径损耗模型的准确性以及模型对环境变化的敏感性问题,根据视距(line-of-sight, LoS)和非视距(non-line-of-sight, NLoS)标签改进环境表征方法,进一步提升了模型的稳定性和泛化能力. 所做工作有助于了解无线电波传播特性,为无线网络优化和通信系统设计提供了理论依据.     

基于卷积神经网络的遥感图像分类研究

遥感图像分类是模式识别技术在遥感领域的具体应用,针对遥感图像处理中的分类问题,提出了一种基于卷积神经网络(convolutional neural networks,CNN)的遥感图像分类方法,并针对单源特征无法提供有效信息的问题,设计了一种多源多特征融合的方法,将遥感图像的光谱特征、纹理特征、空间结构特征等按空间维度以向量或矩阵的形式进行有效融合,以此训练CNN模型。实验表明,多源多特征相融合能够加快模型收敛速度,有效提高遥感图像的分类精度;与其他分类方法相比,CNN能够取得更高的分类精度,获得更优的分类效果。     

基于卫星遥感的河道下垫面信息获取技术研究

在洪水泛滥过程中,河道下垫面会在一定程度上影响洪水的蔓延速度,因此,获取河道下垫面信息对建立合理的洪水淹没计算模型有很重要的意义。利用高分辨率卫星遥感技术与河道地物光谱数据库相结合的方法,可以快速、及时地监测河道下垫面信息的动态变化,获取大面积河道下垫面信息。将该方法运用到海城河流域,精确获取了海城河河道下垫面信息及其分布状况,并绘制了海城河城区段洪水演进曼宁图。计算结果可作为该地区高光谱数据库的重要依据,并为城市防洪提供准确的决策信息。     

高光谱遥感数据光谱特征提取算法与分类研究*

针对高光谱数据的特点,探讨了高光谱数据特征提取的若干算法,重点研究了导数光谱和光谱编码技术,并从地物光谱曲线中提取了其光谱吸收特征.对同类曲线特征求交得到识别地物的有效特征;对不同类曲线特征求交得到区分不同类地物的有效特征.最后基于提取的特征建立了地物识别决策树,从而达到快速识别分类地物的目的,能够实现依据地物光谱特征的地物识别与分类.     

基于极化干涉SAR图像的地物监督分类方法

X波段的高分辨率极化干涉合成孔径雷达（synthetic aperture radar,SAR）图像包含较强的斑点噪声,不利于地物分类等应用.针对这一问题,先使用Nonlocal滤波进行预处理,然后提取图像的极化特征和干涉特征,再使用支持向量机（support vector machine,SVM）和AdaBoost分类器对极化和干涉特征矢量进行分类.利用N-SAR系统于渭南市采集的极化干涉SAR数据进行验证,该数据共包含10类地物,并有足够的ground truth用来进行分类器的训练和测试.实验结果表明,AdaBoost分类器能对多类地物取得较好的分类效果,且干涉信息的加入能带来一定改善.     

中频相参数字接收机的相位补偿误差分析

中频相参雷达是一种通过在中频上的频率跟踪和相位补偿使不相参的回波具备相参性的雷达系统,这种雷达成本低、功率大,但是测速偏差和地物抑制能力相较全相参系统偏低,在实际使用中难以满足用户的需求。鉴于此,通过对中频相参数字接收机的频率跟踪和相位补偿功能的原理分析,推导出中频相参数字接收机经过相位补偿后,得到的回波的发射初始相位并不能修正到零,实际上存在两部分误差：第一部分与中频相参数字接收机内部数字控制振荡器（NCO）的频率、回波与样本脉冲之间的延时关系成正比,只要对NCO频率进行调整,此误差在脉间和距离上就是变化的;而第二部分是测频处理算法带来的误差。在发射样本信号频率变化不大的情况下,第一部分相位补偿误差在脉间的变化对多普勒速度处理的偏差、信号功率谱的展宽以及信噪比的下降起主导作用。在以上推论的基础上,改进了中频相参数字接收机的频率跟踪策略,有效改善了测速精度和地物抑制能力。     

“高分辨率SAR图像目标认知”专题征文通知

合成孔径雷达(SAR)是一种重要的遥感对地观测手段,随着SAR技术的不断进步,其图像分辨率日益提高、图像数据维度(极化、频段、角度等)得到拓展,为地物目标的认知信息提取提供了更好的条件。然而,由于SAR成像机理的特殊性和复杂性,SAR图像目标认知一直是SAR应用领域的研究难点和热点。当前,大数据分析、人工智能等技术的飞速发展,给SAR图像目标认知研究带来了新的活力。为推动SAR图像目标认知领域的发展,促进该领域学术交流,探索相关学科方向的未来发展趋势,《雷达学报》拟