光谱保真归一化卷积高光谱超分辨率重建方法

高光谱遥感图像受到成像系统硬件限制,无法同时具有高空间分辨率和高光谱分辨率,较低的空间分辨率制约高光谱图像的应用,超分辨率重建技术可提高图像的空间分辨率。针对高光谱图像的超分辨率重建中光谱保真度的问题,在重建方法中耦合光谱保真度函数,结合结构自适应归一化卷积方法,提出基于光谱保真约束的归一化卷积方法。具体地,将图像局部邻域内像素间的光谱相关性作为约束条件,将与中心像素光谱类似的像素赋予较大权值,从而提高重建后图像光谱特性的保持程度。实验中分别从空间结构与光谱信息保真两个方面来评价重建后结果,结果表明该方法具有较好的光谱信息保持度。

天绘二号时间同步误差分析与评估验证

天绘二号卫星采用异轨道面卫星编队、雷达一发双收工作的技术体制,在该技术体制下,协同工作的雷达间必须建立时间同步、相位同步和空间同步。时间同步误差是影响测绘产品幅宽、接收星图像质量和回波相干性的重要因素。本文详述了卫星时间同步机理,从时间同步建立和维持两方面对时间同步误差进行了分析评估,针对时间同步误差对系统性能影响进行了系统分析。卫星地面测试和在轨试验表明,误差分析评估结论可靠。

基于天绘一号卫星重复观测目标定位的抗差估计

天绘一号卫星自在轨运行以来,已获得大量对同一地域的重复摄影测量无控定位成果数据。为充分利用这些资源,本文针对天绘一号卫星重复摄影无控定位结果相互独立的特性,建立了误差模型,提出了采用抗差估计方法求解,并基于不同区域的目标野外控制测量成果,对抗差估计的目标定位结果进行精度评价与分析。结果表明,本文提出的方法能够提高目标点的定位精度。

基于Easy-sat的正射影像快速补漏方法

本文从生产实际出发,介绍了基于Easy-sat进行正射影像快速补漏处理的基本流程,总结了基于Easy-sat进行正射影像快速补漏处理需注意的问题和该方法的优点。

信息熵估计辅助的域自适应多源遥感影像地表覆盖分类

在多源遥感影像地表覆盖分类中,引入域自适应方法能够对齐源域和目标域影像或其特征,提升深度学习模型的泛化能力,在智能遥感影像解译任务中具有重要意义。提出了一种基于信息熵不确定性估计的伪标签纠正方法,用于自训练的域自适应任务。其核心是提出一种熵不确定损失函数,用于跨源遥感影像之间的地表覆盖分类。首先,用含标签的源域影像训练语义分割模型,对缺乏真实标签的目标域影像预测并生成伪标签。然后,用伪标签继续训练目标域影像,计算预测结果的信息熵,并将该信息熵作为伪标签的不确定性估计,以校正伪标签并再次进行目标域影像的自训练,得到适用于目标域数据集的地表覆盖分类模型权重。最后,在3个数据集(武汉市2017年及2019年地表覆盖影像分类数据集、ISPRS 2D语义标注比赛数据集、WHU建筑物变化检测数据集)上进行了跨域的多源遥感影像地表覆盖分类实验。结果显示:引入所提方法对现有语义分割网络的性能有显著提升;相比于传统自训练方法,所提方法具有一定的提升,同时,所提方法也超越了最新的基于Kullback-Leibler散度不确定性估计的方法。以上结果表明,所提方法能够在原有预训练语义分割模型基础上进一步提升该模型对不含标签的目标域影像的分割能力,且不需要在原模型上增加额外的模块和参数。