图像级高光谱影像高分辨率特征网络分类方法

基于深度学习的高光谱影像分类方法通常将高光谱影像切分为局部方块作为模型的输入,这不但限制了长距离空-谱信息关联的获取,还带来了大量额外的计算开销。以全局图像作为输入的图像级分类方法能够有效避免这些缺陷,然而,现有的基于全卷积神经网络特征串行流动模式的图像级分类方法在信息恢复时的细节损失会导致分类精度低、分类图视觉效果差等问题。因此,本文提出一种基于HRNet的图像级高光谱影像快速分类方法,在全程保持高分辨率特征的基础上对影像的多重分辨率特征进行并行计算与交叉融合,从而缓解了传统特征串行流动模式造成的信息损失问题。同时,提出多分辨率特征联合监督和投票分类策略,进一步提升了模型分类性能。利用4组开源高光谱影像数据集对本文方法进行验证,试验结果表明,与现有的先进分类方法相比,本文方法能够取得具有竞争性的分类结果,同时显著减少训练和分类时长,在实际应用时更具时效性。为了保证方法的复现性,笔者将代码开源于https://github.com/sssssyf/fast-image-level-vote。

基于自适应深度先验的高光谱图像超分辨率

为了解决现有的高光谱超分辨率方法依赖于手工先验和数据驱动先验会导致参数选择困难或可解释性差的问题,采用一种基于自适应深度先验正则的高光谱图像超分辨率方法,进行了理论分析和实验验证。首先设计基于卷积神经网络的多阶段特征提取网络,提取退化图像的空间和光谱信息;其次将提取到的空-谱先验输入基于transformer模型的特征融合模块;然后自适应交互空域和谱域的互补信息,以捕获图像的全局先验特征;最后在退化模型中插入深度先验正则项,将超分辨率问题表述为一个优化问题,其解可以通过交替方向乘子法获得并降低求解复杂度。结果表明,所提出算法在信噪比均为35 dB时,重建信噪比分别达到了34.16 dB和29.35 dB,比次优算法高出2.78 dB和2.17 dB,重建的高分辨率高光谱图像与其固有结构具有较高的一致性。该研究为综合利用手工先验和数据驱动先验增强高光谱图像空间分辨率提供了参考。

基于高分辨率遥感影像的土耳其地震建筑物震害特征

选取土耳其卡赫拉曼马拉什省努尔达吉镇城区和周边乡村地区作为研究区,通过获取地震前后的高空间分辨率遥感影像数据,提取房屋建筑震害信息,识别房屋建筑震害等级,利用震害指数计算区域内地震烈度等级,综合分析得到建筑物震害特征与主要成因,对地震灾情快速评估、应急救援和恢复重建具有重要参考。

基于WRF模式高光谱分辨率测温激光雷达系统分析

为了解析大气瑞利-布里渊散射光谱并获取0 km~16 km的大气垂直温度廓线,采用基于菲索干涉仪结合光电倍增管阵列的高光谱分辨率测温激光雷达(HSRL)对不同季节环境下的温度反演能力及系统误差进行了理论分析,得到了利用大气瑞利-布里渊散射光谱在结合Tenti S6模型进行拟合的情况下,不同的大气模型对温度廓线拟合的影响结果。结果表明,使用US76大气模型结合Tenti S6模型,经10000次脉冲积分后,在0 km~16 km范围内的最大随机误差为1.1 K;使用天气预报模式(WRF)提供的温压场代替US76模型的温压场进行模拟,随机误差随季节略有不同,春季不超过0.65 K,夏季不超过0.98 K,秋季不超过0.59 K,冬季不超过0.63 K;使用WRF模式进行HSRL系统探测能力评估结果优于使用US76的评估结果,若精选不同天气类型,该方法还可以拓展到评估不同季节下HSRL的随机误差,体现了将WRF模式用于HSRL评估的优势。该研究为HSRL测温系统在不同季节下的工作能力评估提供了参考。

高频信息强化的双分支高光谱图像超分辨率网络

高光谱图像(hyperspectral image,HSI)的窄光谱波段为许多视觉任务提供了丰富信息,但也给特征提取带来了挑战.尽管许多研究者提出了各种深度学习方法,但尚未充分结合这些架构的优势.因此,本文提出了一种基于高频信息强化的双分支高光谱图像超分辨率网络(HFEDB-Net),将卷积神经网络(convolutional neural network,CNN)的图像空间特征提取优势与Transformer的自适应能力和长距离依赖提取优势相结合,有效地提取了HSI的空间和光谱信息.HFEDB-Net由高频信息强化分支和主干分支组成.在高频信息强化分支中,通过拉普拉斯金字塔提取低分辨率和高分辨率HSI的高频信息,并将结果作为高频分支的输入和标签,采用光谱强化Transformer来作为该分支的方法.在主干分支中,使用结合通道注意力的CNN充分提取空间特征和光谱信息.最后将两个分支的结果通过CNN进行结合以得到最终的重建图像.此外,采用多头注意力和多尺度策略分别改进了Transformer的注意力机制和编码器层,以更好地提取HSI的空间和光谱信息.实验结果表明,HFEDB-Net在两个公开数据集上的定量评价指标和视觉效果上优于当前主流方法.

高光谱高空间分辨率遥感观测、处理与应用

高光谱遥感技术是遥感领域的研究热点之一。然而,由于成像口径与能量等限制因素,难以同时获得高光谱和高空间分辨率的图像,这极大限制了高光谱遥感在精细尺度任务中的应用。近年来,随着高光谱成像技术及无人机为代表的新型观测平台的发展,高光谱高空间(双高,同时具备纳米级光谱分辨率与亚米级空间分辨率)遥感技术发展迅猛,推动了高光谱遥感技术的应用,但同时也带来了更多问题。极高的空间与光谱分辨率使得数据更加海量高维,加剧了高光谱数据的空间异质性和光谱变异性,为影像智能信息处理带来更大的挑战。为此,本文将从双高遥感影像基准数据集、双高遥感影像智能信息处理、双高遥感影像典型应用3个方面论述双高遥感应用与发展现状。

高空间分辨率遥感影像建筑物自动提取方法综述

建筑物是城市环境中最主要的地物类型,如何从高分辨率影像中自动、高效和高质量地提取建筑物一直是个研究的热点课题。本文对常见的高分辨率遥感影像建筑物提取方法进行了分类和总结,比较了各种提取方法的应用范围、优缺点及改进措施。

基于分组双阶段双向卷积长短期方法的高光谱图像超分辨率网络

文章提出基于分组的双阶段Bi-ConvLSTM网络(GDBN),可以充分利用图像的空间和光谱信息,通过使用以波段为单位的分组策略,有效缓解了计算负担,并对光谱信息进行保护。在编码器的不同阶段,对浅层信息提取模块和深度特征提取模块进行不同层次信息的提取,浅层信息提取模块能够对不同尺度的浅层特征信息进行充分捕捉,深度特征提取模块能够捕捉图像的高频特征信息。文章还引入通道注意力机制,增强网络对特征的组织能力,并在自然数据集cave上进行大量实验,效果普遍优于目前主流的深度学习方法。

基于高分辨率卫星和无人机的广西滨海盐沼面积变化监测

滨海盐沼作为重要的海岸带生态系统,在海岸保护、生物多样性维持、固碳减污等方面发挥了重要的生态服务功能。及时准确地监测滨海盐沼分布情况和动态变化,对于科学地管理和保护本地滨海盐沼生态系统意义重大。本研究基于2019年和2021年多源国产高空间分辨率卫星数据,结合无人机自主性强、灵活机动、不受云遮挡影响的优势,对广西壮族自治区滨海盐沼开展遥感跟踪监测。研究结果表明,广西2021年滨海盐沼总面积为1 341.40 hm2,其中,北海市、防城港市和钦州市3个海滨城市的滨海盐沼面积分别为1 247.82 hm2、49.73 hm2和43.85 hm2。与2019年相比,广西2021年滨海盐沼总面积减少108.96 hm2,其中,北海市互花米草(Spartina alterniflora)面积减少107.05 hm2,钦州市短叶茳芏(Cyperus malaccensis)和芦苇(Phragmites australis)面积减少1.91 hm2,防城港市滨海盐沼面积不变。广西当地对入侵种互花米草的治理卓有成效,互花米草大范围减少,但局部区域的互花米草分布仍呈不断增长的趋势,仍需重视对互花米草的监测与防控工作。

融合形状和光谱的高空间分辨率遥感影像分类

提出了一种像元形状指数及基于形状和光谱特征融合的高(空间)分辨率遥感影像分类方法。形状和光谱是遥感影像纹理的具体表现形式,尤其在高分辨率影像中地物细节得到充分表达,相邻像元的关系及其共同表征的形状特性成为分类的重要因素。本文用像元及其邻域的关系来描述其空间结构,同时为了更全面地利用影像特征,提出了基于支持向量机的形状和光谱融合分类方法。实验证明,该方法计算简便且能有效表达高分辨率影像的地物特征,提高分类精度。

基于点扩散函数的图像学高分辨率技术

常规基于一维假设的高分辨率处理技术如反褶积、反Q滤波方法等,针对水平构造或者小倾角构造有较好的处理效果,但在面向高陡构造或者断裂等复杂构造时处理效果不佳。而偏移成像结果可以看作是点扩散函数(PSF)与真实反射系数褶积的结果,高维空间条件下的高分辨率处理技术实际上是此正演问题的一个反问题,即基于成像结果进行反射系数反演。为此,提出了一种基于点扩散函数的高分辨率处理技术,首先基于点扩散函数的计算原理,推导出了基于高频近似条件下的快速求解算法,并在高维空间褶积理论的指导下结合图像学反演算法研发了纯数据驱动的点扩散函数提取技术,最后采用高维空间反褶积算法求得高分辨率成像结果,实现地震频带的有效拓宽和成像分辨率的提升。模型数据和实际数据测试结果表明,该算法可在不损失低频的前提下有效扩宽高频,且具有在计算效率与常规高分辨率算法基本相当的条件下有效提高不同展布方位地质体分辨率的优势。

高空间分辨率影像和多光谱影像融合的研究

从卫星影像的成像过程出发 ,揭示了卫星影像所含信息的物理内涵 ,从频率域特性出发得出了高空间分辨率影像和多光谱影像可以融合的物理基础 ,为寻找一种较好的融合方法提供了理论依据。

高分辨率卫星遥感数据在城乡历史文化保护传承方面的应用

高分辨率卫星遥感数据具有高时间分辨率、高空间分辨率、高光谱分辨率等数据特性,为城乡历史文化保护传承工作提供了新机遇、新技术。本文对高分辨率遥感数据在城乡历史文化预防性保护、城乡历史文化保护规划、城乡历史文化智能化管理、城乡历史文化监测评估4个方面的应用进行了梳理,如图1所示。

高光谱影像逆近邻密度峰值聚类的波段选择算法

密度峰值聚类波段选择算法利用局部密度描述波段的密度信息,然而现有的局部密度容易忽略波段分布的全局信息,不能有效描述波段的分布特征,导致波段子集分类精度有限。为解决上述问题,本文提出一种基于逆近邻的密度峰值聚类波段选择算法。首先,利用波段与其K近邻构建K近邻有向图,获取波段的逆近邻,以及波段之间的共享近邻和共享逆近邻;然后,利用共享近邻和共享逆近邻并集的个数作为波段之间的相似度,利用波段与其逆近邻的平均欧氏距离和相似度构造增强型局部密度;最后,将增强型局部密度、距离因子、信息熵三者的乘积作为权重值,根据权重值挑选波段子集。为提高试验效率和实用性,本文算法还提出一种自动获得K值的自适应K值方法。在3个高光谱标准数据集上的试验结果表明,本文算法得到的波段子集比其他先进算法挑选的波段有更好的分类性能,尤其是在波段数较少的情况下,而且计算效率较高。

城市尺度高空间分辨率VOCs组分排放清单构建方法与应用

挥发性有机物(VOCs)是影响大气复合污染形成的关键前体物,来源众多且化学组成差异较大.为满足城市尺度VOCs精准管控需求,本文基于“自下而上”的人为源活动水平数据与植被遥感资料,并与文献调研和实测VOCs源谱信息相耦合,采用排放因子法构建了城市尺度高空间分辨率VOCs组分清单的编制方法,并以河南省驻马店市为研究区域开展应用.结果表明:①本文构建的清单编制方法能够获取城市尺度高空间分辨率的VOCs组分排放清单,根据现阶段可获取的活动水平分辨率,清单分辨率可在1km×1km及以上.②驻马店市烯烃组分排放量最高,其次是烷烃和含氧VOCs(OVOCs),其中排放量较高的物种为异戊二烯、苯乙烯和乙酸乙酯等;对于臭氧生成潜势(OFP),烯烃和OVOCs是主要贡献者,OFP贡献较高的物种为异戊二烯、乙烯、乙醛和甲醛等;在空间分布上,研究区域VOCs排放空间分布呈明显差异,林地茂密、工业企业密集、人口和路网密度较大的区域VOCs排放量较高.③将清单结果与受体模型解析结果对比发现,二者在主要源类的识别上基本一致,印证了所构建清单的可靠性.对比PMF解析因子谱和清单参考源谱发现,清单参考源谱中燃烧源以及工艺过程和溶剂使用源适用性较好,移动源谱适用性较低.研究显示,驻马店市VOCs总量及组分排放空间特征明显,高空间分辨率清单可为城市差异化管理提供基础.

半监督空谱局部判别分析的高光谱影像特征提取

为充分利用高光谱影像中蕴含的空谱特征,提出了一种半监督空谱局部判别分析的高光谱影像特征提取算法(S4LFDA)。鉴于高光谱数据集具有空间一致性,首先将像元进行空间重构,保存高光谱数据的近邻关系;其次引入光谱信息散度重构像元间的相似度;为了充分利用大量无标签样本提高算法性能,采用模糊C均值聚类算法对样本进行聚类分析得到伪标签;然后通过增加规范化项到局部力导引算法(FDA)的类内散度矩阵和类间散度矩阵中,以此保持无标签样本的聚类结构一致性;最后通过局部FDA算法来保持有标签样本类间散度最大化和类内散度最小化并求解最佳投影向量。S4LFDA算法既保持了数据集在光谱域的可分性,又保持了像元在空间区域内的近邻关系,合理利用有标签样本及无标签样本,提高了算法的分类性能。在Pavia University和Indian Pines数据集上进行实验,总体分类精度达到95.60%和94.38%。与其他维数约简算法相比,该算法有效提高了地物分类性能。

高空间分辨率LA-ICP-MS测定硅酸盐玻璃标准物质中42种微量元素

近年来,随着人们对关键金属(稀有金属、稀土金属、稀散金属和稀贵金属)的成矿机制、分布规律和绿色利用等研究日益加深,建立原位测定地质样品中关键金属元素(如REEs、Cr、Co、Ga、Ag、Cd、In、W、Tl等)分析方法对于研究关键金属元素的地球化学行为、分布规律和成矿机制具有重要意义。由于关键金属在地壳中丰度极低(一般为ng/g~μg/g级别),赋存矿物非常细小(粒径μm级别),因此需要建立高空间分辨率微区原位分析技术实现低含量(ng/g~μg/g)微量元素的定量。本文提出了高频剥蚀模式与Ar-N2等离子体技术相结合提升LA-ICP-MS对微量元素的检出能力,使之能够满足地质样品中关键金属元素的检测需求。结果表明:在Ar-N2等离子体条件下,采用高频(20Hz)剥蚀模式,LA-ICP-MS分析中大部分元素灵敏度提升了1.5~9倍。在使用高灵敏度X型截取锥时,高频剥蚀模式与氮气增敏技术相结合可以显著减小氧化物产率和降低U-Th分馏,获得更宽的载气流速区间(0.9~1.08L/min)以满足测试的仪器分析条件(ThO+/Th+<0.5%和U/Th=1)。本研究开发的高空间分辨率LA-ICP-MS关键金属分析方法具有较低的检出限(在剥蚀束斑24μm条件下,30种元素的检出限<0.02μg/g),在高空间分辨率(10~24μm)条件下,通过对8种国际硅酸盐玻璃标准物质中42种微量元素进行定量分析,34种微量元素的测试结果的准确度优于10%,精密度优于15%,实现了在高空间分辨率条件下对微量元素的准确定量分析。

高空间分辨率生态系统生产总值时空演化分析--以2000—2020年湖南省为例

基于现有生态系统服务理论与方法,通过引入文教科研指标、优化气体调节指标,提出了湖南省本土自然资源生态系统生产总值(gross ecosystem product,GEP)核算指标体系,集成构建了GEP格网化评估模型,在30 m×30 m格网尺度评估分析了全省2000年、2010年和2020年GEP时空演化特征。研究结果表明:①时间维度,近20 a间湖南省GEP上升3.34×105亿元,增幅达40.28%;各生态系统类型对GEP贡献的排序为:森林>农田>草地>湿地>城市。②空间维度,湖南省GEP总体呈现出西部和东南部高、中部和北部低的空间分布格局;西部武陵山片区增长率高,北部洞庭湖区增长率低。③与已有10 km×10 km研究结果相比,本研究高空间分辨率GEP结果在水域及城市生态系统呈现的空间分布细节信息更多。④各单项生态系统功能价值量对湖南省GEP的贡献度排序随时间呈现规律性变化,土壤保持功能价值量的贡献对武陵山片区和洞庭湖区GEP变化占据主导作用。研究结果可为湖南省自然资源监管及生态环境保护提供科学决策依据。

面向高光谱影像的自监督去噪方法

针对高光谱影像各个波段包含一定噪声的问题,提出一种基于卷积神经网络的高光谱影像自监督去噪方法。该方法无需任何先验信息,仅依靠噪声影像本身进行训练即可完成去噪。首先在高光谱影像中随机选取局部影像块,并对采样的区域进行滤波处理;然后以处理后的影像为输入,将原始影像作为网络优化的目标进行自监督训练。每次训练过程中损失函数的计算将被限制在局部影像块区域内,从而防止网络输出恒等映射。在模拟噪声高光谱数据和真实高光谱数据上的大量实验表明,该方法能够获得比传统方法更好的去噪效果。

结合高光谱和高空间分辨率影像提取城市固体废弃物堆

城市固体废弃物给城市的环境及居民的生活质量造成了严重的影响。利用遥感手段提取城市固废堆具有及时和高效的特点,因此具有十分重要的意义。然而,由于固废堆组成成分复杂、分布不规律,仅仅利用高分辨率影像进行提取十分困难。本文结合高光谱影像和高分辨率影像提取了城市固废堆,采用多尺度的研究方法,在对高光谱和高分辨率影像预处理的基础上,首先在高光谱影像上进行了粗提取,然后将粗略结果映射到高分辨率影像上,进行了精确提取。以北京市地区作为研究区域,使用数据包括获取时间接近的Quick Bird影像和Hyperion高光谱影像,利用提出的方法进行固废提取试验,并将最终的试验结果与目视判读结果进行对比,固废堆的识别率为82.35%,准确率为74.81%。同时,该方法与已有的固废提取试验对比结果有显著提高。这一结果表明,本文提出的结合高光谱影像和高分辨率影像提取城市固废堆方法具有可行性。