1 中国科学院红外探测与成像技术重点实验室, 上海 200083
2 中国科学院上海技术物理研究所, 上海 200083
3 中国科学院大学, 北京 100049
针对遥感建筑物实时检测中深度卷积网络资源消耗大和硬件移植难的问题,提出一种基于二值与浮点数混用方法的语义分割网络MBU-Net。通过对FU-Net网络全局权重进行二值化处理来压缩模型大小,并将占少量参数的网络输出层权重替换成浮点型(MBU-Net),解决了全局二值网络(GBU-Net)检测精度差、训练缓慢的问题。在QuickBird卫星遥感数据集上进行实验,MBU-Net的像素准确率为82.33%,F1分数(召回率和精确率的调和平均数)为73.15%;相比于FU-Net,MBU-Net在保证检测精度的前提下,模型大小大幅压缩,检测速度提升了6.29倍,功耗降为37.78%,且优于其他同类方法(Deeplab、ENet),对遥感建筑物实时检测具有重要的实际工程价值。
遥感 卫星图像 建筑物检测 语义分割 二值神经网络 光学学报
2019, 39(12): 1228002
1 中国科学院安徽光学精密机械研究所中国科学院大气光学重点实验室, 安徽 合肥 230031
2 中国科学技术大学,安徽 合肥 230026
为了有效地去除高分辨卫星图像中薄云的影响,提出了一种基于Mallat小波变换的薄云去除方法。对图像进行Mallat小波分解得到高频细 节部分和低频近似部分,根据云噪声在分解系数中处于低频部分而地物信息占据相对高频部分的特点,在小波变换多尺度分析的基础上, 算法在最大尺度低频图像上按照云厚度掩膜值对云区进行线性处理；对于高频子带图像根据尺度的不同运用非线性增强算子进行 不同程度的增强,从而提高图像的清晰度,减小残留云的影响,之后将重构后的图像进行中值滤波以减少高频云的影响。 针对高分一号卫星图像进行了实验。实验证明,该方法在去除薄云的同时很好地保留了图像细节及边缘信息,去薄云效果优于传统小波变换法。
卫星图像 薄云 Mallat算法 多尺度分析 非线性增强 中值滤波 satellite image thin cloud Mallat algorithm multi-scale analysis non-linear enhancement median filtering 大气与环境光学学报
2018, 13(4): 285
1 中国科学院 长春光学精密机械与物理研究所，吉林 长春 130033
2 中国科学院大学，北京 100049
由于航拍图像的拍摄高度远低于卫星图像拍摄高度，因此每个拍摄地点的建筑投影差大小和方向都不相同，图片畸变严重。此外，考虑到图像边缘区域的畸变程度远大于图像中心区域的畸变程度，本文提出了一种基于极坐标的Lagrange插值的逐点畸变校正方法。利用该方法在极坐标系内对单个像素点进行插值，然后根据插值结果对像素点进行校正，再将其坐标从极坐标系变换回直角坐标系，最后采用此方法在整个航拍图像内逐点进行畸变校正。实验结果表明，校正后的航拍图像畸变程度不超过3%，证明该方法不但能有效地校正畸变图像，且与传统的利用DLT线性求解畸变校正矩阵等校正方法相比具有更为广泛的适用性。
畸变校正 航拍图像 卫星图像 极坐标变换 拉格朗日插值 distortion correction aerial images satellite image polar coordinate transformation Lagrange interpolation
1 重庆通信学院应急通信重庆市重点实验室
2 重庆 400035
3 中国人民解放军95894 部队，北京 102211
卫星图像的准确分割与识别在**、环境、民生方面都有着重要的研究意义与价值。传统的区域分割算法如分水岭算法、k-means 算法等在错综复杂的卫星图像中表现不佳，且不能同时给出区域的类别。为解决上述问题，本文提出一种结合CNN 与分水岭算法的图像区域分割方法。该方法首先使用人工标记的区域图像训练CNN（卷积神经网络）分类器，且使其具有旋转不变性及平移不变性，从而能适应不同状态下的图像分类。然后用分水岭算法对图像进行区域粗粒度的聚类，针对分割出的每一个候选区域，使用CNN 分类器对其迭代打分，最后得到分割区域并给出识别结果。实验结果表明，该方法较传统方法有更好效果。
卷积神经网络 梯度分水岭 卫星图像 分割识别 convolutional neural network gradient watershed sensing images segmentation and recognition
上海大学计算机工程与科学学院， 上海 200444
大规模的火山灰云既会引起全球气候和环境系统的巨大变化，又会威胁航空安全。卫星遥感技术能够快速准确地获取大范围的空间变化信息，实现对火山灰云发生、扩散状况的识别和预警。首先阐述了火山灰云的光谱特征和常用的卫星图像类型；然后从紫外吸收法、模式识别法、分裂窗量温差和改进型分裂窗量温差算法方面系统地介绍了火山灰云的识别方法；最后对国内现有的基于卫星图像的火山灰云的研究进行了评述，并对其发展趋势进行了总结和讨论。
卫星图像 遥感传感器 火山灰云 识别方法 satellite image remote sensor volcanic ash cloud identification method
1 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
2 中国科学院大学, 北京 100049
将Itti模型应用于海洋监视卫星图像舰船目标的检测中。简要阐述了Itti模型的算法处理过程，并将视觉注意点的提取转移过程建立为电容阵列充电模型。针对Itti模型的诸多问题，比如所提取的显著区域形状大小固定、小半径检测实时性差、大半径检测包含背景区域多等，提出了改进算法：引入离散矩变换，增强了图像纹理特征响应；采用阈值分割的方法由显著点搜寻显著区域，提高了检测精度和实时性。运用Matlab对算法进行测试，实验结果表明，改进算法所提取的显著区域形状大小基本与目标一致，实时性好，且显著区域包含背景少。与Itti模型相比，改进算法更适合应用于海洋监视卫星图像舰船目标检测提取。
图像处理 视觉注意 显著特征 海洋监视卫星图像 舰船目标识别 阈值分割 激光与光电子学进展
2013, 50(12): 121001
南京信息工程大学电子与信息工程学院, 南京 210044
JPEG2000存在大量计算冗余和消耗较大内存资源的缺陷。为了适应实时性要求高和资源有限的卫星图像的传输, 提出一种新的基于率失真斜率的卫星图像码率控制算法。本方法是根据编码块的有效位平面数大致呈下降趋势和率失真斜率的三个属性提出一个简单的公式, 通过此公式求得的率失真斜率作为层 1编码的门限值, 丢掉小于此门限值的编码通道, 然后在该值基础上层 2计算最优率失真斜率和截断点以实现码率控制, 因而不需要编码所有的编码通道。实验结果表明, 在 0.125 bpp时, 本算法的存储量约占 PCRD存储量的 33%, 而信噪比保持不变。因此, 本方法可以有效地提高卫星图像的编码效率。
卫星图像 码率控制 率失真斜率 satellite images PCRD PCRD bitrate control rate distortion slope
哈尔滨工业大学,图像信息技术与工程研究所,黑龙江,哈尔滨,150001
油库是典型**目标之一,对其识别是卫星图像判读的一项重要内容,传统的方法是通过判读员进行人工判读,工作量非常大是其缺点之一.为了克服这一缺点,本文提出了一种类圆形油库的自动识别方法.首先利用Kapur熵法对图像进行阈值分割,得到二值图像;然后对二值图像中的白像素进行最近邻聚类形成团块,并计算其面积以及体态比和矩形度等形状参数;最后利用油库近似圆形和成群分布的特点对油库群进行识别和定位.实验结果表明该方法对于高分辨率卫星遥感图像中的类圆形油库的识别是很有效的.
图像处理 卫星图像 自动识别 油库 图像分割
