海岸带高光谱遥感与近海高光谱成像仪(HICO)

应海岸带监测需求,高光谱成像仪开始在海岸带监测中发挥重要作用。搭载于国际空间站上的HICO(Hyperspectral Imager for the Coastal Ocean)是第一颗针对近岸海洋遥感的高光谱成像仪,其波谱范围为360～1 080 nm,光谱分辨率为5 nm。介绍了HICO数据的基本情况,并与在轨星载高光谱成像仪EO-1 Hyperion和HJ-1A HSI基本参数做了对比。同时针对高浑浊水体,以黄河三角洲近岸3种典型地物为例,结合FLAASH大气校正模型,提取了辐亮度和地表反射率,初步对比分析了HICO和HSI的光谱性能。结果表明HICO能更好地反映近岸地物的光谱特征。     

基于可见光的海上船舶油井平台遥感检测

针对目前海上船舶油井提取多是使用已有的非实时陆地岸线提取海域,并且提取算法缺少在大尺度影像上搜索和查找可能存在目标能力的问题,提出一种基于可见光遥感数据的船舶油井检测策略。该策略主要包括综合形态学运算提取海域、目标有无判定算法、迭代最优阈值分割(TS)滑动窗口(SW)目标提取三个部分。探讨了目标有无判定算法中的参数设置和滑动窗口的大小设置,并将提取结果与人工目视解译结果进行了交叉对比验证。结果表明,该策略通过设置合理的参数,可使目标提取的真实精度达到0.981,相对精度达到0.954,表现出较高的实用性。     

基于深度学习的无人机影像夜光藻赤潮提取方法

针对目前卫星遥感中夜光藻赤潮识别精度低、实时性差的问题,提出一种基于深度学习的无人机（UAV）影像夜光藻赤潮提取方法。首先,以UAV采集的高分辨率夜光藻赤潮RGB视频影像作为监测数据,在原有UNet++网络基础上,通过修改主干模型为VGG-16,并引入空间dropout策略,分别增强了特征提取能力并防止过拟合;然后,使用ImageNet数据集预先训练的VGG-16网络进行迁移学习,以提高网络收敛速度;最后,为评估所提方法的性能,在自建的赤潮数据集Redtide-DB上进行实验。所提方法的夜光藻赤潮提取总体精度（OA）为94.63%,F1评分为0.955 2,Kappa为0.949 6,优于K近邻（KNN）、支持向量机（SVM）和随机森林（RF）这3种机器学习方法及3种典型语义分割网络（PSPNet、 SegNet和U-Net）。在模型泛化能力测试中,所提方法对不同拍摄设备和拍摄环境的夜光藻赤潮影像表现出一定泛化能力,OA为97.41%,F1评分为0.965 9,Kappa为0.938 2。实验结果表明,所提方法可以实现夜光藻赤潮自动化、高精度的提取,可为夜光藻赤潮监测和研究工作提供参考。     

星载SAR影像上船舶方位向模糊去除算法

目的 掌握海上船舶分布状态对于海上交通流分析和通航安全管理具有重要作用。遥感技术,特别是星载合成孔径雷达(SAR)技术的发展,为大范围海上船舶检测提供了有效的手段,但受SAR成像机制影响,海上船舶目标在星载SAR影像上通常存在着不同程度的方位向模糊噪声,这些噪声易被误判为船舶,导致船舶识别中虚警率提高。方法 本文简述了方位向模糊噪声的产生原因,提出了一种新的星载SAR影像上船舶方位向模糊去除算法,该算法的核心是构建目标方位向角度一致性、方位向位置偏移距离和方位向模糊能量衰减3个判别规则,对潜在SAR影像亮斑目标进行逐层筛选,实现船舶真实目标和方位向模糊目标的判别。结果 选取中国渤海海域和黄海海域的30 m分辨率的Radarsat-2数据进行案例分析,并与船舶自动识别系统(AIS)实测数据进行比对校验,结果表明,传统的双参数恒虚警率(CFAR)算法和基于K分布的CFAR等算法对于船舶难以剔除方位向模糊,容易造成虚警,而本文算法对实验影像的船舶方位向模糊去除准确率优于95.8%,能够有效剔除船舶方位向模糊。结论 该算法为星载SAR影像上船舶方位向模糊去除提供了新的手段,有助于提高SAR影像上船舶目标检测的准确性。     

基于PLSR的珠江口城市河流水质高光谱反演

为研究珠江口城市河流水体高光谱特征与城市河流水质指数(CWQI)的关系,对中山市典型河流开展了高光谱监测和同步水质分析,基于偏最小二乘回归(PLSR)建立了高光谱数据与CWQI的反演模型,并研究了反演模型的最佳光谱分辨率和最优主成分数。结果表明：基于化学需氧量、总磷、氨氮和溶解氧4项水质指标质量浓度值计算得到的CWQI值可较好地反映研究区河流水质状况;水体不同波段的光谱反射率与CWQI存在一定的相关性,可用于区分不同CWQI的水体;光谱分辨率为50nm、提取主成分数为8时的反演模型效果最优,验证集均方根误差和平均相对误差分别为0-768和18-1%。将该反演模型与无人机高光谱监测数据结合,可较好地反映河流水质的空间差异。