- 标题
- 摘要
- 关键词
- 实验方案
- 产品
-
基于深度卷积网络的遥感图像超分辨率重建
摘要： 遥感图像数据已广泛应用于农业、军事和土地利用等诸多领域。由于图像采集设备的限制及能量守恒定律的制约，同时获取高空间分辨率与高光谱分辨率的遥感图像存在困难。超分辨率(SR)技术能将低分辨率(LR)图像提升至高分辨率(HR)。本文提出一种新型深度卷积网络(DCN)超分辨率方法(SRDCN)，该网络基于分层架构学习端到端的映射函数，实现从低分辨率图像重建高分辨率图像；进一步研究了基于残差学习和多尺度版本的SRDCN扩展方法（即改进型SRDCN[DSRDCN]和扩展型SRDCN[ESRDCN]）。使用不同类型遥感数据（如多光谱与高光谱）的实验结果表明，所提方法优于传统基于稀疏表示的方法。
关键词： 卷积神经网络，遥感影像，超分辨率
更新于2025-09-23 15:23:52
-
一种自上而下的大尺度遥感图像语义分割方法
摘要： 遥感数据量的不断增加为具有挑战性的新研究课题打开了大门。如今，针对海量数据，人们投入了大量精力进行基于像素和对象的分类研究。本文探讨了大规模遥感图像的语义分割问题。为此，我们提出了一种基于两个主要步骤的自上而下的方法。第一步旨在计算对象级特征，这些特征构成多层前馈网络的输入，用于生成遥感对象分类结构。第二步的目标是利用该结构对新图像中的每个像素进行标记?；谡媸凳菁辛硕嘞钍笛?，结果表明所提方法具有良好的分类精度。此外，与现有分类技术的对比证明，该方法尤其适用于大规模遥感数据，具有显著有效性。
关键词： 神经网络、遥感影像、大数据、语义分割
更新于2025-09-23 15:23:52
-
海洋遥感图像的几何精度：全球海上平台的应用
摘要： 过去45年采集的数千万幅中分辨率遥感（RS）影像中，陆地场景的几何精度已得到系统评估，但由于缺乏地面控制点（GCPs），海洋场景的精度认知有限。本研究首先从Landsat-8 OLI影像时间序列中提取海上平台位置，继而将其作为离岸参考点，系统评估覆盖海上油气开发区的RS影像几何性能。研究建立了全球尺度16,131座海上平台清单，并创新性地利用海上平台位置不变特性及连接点间几何偏移（即待评估影像感知点与OLI衍生参考点对应点之间）的相干特性，开发了评估Landsat及其他RS影像几何精度的新方法。该方法已应用于112,935幅海洋区域Landsat影像（占全档案约1.87%）。结果表明：Landsat OLI影像（预采集版与Collection-1版）表现最优，而Landsat TM/ETM+ L1TP影像可靠性较低——约50%的TM L1GS和ETM+ L1GT影像存在至少2个像素的几何误差。该新参考点清单与开发方法还应用于多种低分辨率及高分辨率影像（如VIIRS夜间火点产品、Terra/Aqua MODIS活跃火点产品、ENVISAT ASAR、ALOS-1 PALSAR、Sentinel-1 SAR、Sentinel-2 MSI、美国国家农业影像计划航空影像及多颗中国卫星影像），并给出了这些传感器的几何精度定量描述。研究表明，新的海上参考点清单或有助于为美国地质调查局（USGS）GCP库建立更稳健的离岸GCPs，从而进一步改进USGS全球GCP优化计划及欧洲空间局全球参考影像计划。
关键词： 海上平台、遥感影像、Landsat卫星、几何精度、地面控制点
更新于2025-09-23 15:23:52
-
基于空洞空间金字塔池化与解码器的高分辨率遥感影像密集语义标注
摘要： 密集语义标注在高分辨率遥感影像研究中具有重要意义，已广泛应用于土地利用分析和环境?；ち煊?。随着全卷积网络（FCN）的近期成功应用，各类网络架构显著提升了性能表现。其中空洞空间金字塔池化（ASPP）和编码器-解码器是两种成功架构：前者能提取多尺度上下文信息与多效视场范围，后者可恢复空间信息以获得更清晰的物体边界。本研究通过融合这两种结构的优势，提出了一种更高效的全卷积网络。该模型采用深度残差网络（ResNet）结合ASPP作为编码器，在上采样阶段将两个尺度的高层特征与对应低层特征组合构成解码器。我们进一步开发了多尺度损失函数来强化学习过程。在后处理环节，采用基于超像素的新型密集条件随机场优化预测结果。通过在波茨坦和瓦亨根数据集上的评估表明，本方法优于其他机器学习或深度学习方法——相比当前最先进的DeepLab_v3+，我们的模型在这两个数据集上的总体精度分别提升了0.4%和0.6%。
关键词： 密集语义标注、编码器-解码器结构、基于超像素的DenseCRF、遥感影像、全卷积网络、空洞空间金字塔池化
更新于2025-09-23 15:23:52
-
基于区域系数的高斯-马尔可夫随机场模型的遥感影像分割方法
摘要： 马尔可夫随机?。∕RF）模型是遥感图像分割的常用方法，其中基于对象的MRF（OMRF）方法近年来备受关注。然而，OMRF方法仅通过混合高斯模型通常难以捕捉区域特征间的相关性。为解决该问题并提高分割精度，本文提出一种新的遥感图像分割方法——具有区域系数的基于对象高斯-马尔可夫随机场模型（OGMRF-RC）。首先，为描述区域特征间复杂相互作用，OGMRF-RC方法采用区域尺寸和边缘信息作为区域系数构建每个基于对象的区域；其次，将经典高斯-马尔可夫模型扩展至区域层级以建模OLREs误差；最后通过专为OGMRF-RC方法设计的概率推理实现分割。在合成纹理图像及不同数据集遥感图像上的实验结果表明，所提OGMRF-RC方法比其他先进MRF基方法和卷积神经网络方法能获得更精确的分割结果。
关键词： 分割、高斯-马尔可夫随机场、区域系数、基于对象的、遥感影像
更新于2025-09-23 15:23:52
-
用于遥感影像超分辨率的深度蒸馏递归网络
摘要： 深度卷积神经网络（CNN）已在众多图像或视频处理与分析任务中广泛应用并取得最先进的性能表现。特别是在图像超分辨率（SR）处理方面，基于CNN的方法相比浅层学习方法实现了显著提升。然而，采用简单直接连接或跳跃连接的现有CNN算法在应用于遥感卫星图像超分辨率时效果欠佳。本研究提出了一种简单而有效的CNN框架——深度蒸馏递归网络（DDRN），用于视频卫星图像超分辨率。该网络包含一组超密集残差块（UDB）、多尺度净化单元（MSPU）和重建模块。通过在各UDB内部及多路径单元间增设丰富的交互连接，能有效共享多个并行卷积层提取的特征。相较于经典基于密集连接的模型，DDRN具有以下主要特性：(1) 在相同卷积层数量下包含更多连接节点；(2) 构建了在网络不同阶段执行特征蒸馏与补偿的机制，其中MSPU可补偿信息传播过程中丢失的高频成分；(3) 最终超分辨率图像能同时受益于UDB提取的特征图和MSPU获得的补偿分量。在Kaggle开源数据集和吉林一号视频卫星图像上的实验表明，DDRN优于传统基于CNN的基线方法和部分最先进的特征提取方案。
关键词： 特征蒸馏、补偿单元、超密集连接、超分辨率、视频卫星、遥感影像
更新于2025-09-23 15:22:29
-
基于扩展模糊聚类的单光谱值遥感图像混合像元分解
摘要： 遥感图像中混合像素的存在是影响精确分类的主要问题。本文重点研究了混合像素问题的两个方面：首先是从图像中识别混合像素，其次是将它们标注到合适的类别。在第一阶段，基于超像素算法和RGB模型，利用模糊C均值（FCM）从RSI图像中提取混合像素。在第二阶段，将第一阶段提取的混合像素分解到合适的类别。这种新提出的技术结合了用于混合像素聚类的PSO-FCM（粒子群优化-模糊C均值）和用于分类目的的ANN-BPO（人工神经网络-基于生物地理学的粒子群优化）。实验结果表明，与现有技术相比，该方法提高了分类精度，并成功实现了遥感图像的更好分类。
关键词： 模糊C均值、生物地理优化算法、遥感影像、纯像元、混合像元、粒子群优化算法、神经网络
更新于2025-09-23 15:22:29
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018年7月22日-7月27日）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于多属性超张量模型的高空间分辨率遥感影像分类
摘要： 随着遥感传感器的发展，获取大量高空间分辨率的遥感影像（RSI）变得更加容易，这使得空间特征在分类任务中发挥了重要作用。许多关于空-谱分类的研究已经开展并取得了良好效果，尤其是基于超像素的方法。然而，这些方法并未将每个超像素视为一个整体，从而忽略了空间与光谱特征之间的关系。众所周知，遥感影像可视为三阶数据立方体，因此也可用三阶张量表示。本文提出了一种多属性超像素张量（MAST）模型来解决上述问题。通过在两幅真实遥感影像上进行实验，并与几种知名方法进行比较，证明了所提模型的有效性。
关键词： 遥感影像、超像素、空-谱分类、EMAP、张量
更新于2025-09-23 15:21:21
-
基于多子图匹配的高分辨率遥感影像建筑物提取
摘要： 建筑物提取仍是遥感领域的一个难题。为高效提取结构相似的建筑物，本文仅利用全色高分辨率遥感影像（RSI），提出了一种基于多子图匹配的算法。首先在RSI和建筑物模板中检测尺度不变特征变换特征并构建对应图谱；随后通过定义二值匹配规则重构图谱以降低复杂度；最后根据建筑物顶部的同质性，从重构图谱中分离出断开连接的子图。为提高算法精度，基于结构和尺寸差异对匹配子图进行优化。为验证方法有效性，选取中国广州GF-2影像中的九个典型区域进行实验。结果表明：该方法的精确率和召回率分别为97.73%和87.16%，综合性能指标F1优于其他三种同类方法。
关键词： 建筑物提取、遥感影像、多子图匹配、图分割、SIFT
更新于2025-09-23 15:21:01
-
[IEEE IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 西班牙瓦伦西亚（2018.7.22-2018.7.27）] IGARSS 2018 - 2018年IEEE国际地球科学与遥感研讨会 - 基于不同树结构的属性剖面与特征剖面的遥感图像分类：对比研究
摘要： 本文旨在对基于不同类型树结构生成的形态学属性剖面（APs）与特征剖面（FPs）进行遥感图像分类的对比研究。过去数年间，APs一直是建模图像空间与上下文信息最有效的方法之一。近期有学者提出APs的新型扩展方法——FPs，该方法在构建输出剖面时采用统计与几何特征替代像素灰度值。研究表明，当FPs从组分树（最大树与最小树）生成时，其效率优于标准APs。本研究进一步探究了它们在包含树（形状树）和分割树（α树与ω树）上的表现。全色与高光谱图像的实验结果再次证实了FPs相较于APs的优越性。
关键词： 树表示、分类、遥感影像、属性剖面、特征剖面、属性滤波器
更新于2025-09-23 15:21:01