针对质量评价的环境星遥感真实图像库构建

目的 随着遥感信息爆炸时代的来临，海量的遥感图像信息不断地从太空中传来。如何有效地利用这些遥感数据成为学者们新的研究热点。遥感图像质量评价不仅能筛选出有价值的图像以供后续的图像处理，如地物分类、目标识别等，还能对卫星设备的运转情况进行检测，而目前还没有公开的针对质量评价的遥感图像库。为此，构建了一个针对质量评价的环境星HJ-1A/1B真实遥感图像专家评分库。方法 遥感图像专家评分库包含70组，每组包含同一地点的5个不同时间点的图像，共350幅真实遥感图像以及每幅图像对应的主观评价质量分数。并通过基于卷积神经网络的图像质量评价算法来验证该遥感图像专家库的可用性。结果 将本文算法和4种效果较好的无参考图像质量评价算法在本文数据库上进行性能检测，并对各算法性能与训练测试集规模的关系进行对比实验。实验结果表明，目前针对仿真图像的无参考图像质量评价算法并不适用于该遥感图像库，验证了遥感真实图像与自然仿真图像的巨大差异，而基于卷积神经网络的算法结果则表明该数据库具有质量评价研究价值。结论 本文构建的基于环境星遥感真实图像库能够为遥感图像质量评价提供验证平台，并且数据规模可以为深度学习在遥感图像处理领域的应用提供支持。

Remote sensing authentic image database for quality assessment based on environmental satellite