融合遥感技术在四棵树火区煤火识别中的应用

以准南煤田四棵树火区煤火为研究对象,选取2006—2020年覆盖研究区的Landsat系列影像,采用像元二分法及温度反演算法反演得到该区域的植被覆盖度和地表温度的分布,分析结果表明:低植被覆盖度的区域占比由38.6%降低至13.9%,高植被覆盖度区域占比由15.6%增长至29.0%;高温区域呈东北—西南直线分布,低温区域主要分布在西向山坳及山坳西侧,阈值提取最高温度为48.62℃。选取2014—2019年29景SAR影像进行SBAS-InSAR分析,融合植被覆盖度及地表温度反演,确定火区烟气逸散通道及空气渗入通道位置与数量,分析结果表明:在2014—2019年烟气逸散通道由7个增加至68个,空气渗入通道数量由58个增加至84个;整体裂隙数量呈现增加的趋势,且烟气逸散通道数量增加较快,地下煤火燃烧加剧。

多尺度融合遥感数据的稀土矿山安全监测探究

在生态环保理念之下,加强对稀土矿山安全监测分析,通过多尺度融合遥感数据进行安全监测分析可以切实发现其存在的各种隐患问题,进而提升稀土矿山生态、经济效益。基于此,文章主要对多尺度融合遥感数据稀土矿山安全监测进行了简单的分析研究。

雷达信号与遥感地图融合的深度学习低慢小目标检测算法

雷达复杂环境低慢小目标检测是一项具有挑战性的任务,而利用深度学习以及数据特征融合等方法是解决这一难题的有效手段。本文在雷达地图融合检测网络(Radar Map fusion Detection Network,RMDN)的基础上进行了优化,主要优化方向为将雷达与地图信息在检测过程中进行重要性程度区分,具体优化内容为减少地图特征提取模块的网络深度,加入通道注意力机制,让神经网络自主学习雷达信息与地图信息特征的权重,使神经网能够更好地利用地图信息对雷达目标进行辅助检测。在此优化基础上,本文重新设计出了雷达地图融合检测网络RMDN-V2。算法的主要思想为利用卫星遥感地图来提供背景环境信息,作为雷达信号检测的辅助,通过将目标背景中的特征信息融入检测决策中,提高目标检测的准确性和鲁棒性,减少对强杂波和移动物体的干扰敏感性,改善目标检测算法在复杂环境下的表现。最后的无人机雷达实测数据实验结果表明,本文所做的针对性优化是有效的,RMDN-V2的检测性能优于原始的RMDN,同时本文算法检测性能远超传统的雷达检测算法,同时也优于目前主流的一些深度学习雷达目标检测算法。本文为解决当下低慢小目标检测的难题提出了新的算法。

基于遥感GIS信息融合的测绘机器人滑模跟踪控制系统

测绘机器人是实现测绘自动化的执行设备,测绘机器人的工作空间更为复杂,给机器人的跟踪控制工作带来较大挑战;为提高测绘机器人跟踪控制效果,设计了基于遥感GIS信息融合的测绘机器人滑模跟踪控制系统;加设遥感信息采集器和GIS信息采集器,改装遥感GIS信息处理器以及滑模跟踪控制器,完成硬件系统的优化设计;考虑信息结构以及信息之间的逻辑关系,构建系统数据库,为遥感GIS信息提供充足的存储空间;根据测绘任务生成机器人滑模移动轨迹,作为机器人的控制目标;采集测绘机器人实时遥感与GIS信息,利用遥感GIS信息融合技术跟踪机器人实时位姿,比对位姿跟踪结果与生成的控制目标,计算滑模跟踪控制量,完成系统的测绘机器人滑模跟踪控制软件功能优化;系统测试结果表明:设计系统的控制误差平均值为1.9 m,抖振幅值为0.8 dB,具有较好的控制效果。

基于人工智能的多源遥感数据融合在电网勘测应用研究

随着卫星遥感、空间科技等技术的不断发展,通过卫星采集多源遥感数据已被广泛应用到诸多行业。将多源数据进行融合,生成信息更丰富、质量更高的图像,能更清晰地分析地物地貌地形情况,已成为近年来图像智能处理领域的技术研究前沿方向。文章基于人工智能卷积网络和注意力机制,提出一种统一融合网络,将不同光谱和空间属性的遥感源数据进行有效融合,生成具有精确光谱信息和清晰空间细节的高分辨率图像,为电网勘测选址选线等业务提供了辅助支撑的有效手段。实验结果表明,文章研究结果比现有典型方法具备更好的融合效果。

结合多尺度卷积块与密集卷积块的遥感图像融合

遥感图像融合的目的在于获得与多光谱图像相同光谱分辨率和与全色图像相同空间分辨率的高分辨率多光谱图像。尽管深度学习在遥感图像融合方面取得了显著的成果,但由于深度模型网络的限制,网络无法充分提取图像中丰富的空间信息,导致融合图像空间信息缺失,融合结果质量低。因此引入了多尺度块,不同尺度的图像特征可以通过不同大小的卷积核学习,从而增加提取特征的丰富性。随后引入了密集卷积块,通过密集连接来达到特征重用的目的,在网络较深时减少了浅层特征信息的丢失。在特征融合阶段,所提方法将网络不同层次的特征图作为特征融合层的输入,提高融合图像的质量。在GE1数据集以及QB数据集上与6种融合算法进行对比实验,实验结果表明所提方法的融合图像更好地保留了空间信息与光谱信息,在主观和客观评价上均优于对比方法。

基于联合注意力的渐进式遥感图像融合

为发挥遥感图像在国防军事、公共安全、环境监测等领域的重要作用,如何融合已配准的高分辨率全色图像与低分辨率多光谱图像的互补信息成为当前研究的重点。尽管近年来全色锐化方法已取得较大进步,但大多数方法仍受到以下限制:一方面,利用Wald协议退化生成不同尺寸图像时会造成信息损失;另一方面,受到网络结构和单一注意力的限制,无法同时利用全局和局部特征。为解决以上问题,本文提出了基于联合注意力的渐进式网络(Pan-sharpening based on multi-attention progressive network),称为MAPNet。在该网络中,首先采用多阶段训练以减小尺寸变化带来的光谱和细节损失。其次设计联合注意力模块,将自注意力、空间注意力和通道注意力结合,实现对全局特征和局部特征、空间特征和通道特征的多模态分析,进一步提高MAPNet对纹理细节的保留能力。在高分二号卫星上进行大量对比实验和消融实验,定性和定量结果表明,本文方法融合效果优于其他10种方法,能够改善光谱失真和细节纹理丢失等问题。

地质矿产勘查中多源遥感数据融合技术的应用研究

多源遥感数据融合技术结合了不同传感器获取的遥感数据,能够综合利用多种数据来源的信息,充分挖掘数据间的潜在联系,从而实现对地质信息的全面解译。本文从多源遥感的定义和技术优势入手,分析了地质解译常用数据源,探讨了多源遥感数据融合技术在地质矿产勘查中的应用。

结合改进Laplacian能量和参数自适应双通道ULPCNN的遥感影像融合方法

融合SAR影像的后向散射信息和光学影像的光谱信息是提高土地覆盖分类精度的重要手段之一,其中多尺度变换是一种有效的融合方法。然而,多尺度变换方法的融合规则通常根据局部特征信息和脉冲耦合神经网络模型进行设计,存在结构信息和细节信息提取能力有限,以及脉冲耦合神经网络参数设置复杂和空间相关性差等问题。为此,本文提出一种结合改进Laplacian能量和参数自适应双通道单位连接脉冲耦合神经网络(ULPCNN)的遥感影像融合方法。该方法混合成分替换方法和多尺度变换方法,首先对多光谱影像进行IHS变换得到亮度分量I,将亮度分量I与SAR影像通过非下采样剪切波变换(NSST)分解得到高低频子带。然后对低频子带采用结合加权局部能量和八邻域修正拉普拉斯加权和的融合规则,同时对高频子带采用参数自适应双通道ULPCNN的融合规则,将高频子带的多尺度形态梯度作为链接强度,并根据OTSU阈值和影像强度来实现其他参数的自适应表示。最后依次进行NSST重建和IHS逆变换得到融合影像,并选择随机森林分类器对融合影像进行土地覆盖分类。试验结果表明,本文方法相较于13种其他方法在11个融合评价指标和土地覆盖分类精度上总体表现最佳,土地覆盖分类的总体精度和Kappa系数在区域1中比原多光谱影像分别提高了8.350%和0.107,在区域2中比原多光谱影像分别提高了6.896%和0.091。

基于物联网和遥感信息融合的变电智能运检系统设计

传统的巡检方式主要依靠人工巡检,效率低下且存在一定的安全隐患,为此,本文设计了一种基于物联网和遥感信息融合的变电站智能运行巡检系统,可以实现对变电站设备的智能化监测和精准巡检。本文主要介绍了该系统的设计和实现,包括系统架构、物联网设备与遥感传感器的选择和布局、数据采集和融合、巡检路线规划和智能运维等方面。实际应用结果表明,该系统具有较高的可靠性与实用性,可以有效提高变电站设备的安全稳定运行水平。

基于双分支U形Transformer的遥感图像融合

为解决现有遥感图像融合方法不能充分提取和利用全局上下文特征,而造成光谱和空间信息丢失的问题,提出基于双分支U形Transformer的遥感图像融合方法。首先将多光谱和全色图像分割成图像块,每个图像块的光谱和空间信息被嵌入到一个向量中,形成块嵌入向量序列。接着,多光谱图像和全色图像的嵌入向量序列被分别送入Transformer编码器的两个分支以提取两张图像的多级全局特征表示。在编码过程中,通过多个跳跃连接,不同层级的全色图像表示被注入到多光谱图像表示中进行融合。最终,Transformer解码器利用特征压缩和块扩张层消除冗余特征并从多级融合表示中逐渐恢复出高分辨率融合图像。在三种不同卫星数据集上的实验表明,所提方法得到的融合图像相比于其他融合方法主观视觉效果较好,且客观评价指标更优。

MoGN:模型引导的遥感图像融合网络

全色锐化是一种常见的图像融合技术,旨在融合卫星提供的高空间分辨率的全色图像和低空间分辨率的多光谱图像,得到高空间分辨率的多光谱图像。结合模型优化与深度学习方法的优势,提出一种模型引导的全色锐化神经网络(MoGN)。基于观测模型和融合图像的深度先验构建了一个全色锐化函数,对目标函数进行求解并将其迭代解展开为深度网络,其中空间退化和光谱退化过程通过设计专用的子网络进行近似,深度先验则由基于Unet架构的去噪器进行近似。降分辨率和全分辨率下的实验结果都证明了所提出方法的有效性。

基于高频引导网络的遥感图像融合方法

为了有效地恢复多光谱图像每个波段的高频空间纹理,同时避免引入多余的高频信息导致光谱失真,提出了高频引导网络用于遥感图像融合。高频引导网络包含空间信息提取分支、光谱信息提取分支和引导恢复融合模块。空间信息提取分支使用编解码结构从全色图像中提取丰富的空间信息;光谱信息提取分支使用编解码结构并除去了所有的批标准化操作来保留更多的光谱信息;引导恢复融合模块利用光谱信息生成多个具有光谱保真的初步结果,与此同时利用空间信息生成具有引导作用的热图,最后通过热图选择合适的初步结果生成高空间分辨率多光谱图像。在IKONOS和QuickBird数据上与多种类型的算法进行对比实验,高频引导网络在多种客观评价指标上获得了最优结果。从视觉角度分析,高频引导网络生成的融合图像每个波段具有清晰的空间纹理且没有引入多余的高频空间纹理。

地质矿产勘查中多源遥感数据融合技术的应用研究

在社会经济持续发展的背景下,地质矿产勘查工作也得到了长足的发展,作为一项基础性工作,在了解地质情况、促进矿产开发等方面发挥无法比拟的作用。而传统的地质矿产勘查手段已很难适应现代社会的发展需要,为切实提升地质矿产勘查的整体质量、工作效率,有必要积极引入新型技术手段。本文首先分析多源遥感数据融合技术的内涵,其次从几个方面深入说明多源遥感数据融合技术的应用流程以及应用实践,以供参考。

地质灾害工程防治中的遥感与工程测绘融合技术研究

地质灾害是人类活动以及自然地质共同作用造成的灾难性事件,不仅会对自然生态环境产生影响,还会对人们的生产生活以及生命财产安全造成严重威胁。在科学技术不断进步的背景下,关于地质灾害的监测和提前预警都有了显著进步,很多时候都能够提前了解发生地质灾害的时间、地点以及程度,进而提前做好预防以及后续的治理方案。遥感技术与测绘技术就是对地质灾害工程防治的常用技术,二者随着技术的发展不断融合,应用价值也越来越高,地质灾害对人类的影响也正在逐渐减少。基于此,本文分析地质灾害的主要特点、遥感与工程测绘融合技术的简要介绍、地质灾害工程防治中的遥感与工程测绘融合技术的应用措施。

数据融合及其在农情遥感监测中的应用与展望

长期以来,由于对数据融合一直没有一个严格的统一的定义,对于数据融合的理解、表达存在各种差异,在一定程度上影响了学术交流的顺利开展和应用渠道的畅通。另一方面,数据融合在遥感领域的长期发展已取得了丰硕的成果,将这些成果应用于农情遥感监测中,是非常有意义的。该文详细介绍了数据融合的概念及其发展过程,包括数据融合的定义、数据融合层次和融合方法;分析了当前数据融合在遥感尤其农情遥感监测中的应用现状,并针对农情遥感监测的特点,展望数据融合在农情遥感监测中的应用前景。

基于2代Curvelet改进IHS变换的遥感图像融合

Curvelet变换是继小波变换之后,能更适合于图像处理的一种新的多尺度变换分析方法,它比小波变换更加适合分析2维图像中的曲线或直线状的边缘特征,同时也具有很强的方向性。为了将该变换应用于图像融合,首先对第2代Curvelet变换理论进行了综述,然后在对基于第2代Curvelet变换的遥感图像融合方法进行研究的基础上,提出了一种与IHS变换结合的融合方法。最后用高分辨率全色图像与低分辨率多谱图像进行了融合实验,实验结果表明,将Curvelet变换引入图像融合,能够更好地提取原始遥感图像的特征,不仅可为融合图像提供更多的信息,而且融合图像能在较好地保留光谱信息的同时,使空间细节信息也得到增强。

基于IHS变换和主成分变换的遥感影像融合

针对IHS变换融合影像时存在较严重的光谱失真现象,利用主成分变换对IHS变换法进行了改进。新方法首先对多光谱影像做IHS变换得到亮度I,色度H,饱和度S三个分量,然后用I分量和高分辨率全色影像做主成分变换,并提取第一主分量,并以I为标准进行直方图匹配;将匹配后的影像与H,S进行IHS反变换得到新的多光谱图像。主观视觉分析和客观参数表明,该方法不仅很好的保留了影像的光谱信息,而且兼顾了地物细节能力的表达。

一种定量确定遥感融合图像空间分辨率的方法

提出了一种利用多分辨率图像模板库来定量确定遥感融合图像真实空间分辨率的方法。实验结果表明,该方法简单实用、易于实现。

遥感图像PCA融合的并行算法研究与实现

文章针对已有的遥感图像PCA融合串行算法,提出了一种基于数据并行的新的PCA融合并行算法P-PCA,并对该并行算法进行了通信优化,在机群系统上进行了实现。针对IKONOS图像进行实验的结果表明该算法可获得良好的并行加速比,并行效率较高,为遥感图像的实际应用提供了有益的指导和借鉴。