一、基于遥感图像的人造地物目标信息管理系统（论文文献综述）
李广飞[1]（2021）在《面向高分辨率遥感图像分类的小样本增强方法研究》文中进行了进一步梳理采用高空间分辨率遥感图像（简称“高分图像”），实施地表覆盖分类，对精准农业，城市规划，资源勘测，灾害预防等方面具有重要意义。其中，对于监督分类而言，标注足够的训练样本是优化分类模型和评价算法性能的关键。然而，鉴于遥感图像样本标注过程，涉及野外实地核查，设备仪器误差，以及人眼识别的局限性等因素，导致当前遥感图像人工样本标注存在周期长，成本高，效率低等特点。随着遥感图像空间分辨率的提高使得地物纹理结构更加精细，同一区域的地物目标表现复杂多样，类内光谱差异大。因此，在样本标注过程中如何有效顾及地物类内异质性是增强样本表征能力的关键问题。此外，遥感图像是典型的类别非平衡数据，即不同类别的待识别数据量差异较大。这一特性导致传统的均匀采样，随机采样，欠采样，过采样等采样方式有一定的缺陷，从而使得分类器或者网络结构模型泛化，造成类别用户精度偏差大，整体分类精度不佳等现象。基于以上问题，本研究展开以下四个方面的研究内容:1.针对遥感图像的地理空间特性，依据地学第一定律的相近及相关原则，本文提出基于极少初始样本构建自适应区域探索初始样本周围的潜在样本，然后根据均值漂移理论精炼样本，旨在样本增强过程中避免引入混合像元和噪声像元。2.针对高分图像不同地物的分布特征差异，本文提出基于直方图分布特征的样本增强方法。具体地，在自动标记样本的时候有效顾及地物类内异质性，同时选择代表性训练样本，避免冗余样本增加分类模型的时间成本。因此，本文集成直方图、双窗口灵活搜索，箱线图技术为一个迭代算法中，动态挖掘训练样本，迭代更新分类结果。3.针对遥感图像类别不均衡特性，导致分类模型泛化严重的问题。本文提出基于像素和对象两种角度的训练样本增强方法。首先，通过获取像素，对象的空间信息，检测并去除异常像素;其次根据已知信息标记未知像素作为训练样本;最后迭代优化分类结果，若某类地物分类结果差异小于预定义条件，那么该类训练样本不再增加，直至所有类别满足条件为止。4.针对高分图像中地物目标形状、大小等尺度不一的客观现象，本文提出了多尺度自适应算法旨在-充分获取高分图像空间信息，增强空谱特征的表达能力。避免规则尺度引入其他地物信息，造成特征表述错误;克服单一尺度造成空间信息提取不完全问题。本算法通过自适应多尺度增强特征来增强小样本下地物的竞争能力。为验证以上算法的有效性，分别设计了相应的实验。实验表明，通过顾及已知样本的邻域特性，可以有效增强样本的表征能力，改善样本质量，从而提高目标识别精度。与当前主流方法比较，本文算法更具竞争性和普适性。此外，本文通过解译苏州高新区城市图像和江西上饶农村土地覆盖图像验证所提出算法在解决实际问题当中的应用潜力。
王鑫[2]（2021）在《基于多角度多光谱偏振遥感的地物目标识别研究》文中提出目标反射光的偏振态与目标的内在属性及表面结构相关,蕴含着丰富的目标信息。由于人造目标与自然背景以及伪装材料之间的材质与表面特征不同,所以目标与光谱伪装背景反射光的偏振特征会呈现出较大的区别,因此,多角度多光谱偏振遥感技术对区分同谱异物现象,提高目标与背景的对比度,有独特的优势。构建适当的模型描述目标表面反射光的偏振态与目标表面参数的关系,进而利用偏振探测信息反演目标表面参数,是基于偏振探测技术进行目标识别的主要方式,然而,当前关于偏振探测技术在地物目标识别的应用上尚处于研究阶段,而且针对地物目标没有在模型中考虑偏振度随波长的变化规律,无法充分利用多角度多光谱偏振信息带来的优势,限制了多角度多光谱偏振信息的应用发展。本论文对多角度多光谱偏振信息的联合应用展开了研究,为多角度多光谱偏振探测技术在地物目标识别方面的应用提供依据,并指导多角度多光谱偏振探测仪器的指标设计,本文研究内容主要包括以下方面:首先,本文对金属类目标表面参数反演方法展开了研究,构建了适用于金属目标的多角度多光谱偏振二向反射模型。该模型通过引入Lorentz-Drude色散常数描述了金属目标的偏振特征随波长变化的规律,解决了传统模型无法充分利用光谱偏振信息反演目标表面参数的问题,增加了模型对光谱偏振信息的利用。此外,该模型通过引入偏振二向反射模型中的体散射分量以及遮蔽因子,准确描述了粗糙目标表面的体散射效应对散射光偏振态的影响,可以分析目标表面的结构特征,更适用于粗糙表面。蒙特卡洛仿真实验结果表明本文提出的金属多角度多光谱偏振二向反射模型对噪声有着较高的鲁棒性。对金属铜和铝的目标表面参数反演实验结果表明,参数反演结果与参考值相符合,证实了金属多角度多光谱偏振二向反射模型的有效性。其次,本文对非金属类目标表面参数反演方法展开了研究,建立了适用于非金属目标的多角度多光谱偏振二向反射模型。该模型针对不同类型的非金属目标如吸光类非金属（消光系数k不为0）以及透光类非金属（消光系数k为0）分别引入了Lorentz色散模型常数和Cauchy色散常数,以此描述非金属类目标的偏振光谱特征,这使该模型能同时利用多角度多光谱偏振信息反演目标表面参数,增加了多光谱偏振信息的利用率的。此外,根据不同目标表面的粗糙程度的差异引入了体散射修正系数,以便更准确地描述目标表面特征对目标表面散射光偏振态的影响,适用于粗糙目标。蒙特卡洛仿真实验表明本文提出的非金属多角度多光谱偏振二向反射模型在噪声环境下的适用性。同时,对石英和绿色涂层的目标表面参数反演实验结果表明,本文提出的模型提高了目标表面参数的反演精度,分析非金属目标的偏振特征提供了理论支持。最后,本文基于以上多角度多光谱偏振二向反射模型研究了适合目标参数反演的最优探测光谱范围、光谱通道个数以及角度个数。基于全局敏感Sobol算法,本文分别对金属及非金属材料的多角度多光谱偏振二向反射模型参数进行了敏感性分析,通过量化了模型中单个参数或几个参数改变时产生的方差对输出量的总方差的贡献,研究了模型输出量偏振度在不同波段下随模型中各参数变化的敏感程度,并以此挑选出适合各材料表面参数反演的最佳波段,这些波段范围内各模型中参数敏感度相对较高,有利于提高这些参数反演结果对测量噪声抗干扰性。此外,本文利用蒙特卡洛仿真实验研究了探测条件如光谱通道数以及角度个数在噪声环境下对目标表面参数反演精度的影响,总结出适合各类型目标参数反演的光谱通道数与角度个数,由此达到满足反演精度的同时避免了仪器指标过优造成浪费的目的,为地物目标识别应用的偏振探测仪器设计提供理论支持。
马广阔[3]（2021）在《遥感图像桥梁目标检测方法研究》文中研究指明21世纪,随着人工智能（AI）技术的快速发展,遥感图像中的地物目标快速自动识别逐渐成为当下的研究热点和重点。随着航空遥感技术的飞速发展而出现的光学遥感图像数量的爆发式增长,给使用深度学习的方法进行遥感图像下的目标检测任务提供了必要的数据支持。桥梁作为光学遥感图像下的典型地物目标,不论是在军事领域还是民生领域都有着极其重要的地位。本文以大场景光学遥感图像下桥梁目标的自动检测与识别为研究背景,针对特征提取、道路检测、旋转目标的识别与修正、小目标检测等问题进行了研究。根据遥感图像复杂场景下的桥梁目标特点——数量繁多且尺度变化较大、目标较小且方向多变,本文借助于卷积神经网络（CNN）强大的特征提取能力,构建了基于深度学习的遥感图像桥梁目标的自动识别与定位方法。论文的主要研究内容如下:（1）复杂场景下的光学遥感图像,由于其特殊的拍摄角度,图像尺寸大,其包含的地物目标不但尺寸过于小,而且不同目标或相同目标之间具有多变的尺度特征。本文引入了新的光学遥感图像分割方法,多尺度特征提取和新的anchor预设候选框,提出了改进型的Faster R-CNN目标检测算法模型。实验结果显示,优化后的算法模型能够对光学遥感图像下的地物目标实现有效检测。（2）基于以上改进型的Faster R-CNN光学遥感图像典型地物目标检测算法,本文对待检测目标的多尺度效应问题进行了研究,通过对常规自然图像尺度划分标准的分析,提出一种新的适合于光学遥感图像下大中小尺度目标的划分标准。（3）在以上遥感图像典型地物目标检测算法的基础上,实现桥梁单目标检测,且引入更适合于桥梁目标的新纵横比,最高实现1.5%的检测精度提升。此外,通过对数据集的观察分析和依据先验性知识的逻辑推断,在一般情况下,出现道路是出现桥梁的必要条件。因此本文首先利用Sobel和Canny边缘检测算子对数据集进行道路边缘检测,突出完整的道路特征,然后与原数据集融合,抑制其他噪声干扰,最后再使用桥梁单目标检测模型进行训练检测。实验结果显示,使用两种边缘检测算子分别可以获得最高1.05%和0.22%的精度提升。
王丽娜[4]（2021）在《可见光与SAR遥感图像配准技术研究》文中提出可见光图像的成像效果好,具有分辨率高、成像直观和易判读等优点;合成孔径雷达（Synthetic Aperture Radar,SAR）具有穿透力强,全天时、多天候的工作能力。将二者图像信息配合使用,能够发挥各自的优势,最大限度获取目标场景的地物特征,在军事和民用领域都具有广泛的应用。而这些应用的前提是稳定可靠的高精度图像配准技术,因此,研究二者的图像配准技术具有重要意义。本学位论文以可见光和SAR图像为研究对象,深入研究可见光和SAR图像的配准技术,旨在提高可见光和SAR图像的配准精度、算法效率和鲁棒性。针对SAR图像存在斑点噪声,可见光和SAR图像地物的辐射特性和几何特性差异等问题,从多种角度研究了可见光与SAR遥感图像配准算法,具体研究内容如下:（1）SIFT算法在处理可见光和SAR图像配准时经常失效,针对此问题,提出一种基于非线性扩散滤波和改进SIFT的可见光和SAR图像配准方法。首先,采用非线性扩散滤波构建影像的尺度空间,能够在抑制斑点噪声的同时,更好地保存图像的边缘和细节特征;接着,分别采用多尺度Sobel算子和多尺度ROEWA算子计算可见光和SAR图像的一致性梯度信息,并在一致性梯度信息基础上构建了两类Harris尺度空间,在该尺度空间上提取重复性高且对噪声鲁棒的特征点;最后,基于梯度位置方向直方图构建描述符,利用特征的位置、尺度和方向对特征进行约束,完成特征匹配。实验结果表明,该算法在匹配成功率和匹配精度上优于改进的SIFT算法,并保留了SIFT算法的旋转和尺度不变性。（2）机载光电/SAR一体化平台在获取图像过程中存在视轴指向误差,且可见光和SAR影像间存在较大的非线性辐射差异,针对此问题,设计了适用于机载图像的可见光和SAR配准框架。首先,利用地理信息进行粗匹配准,确定二者图像大致的重叠区域,大致消除图像间存在的旋转差异,并根据传感器的分辨率信息通过重采样大致消除图像间的尺度差异;随后,对重叠区域图像进行精配准,采用分块Harris在参考图像中提取一定数量的角点和网格点作为特征点;并利用图像的梯度信息构造图像的三维稠密特征表达图,在此基础上对每个特征点构建三维结构信息描述符;最后,为了增加匹配速度,将描述符转到频域,利用平方和之差作为相似性度量,采用模板匹配实现相似度匹配。实验结果表明,该方法实时性较好,并能获得较高的匹配精度,适合工程应用。（3）SAR图像的斑点噪声和可见光SAR图像间的非线性辐射差异,导致可见光和SAR配准算法的鲁棒性较差,针对此问题,提出一种鲁棒的可见光和SAR遥感图像配准算法（ROS-PC）。该算法包括一个新颖的特征检测器（UMPC-Harris）和一个新颖的局部特征描述符（HOMSI）。UMPC-Harris利用相位一致性矩信息构造相位一致性多矩图,并在多矩图上采用投票策略,选取了稳定的、重复率高的边缘点和角点作为特征点;HOMSI采用多尺度最大幅值索引图和相位一致性方向取代图像灰度梯度幅值和方向特征构建局部特征描述符,以克服梯度信息对影像间灰度差异敏感的问题。实验结果表明,所提出ROS-PC算法能够较好的抑制可见光和SAR图像的辐射差异,提高匹配算法的鲁棒性。本论文提出的方法在特征提取、特征描述和特征匹配等方面提供了研究的新思路,为实现高精度、鲁棒性好的可见光和SAR图像配准算法提供了一定的理论依据和设计参考。
李凯[5]（2021）在《静止轨道高分辨率气象遥感卫星图像处理的若干关键技术研究》文中指出遥感卫星作为获取地物信息的重要平台,其图像产品广泛应用于气象预测、资源普查、城市规划、灾害监测、环境保护、军事侦查等诸多领域。在气象应用领域中,气象遥感卫星逐步发展成由极地轨道和地球静止轨道的组合观测系统。其中,地球静止轨道卫星相较于极轨卫星对同一区域可以高频次的观测,因此具有较高的时间分辨率。然而受工作环境、成像设备及成像模式等因素的影响,搭载在静止轨道遥感卫星的多通道扫描型载荷在成像、传输与存储的过程中,所观测到的数据会出现一定程度上的降质,即观测数据在应用前需要进行预处理。本文对降质数据进行恢复与重建,并对其中涉及到的四类主要关键技术展开研究:1)双向扫描模式引入的行间错位现象（帧内配准）;2)受温度场等因素影响所引起的通道间配准量的变化（通道间配准）;3)基于现有硬件提高图像分辨率（超分重建）;4)探测器像元响应的非均匀性所带来的条纹噪声（去噪）。数据降质会直接影响遥感图像的判读、信息提取和后续应用。因此本文依托于风云四号A星载荷多通道扫描辐射计（AGRI）,对气象遥感卫星图像进行去噪、配准和重建等关键技术研究,在以下四个方面开展了具有创新性的研究工作:（1）针对扫描型载荷行间错位现象,本文根据载荷扫描模式建立基于傅里叶相移理论的数学模型。该模型首先计算了相邻两个错位行处相邻像元之间相位差谱曲线。其次,使用最小二乘法对相位差谱曲线的低频部分进行拟合来估计错位值。最后,根据错位值使用双线性插值方法对错位行进行重建,解决错位现象。本文算法能够将错位行配准到一个像素以内,完成较好的帧内配准结果。（2）针对通道间配准量的计算,本文结合AGRI云图特点,提出两种配准方法联合的策略对多通道图像对之间的配准量进行系统的计算。对于地物目标与云层信息界面清晰的通道使用基于归一化互信息和抛物线插值的常规方法进行通道间配准量计算;对于地物目标界限模糊的红外通道通过提取其云信息分布图像,并将云信息分布图作为配准源,再通过相位相关配准方法计算配准量。通过两种方法的联合可以得到所有通道之间的配准量,本文算法对AGRI原始图像进行了处理。结果表明,该算法有较好的鲁棒性、实时性和稳定性并且可以以较高的精度计算出AGRI通道间图像之间的配准量。（3）针对多通道扫描型载荷中红外超分重建通道,提出一种基于最大后验概率（MAP）框架的多帧图像超分辨率重建方法。本文根据成像模式对降质模型进行解耦,首先使用相位相关方法对配准量进行验算,然后根据低分辨率观测图像与重建图像之间模糊函数的关系,由低分辨率图像估计出降质模型所需要的模糊函数。在对图像超分重建模型的主要参数进行估计后,本文选用了基于MAP框架的正则化重建方法。其中,在保真项中,选用了高斯噪声模型对应的L2范数,同时在正则化项中选用具有边缘保护能力较强的双边全变分（BTV）。通过仿真图像以及AGRI原始图像的重建结果表明,本文超分重建方案能够有效提高图像空间分辨率。（4）针对遥感影像非均匀性带来的条纹噪声,本文根据扫描型载荷扫描方式和条纹噪声的结构属性出发,建立数学优化模型,从观测图像中估计出条纹噪声成分来实现去噪的目的。与大多数现有的条纹去除优化模型不同,在本文提出的方法中,使用L1范数正则化来表示条纹噪声图像的稀疏特性;使用基于差分的约束来描述条纹方向（扫描方向）上的平滑性以及垂直条纹方向（步进方向）上的不连续性。为了使图像细节信息不受影响,本文在垂直条纹方向上的约束项中添加了保护边缘的权重因子。最后,通过交替方向乘子法（ADMM）对所提优化模型进行求解和优化。通过对AGRI原始数据的处理并与典型去条纹噪声方法进行了对比,结果显示本文算法在较好地保护细节的同时,对条纹噪声进行了去除,并在定性与定量的结果中表现出了较好的性能。
刘润山[6]（2021）在《彩色夜光遥感图像光谱校正及颜色插值研究》文中研究说明夜光遥感作为遥感领域目前主要的发展方向之一,近年来在自然科学和社会经济领域受到越来越广泛的关注,夜光遥感主要通过遥感卫星对城镇灯光、渔船灯光、火点等可见光辐射源进行捕获。夜光遥感图像相比于普通遥感卫星图像可以更直观地展现人类活动的差异,因此夜光遥感被广泛地应用于社会经济领域。为了较好地保留夜光遥感成像过程中的真实光谱辐射信息,本论文主要进行了夜光遥感卫星的带外光谱响应校正研究和颜色插值算法研究。首先,针对遥感成像过程中不同光谱通道之间的辐射混合,即带外响应,提出了一种夜光遥感卫星带外光谱响应校正的方法。根据夜光遥感相机光谱响应模型,通过分析成像过程中出现带外光谱响应的原因,建立带外响应校正模型。利用夜光遥感相机各谱段间光谱响应函数和不同光谱特性的标准光源进行计算,最终得到带外响应校正系数,并以此完成对Bayer格式图像的带外响应校正处理。其次,由于经过带外响应校正后的图像仍为单通道Bayer格式图像,因此为获取完整的彩色图像,并尽量降低插值过程对光谱辐射精度的影响,本文提出了一种改进的颜色插值算法。该算法主要分为三个步骤:采用边缘敏感插值算法对G通道进行像素初始估计值,建立G通道初始估计值与不同通道之间的色差平面,还原其它通道的像素预估值,并经过计算完成对G通道像素的更新细化;为了进一步优化G通道像素,通过扩大参考范围以及方向性的结合,重建G通道与其他通道之间的色差平面,将不同方向的权重值与色差平面结合建立新的色差关系,再与原始R、B通道相加恢复完整的G通道平面;利用导向滤波的方法对R、B通道像素进行重建。最后,本文采用遥感卫星在轨拍摄目标光源并对辐亮度信息进行反演,并与地面实测值进行对比,通过分析对比结果对所提出带外光谱响应校正方法和颜色插值算法进行实验验证。实验结果表明本文提出的带外响应校正方法与颜色插值算法能够较好的保留目标光源的光谱辐亮度信息,并以此验证了本文方法能够有效地提高彩色夜光遥感相机的辐射测量精度。
钱立勇[7]（2021）在《高光谱成像激光雷达光纤阵列焦面分光技术》文中研究指明随着激光雷达技术在遥感和测绘领域的不断发展,实现对地物目标空间高程信息和光谱信息一体化同步获取与识别应用,是激光雷达在遥感测绘领域的发展趋势。目前的主要技术手段中,激光雷达测距可以获得地物目标的空间高程信息,被动高光谱成像可以获得丰富的光谱信息,但两种技术手段不能同时获取空间高程信息和光谱信息。然而在高光谱成像激光雷达系统中,地物的高光谱信息和高程信息来自同一个足印点,将它们结合能够实现对地物信息的精准探测。针对目前主、被动遥感探测技术的优势和缺陷,论文的主要研究内容是基于光纤阵列焦面分光技术,设计了一套机载高光谱成像激光雷达接收系统。该系统目前可以实现距离目标物500米远处、光谱波段在500-800nm范围内的全天时光谱探测。继续完善雷达系统的光机集成,可以进一步提高系统的探测能力。高光谱成像激光雷达接收系统的设计、系统的扫描方式、系统的标定和初步的性能测试是论文研究工作的重点。论文的研究工作具体包括以下几个方面:1.综述了高光谱成像激光雷达的应用领域和研究意义。针对当前高光谱成像激光雷达的技术难点,基于光纤阵列焦面分光技术,设计了一套机载高光谱成像激光雷达系统。实现了宽谱段回波信号的多通道分光和高效耦合,充分发挥了高光谱激光雷达的探测优势。2.相比较于传统的单波长激光雷达,高光谱成像激光雷达系统是一种全新的对地观测技术。将高光谱成像激光雷达系统测量获得的光谱信息应用于地物分类等任务之前,在实验室完成了该系统的光谱标定,初步确定了系统各个通道的中心波长和带宽。同时,给出了可以完成系统辐射标定工作的理论方法。在外场试验的过程中依据该方法,给出了一种利用标准白板就可以直接完成系统辐射标定的方法。3.扫描系统是高光谱成像激光雷达的重要组成部分。论文主要介绍了目前普遍采用的多面体转镜扫描、振镜扫描、圆锥扫描三种扫描系统。对各种扫描方式的轨迹进行了理论推导,结合机载平台实际的飞行航迹,得出了发射激光扫描轨迹与扫描方式的关系。以四面体转镜为例,将转镜的实际扫描轨迹与机载高光谱激光雷达的飞行参数相结合,得到了飞行参数和扫描系统共同作用下的地物目标扫描轨迹和对应的参数指标。最终设计了一种适用于高光谱成像激光雷达系统的圆锥扫描方式。4.完成了高光谱成像激光雷达接收系统的地面静态性能测试,接收系统的性能测试是高光谱成像激光雷达在机载飞行试验之前最重要的准备工作。性能测试证明了系统样机达到了预先设计的指标参数要求。同时,针对性能测试中发现的问题,制定了下一步详细的改进方案。
刘泽宇[8]（2021）在《基于遥感图像的输油管道高后果区识别方法研究》文中认为输油管道是一种持续运输的高危系统,保障其安全运行并对可能发生的泄漏事故进行预警和管控具有重要意义。输油管道高后果区的定义为管道泄漏后可能对公众和环境造成较大不良影响的区域,高后果区识别任务需要解决的两个主要问题为:确定管道沿线地物目标的类型;测算管线与特定目标间的距离,划定可能受影响的区域。输油管线里程长,沿线周围情况变化较多,传统依赖人工巡线与实地测量的方式难以适应日益严格的高后果区管理要求。本文研究基于遥感图像的输油管道高后果区识别方法,通过遥感图像分类方法获取管道沿线地物信息,并与地理信息系统（Geographic Information System,GIS）相结合,利用GIS的空间关系分析技术,依据高后果区识别准则,计算输油管线与地物目标的拓扑关系,对输油管道高后果区进行识别。本文主要工作如下:首先,针对简单线性迭代聚类超像素分割算法无法直接用于多光谱遥感图像,并且未充分利用图像特征信息及超像素尺寸、数量固定导致的分割精度较低的问题,本文提出一种基于流形-简单线性迭代聚类算法改进的遥感图像超像素分割算法,融入多段光谱特征及纹理特征对遥感图像进行内容敏感超像素分割,实现对多种形式的遥感数据进行准确的超像素分割的目的。其次,为提高基于图的半监督分类方法的分类精度,融合面向对象遥感图像分类思想,给出一种以超像素为节点构建图结构的方法。使用超像素代替遥感图像中的原始像素,缩减图的规模,并以超像素为基准区域提取特征,采用多种距离度量方法计算超像素节点间的边缘权重,构建准确表示数据间关系的图结构。最后,将分类方法用于输油管道沿线的高分多光谱遥感图像上,使用少量标记数据从图像中获取高后果区地物目标信息,并结合地理信息系统根据获取的高后果区地物目标轮廓坐标与管线坐标对实地情况进行建模,根据识别准则利用地理信息系统中的空间分析工具计算管线与地物目标的拓扑关系,实现输油管线高后果区的识别。利用给出的识别方法设计并实现基于遥感图像的输油管道高后果区识别系统,通过与实际情况比较,验证系统与识别方法的有效性。
韩伟[9]（2021）在《基于深度神经网络的高分辨率遥感影像弱小目标检测》文中认为近年来,高分辨率光学遥感影像弱小目标检测成为遥感信息处理的研究热点之一。影像中地物目标尺度小、种类多、数量巨大、视觉特征差异显着、且受复杂背景、噪声和小样本等因素影响,使得高分辨率遥感影像弱小目标检测面临巨大挑战。本文考虑到高分辨率遥感影像具有丰富空间细节信息的特点,基于深度神经网络强大的层次特征表达能力,开展面向高分辨率遥感影像弱小目标检测的深度学习模型研究,围绕“弱小目标尺度小-特征响应弱-标注样本少”三个科学问题,开展系统研究,为城市监控、防灾救灾等领域中弱小目标检测任务提供解译模型,具有重大的科学意义和社会价值。论文的主要创新点和研究内容如下:（1）本文详细介绍高分辨率遥感影像弱小目标检测的应用背景、核心科学问题,并系统回顾遥感目标检测领域的代表性数据集、主流检测方法,总结当前应对弱小目标检测不同挑战的研究现状。在此基础上,本文针对遥感领域缺少挑战性无人机目标检测数据,以复杂山区为研究区域,标注10类高分辨率无人机影像弱小目标检测数据集,该数据充分考虑到真实场景下地物目标多类共存、尺度差异大、非均衡分布以及噪声等因素,为本文和后续相关研究提供数据基础。（2）本文提出基于采样平衡的多尺度级联检测器。针对弱小目标尺度小,影像占比低,主流检测方法漏检率高的问题,本检测器首先构建影像多尺度空间信息,过滤低质量训练实例,加入平衡L1损失和多阶段检测器,实现抑制低质量样本梯度和自适应生成正训练实例,并逐步优化预测结果,达到对于小尺度地物目标高效检测。（3）本文提出基于上下文和尺度意识的特征增强检测器。针对弱小目标特征响应弱,受背景和噪声影响,导致难以识别的问题,本检测器挖掘目标的全局和局部上下文信息提升目标特征强度,并融合跨尺度特征语义,加强弱目标的特征判别性,提升弱目标的检测效果。（4）本文提出基于深度特征的半监督样本生成方法。针对主流深度学习模型依赖海量标注样本来实现高效的解译性能,但样本标注过程费时费力的问题,本方法首先利用预训练深度网络提取遥感影像高维特征,并从多特征空间对无标签样本类别进行评估,最后结合针对性判别器,提升标注准确性。本方法通过将无标签数据选择性标注,转化为标注训练集,从而显着小样本条件下高分辨率遥感影像解译效果。本论文面向高分辨率遥感影像弱小目标检测任务,针对高分辨率遥感影像空间细节信息丰富特点和弱小地物目标特性,首先标注10类高分辨率无人机影像弱小目标检测数据集,接下来提出基于深度神经网络的弱小目标检测方法体系,实现对高分辨率遥感影像中弱小地物目标高效检测,为实际应用中的弱小目标检测任务提供解译模型。
潘益群[10]（2021）在《基于特征的光学和SAR影像配准与融合方法研究》文中进行了进一步梳理异源遥感影像融合为了使影像信息的可用性最大化,将各自具有互补优势的数据进行整合,在医疗、遥感、计算机视觉和航天领域具有重要的实际价值。光学影像的优势在于它色彩丰富且空间分辨率很高,能清晰地观察到地物丰富的纹理细节信息,而SAR的优势是主动型雷达,24小时不受恶劣天气干扰,且具有一定的穿透性。而配准是影像融合的必要前提步骤,因此研究光学与SAR影像的配准与融合具有重要意义。目前光学和SAR影像随着遥感技术快速发展,其空间分辨率显着提高,传统的配准方法失效。在像素级融合方面,光学和SAR影像因为两者灰度差异大,SAR的灰度范围较窄,导致SAR影像中的结构不能平滑的注入到光学中,而引起融合结果存在光谱扭曲问题。针对以上问题,本文进行方法改进。主要研究内容如下:（1）针对特征点提取,为了检测到更加稳定可靠的特征点,以便后续获得更多正确匹配点对,本文提出构建各向异性扩散的非线性尺度空间,然后在该空间上每层影像进行特征点提取。该尺度空间采取的滤波核是非线性的,而高斯金字塔的滤波核采用的高斯核,是唯一的线性滤波核,非线性尺度空间的滤波核克服了高斯核会使影像模糊的缺点,得到的每一空间尺度影像更加清晰。（2）为了抵抗异源影像成像机制带来的非线性辐射差异,本文利用相位一致性将两幅影像投射到比较一致的空间上。在特征向量构建方面,由于相位一致性值（Phase Consistency,PC）映射中的大多数像素值都接近于零,因此PC映射的信息较少不足以用于特征描述。其次,PC图对噪声很敏感,因为它主要包含边缘,这会导致特征描述不准确。针对以上问题,本文采用了基于PC信息的最大值索引图而不是直接使用PC映射图来进行描述。（3）由于只利用强度值（PC）来描述特征,仍然不太稳健的。所以本文综合利用相位一致性信息,增加了相位一致性的方向属性,增大了相似特征向量与不相似特征向量的区分度。（4）针对融合问题中SAR影像中的结构注入到光学中时不能平滑过渡,而引起融合影像存在光谱扭曲问题,本文提出了基于NSST变换结合分区域的融合算法。该算法主要用分区域的方式替代了IHS逆变换,将SAR目标区域和非SAR目标区域划分开来,然后针对这两个区域使用各自的融合规则。
二、基于遥感图像的人造地物目标信息管理系统（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于遥感图像的人造地物目标信息管理系统（论文提纲范文）
（1）面向高分辨率遥感图像分类的小样本增强方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于空间尺度的样本增强方法 |
| 1.2.2 基于主动学习的样本增强方法 |
| 1.2.3 基于深度学习的样本增强方法 |
| 1.3 存在的问题与挑战 |
| 1.4 研究内容与技术方案 |
| 1.4.1 主要研究内容 |
| 1.4.2 技术方案 |
| 1.5 地表覆盖分类性能评价指标 |
| 1.6 实验数据描述 |
| 1.7 本文结构安排 |
| 2 基于自适应邻域的小样本增强方法研究 |
| 2.1 方法动机 |
| 2.2 自适应邻域求解机制 |
| 2.3 探索初始样本邻域中可利用样本 |
| 2.4 基于均值漂移理论精炼样本 |
| 2.5 实验与分析 |
| 2.5.1 实验设计及参数设置 |
| 2.5.2 视觉效果及定量精度描述 |
| 2.5.3 参数分析 |
| 2.6 本章小结 |
| 3 顾及高分图像类内异质性的小样本增强方法研究 |
| 3.1 方法动机 |
| 3.2 相关技术理论 |
| 3.2.1 直方图理论阐述 |
| 3.2.2 箱线图技术论述 |
| 3.3 直方图构造粗样本集 |
| 3.4 双窗口动态搜索局部最优尺度 |
| 3.5 箱线图挖掘代表性样本 |
| 3.6 实验与分析 |
| 3.6.1 实验设计及参数设置 |
| 3.6.2 视觉效果及定量精度描述 |
| 3.6.3 结果分析 |
| 3.7 本章小结 |
| 4 动态平衡土地覆盖分类精度方法研究 |
| 4.1 方法动机 |
| 4.2 像素级-动态增强样本以平衡土地分类精度方法研究 |
| 4.2.1 挖掘自适应区域中潜在样本 |
| 4.2.2 箱线图优化样本 |
| 4.2.3 预定义迭代规则 |
| 4.2.4 实验与分析 |
| 4.3 对象级-动态增强样本以平衡土地分类精度方法研究 |
| 4.3.1 基于多尺度算法分割高分图像 |
| 4.3.2 高斯分布挖掘对象内潜在样本 |
| 4.3.3 基于空间拓扑关系搜索候选对象 |
| 4.3.4 预定义迭代规则 |
| 4.3.5 实验与分析 |
| 4.4 本章小结 |
| 5 小样本下自适应多尺度特征增强的分类方法研究 |
| 5.1 方法动机 |
| 5.2 自适应多尺度特征提取 |
| 5.3 PCA主成分分析 |
| 5.4 自适应多尺度分类后处理 |
| 5.5 实验与分析 |
| 5.5.1 实验设计及参数设置 |
| 5.5.2 视觉效果及定量精度描述 |
| 5.5.3 结果分析 |
| 5.6 本章小结 |
| 6 高分辨率遥感图像应用实例 |
| 6.1 研究区域 |
| 6.2 实验与分析 |
| 6.2.1 实验设计与分析 |
| 6.2.2 视觉效果及定量精度描述 |
| 6.3 本章小结 |
| 7 总结与展望 |
| 7.1 全文工作总结 |
| 7.2 未来工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（2）基于多角度多光谱偏振遥感的地物目标识别研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 引言 |
| 1.1 课题研究背景及意义 |
| 1.2 多角度多光谱偏振探测技术应用的国内外研究现状 |
| 1.2.1 军事应用 |
| 1.2.2 目标信息反演 |
| 1.2.3 资源勘探 |
| 1.2.4 疾病检查 |
| 1.2.5 图像增强 |
| 1.2.6 目标检测 |
| 1.3 多角度多光谱偏振探测仪器的国内外研究进展 |
| 1.3.1 国外研究进展 |
| 1.3.2 国内研究进展 |
| 1.4 本文研究内容和章节安排 |
| 第2章 光学的偏振及色散基本理论 |
| 2.1 偏振光的介绍 |
| 2.1.1 偏振光的概念 |
| 2.1.2 偏振光的分类 |
| 2.2 偏振光的表示方法 |
| 2.2.1 三角函数表示法 |
| 2.2.2 琼斯矩阵 |
| 2.2.3 斯托克斯矢量 |
| 2.2.4 穆勒矩阵 |
| 2.3 物质的色散特性 |
| 2.3.1 复折射率 |
| 2.3.2 色散方程 |
| 2.3.2.1 非金属色散方程 |
| 2.3.2.2 金属色散方程 |
| 2.4 物质表面散射光的偏振特性 |
| 2.4.1 双向反射分布函数(BRDF) |
| 2.4.2 偏振双向反射分布函数(p BRDF) |
| 2.5 目标表面散射光偏振态的测量 |
| 2.6 本章小结 |
| 第3章 基于多角度偏振光谱信息的金属目标参数反演方法研究 |
| 3.1 金属的多角度多光谱偏振特性分析 |
| 3.1.1 实验仪器及样品介绍 |
| 3.1.2 金属的多角度多光谱偏振特征 |
| 3.2 适用于金属目标表面参数反演的多角度多光谱偏振二向反射模型 |
| 3.3 金属目标参数反演算法 |
| 3.4 基于多角度多光谱偏振信息的金属表面参数反演方法验证 |
| 3.4.1 金属多角度多光谱偏振二向反射模型对噪声的鲁棒性分析 |
| 3.4.2 金属目标表面参数反演实验验证 |
| 3.5 本章小结 |
| 第4 章 基于多角度偏振光谱信息的非金属目标参数反演方法研究 |
| 4.1 适用于非金属目标表面参数反演的多角度多光谱偏振二向反射模型 |
| 4.2 非金属目标参数反演算法 |
| 4.3 基于多角度多光谱偏振信息的非金属表面参数反演方法验证 |
| 4.3.1 非金属多角度多光谱偏振二向反射模型对噪声的鲁棒性分析 |
| 4.3.2 非金属目标表面参数反演实验验证 |
| 4.4 本章小结 |
| 第5 章 用于地物目标参数反演的最优探测条件研究 |
| 5.1 适用于地物目标参数反演最优探测波段研究 |
| 5.1.1 全局敏感度Sobol算法 |
| 5.1.2 模型参数物理意义及取值范围 |
| 5.1.3 金属及非金属目标最优反演波段分析 |
| 5.2 适用于地物目标参数反演的最优光谱分辨率与探测角度个数研究 |
| 5.2.1 蒙特卡洛仿真实验条件及流程 |
| 5.2.2 适用于金属目标参数反演的最优探测条件分析 |
| 5.2.3 适用于非金属目标参数反演的最优探测条件分析 |
| 5.3 本章小结 |
| 第6 章 总结与展望 |
| 6.1 论文工作总结 |
| 6.2 论文创新点 |
| 6.3 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（3）遥感图像桥梁目标检测方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于深度学习的目标检测发展现状 |
| 1.2.2 桥梁目标检测算法发展现状 |
| 1.3 论文的主要工作及章节安排 |
| 1.3.1 主要研究工作 |
| 1.3.2 章节安排 |
| 第二章 相关基础理论与可行性分析 |
| 2.1 卷积神经网络基础 |
| 2.1.1 卷积层 |
| 2.1.2 池化层 |
| 2.1.3 全连接层 |
| 2.1.4 激活函数 |
| 2.1.5 损失函数 |
| 2.2 可行性分析 |
| 2.2.1 数据集 |
| 2.2.2 基于深度学习算法的可移植性 |
| 2.2.3 搭载模型的硬件设施 |
| 2.3 本章小结 |
| 第三章 基于深度学习的遥感图像目标检测 |
| 3.1 引言 |
| 3.2 基准目标检测模型框架 |
| 3.2.1 特征提取网络 |
| 3.2.2 区域候选网络 |
| 3.2.3 感兴趣区域池化网络 |
| 3.3 基准目标检测模型优化方案 |
| 3.3.1 数据预处理 |
| 3.3.2 多尺度特征提取 |
| 3.3.3 完善锚框 |
| 3.3.4 感兴趣区域转换 |
| 3.4 实验设置及结果分析 |
| 3.4.1 实验环境及评价指标 |
| 3.4.2 结果分析 |
| 3.5 本章小结 |
| 第四章 遥感图像下的多尺度目标划分 |
| 4.1 引言 |
| 4.2 数据集尺度分布 |
| 4.3 目标尺度划分标准 |
| 4.3.1 常规图像目标划分标准 |
| 4.3.2 遥感图像目标划分标准 |
| 4.4 本章小结 |
| 第五章 基于深度学习的遥感图像桥梁检测 |
| 5.1 引言 |
| 5.2 遥感图像桥梁单目标检测 |
| 5.3 基于道路骨架知识的桥梁检测 |
| 5.3.1 基于Sobel算子的桥梁检测 |
| 5.3.2 基于Canny算子的桥梁检测 |
| 5.4 本章小结 |
| 总结与展望 |
| 总结 |
| 展望 |
| 参考文献 |
| 致谢 |
| 攻读学位期间取得的学术成果 |
| 个人简历 |
（4）可见光与SAR遥感图像配准技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 缩略语对照表 |
| 第1章 绪论 |
| 1.1. 研究背景及意义 |
| 1.2. 遥感图像配准技术的国内外研究现状 |
| 1.2.1. 基于灰度的遥感图像配准方法 |
| 1.2.2. 基于特征的遥感图像配准方法 |
| 1.3. 论文的主要研究内容及章节安排 |
| 1.3.1. 本文主要研究内容 |
| 1.3.2. 章节安排 |
| 1.3.3. 论文组织架构 |
| 第2章 可见光与SAR遥感图像配准技术概述 |
| 2.1. 引言 |
| 2.2. 图像配准基础 |
| 2.2.1. 图像配准定义 |
| 2.2.2. 常用的几何变换模型 |
| 2.2.3. 典型的图像配准算法 |
| 2.2.4. 配准方法的评价准则 |
| 2.3. 可见光和SAR遥感图像配准的相关问题描述 |
| 2.3.1. 可见光和SAR传感器成像特点 |
| 2.3.2. 可见光和SAR传感器的地面分辨率 |
| 2.3.3. 可见光和SAR遥感图像配准研究的困难点 |
| 2.4. 本章小结 |
| 第3章 基于非线性扩散滤波和改进SIFT的可见光和SAR图像配准方法 |
| 3.1. 引言 |
| 3.2. 基于非线性扩散的Harris尺度空间特征点提取 |
| 3.2.1. 非线性扩散尺度空间 |
| 3.2.2. 一致梯度计算 |
| 3.2.3. 特征点检测 |
| 3.3. 基于梯度位置方向直方图的描述符构建 |
| 3.3.1. GLOH-Like描述符 |
| 3.3.2. 主方向分配 |
| 3.3.3. 基于特征约束的特征匹配策略 |
| 3.4. 实验结果分析 |
| 3.4.1. 实验数据和参数设置 |
| 3.4.2. 图像配准算法实验 |
| 3.4.3. 旋转和尺度不变性实验 |
| 3.5. 本章小结 |
| 第4章 基于地理信息约束与三维稠密特征表达的光SAR图像快速配准方法 |
| 4.1. 引言 |
| 4.2. 基于地理信息约束的可见光与SAR遥感图像粗配准 |
| 4.2.1. 基本坐标系定义 |
| 4.2.2. 基本坐标变换 |
| 4.2.3. 基于地理位置信息约束的可见光和SAR遥感图像粗配准算法 |
| 4.2.4. 实验结果 |
| 4.3. 基于三维稠密特征表达的可见光与SAR遥感图像精配准 |
| 4.3.1. Harris点特征和网格点特征提取 |
| 4.3.2. 基于三维稠密特征表达的描述符构建 |
| 4.3.3. 基于SSD度量的快速模板匹配 |
| 4.4. 实验结果与分析 |
| 4.4.1. 实验数据 |
| 4.4.2. 参数设置 |
| 4.4.3. 实验结果及分析 |
| 4.5. 本章小结 |
| 第5章 基于改进相位一致性的可见光与SAR遥感图像配准方法 |
| 5.1. 引言 |
| 5.2. 相位一致性理论 |
| 5.3. 基于UMPC-Harris的特征点提取方法 |
| 5.4. 基于相位一致性方向和多尺度最大索引的特征描述符 |
| 5.4.1 多尺度最大索引图 |
| 5.4.2 相位一致性方向 |
| 5.4.3 HOSMI局部特征描述符构建 |
| 5.5. UMPC-Harris特征提取算法实验与性能分析 |
| 5.5.1. 实验设置和评价指标 |
| 5.5.2. UMPC-Harris对SAR图像斑点噪声的鲁棒性实验 |
| 5.5.3. UMPC-Harris对SAR图像辐射变化的鲁棒性实验 |
| 5.6. 图像配准实验结果和分析 |
| 5.6.1. 实验数据 |
| 5.6.2. 实验参数设置 |
| 5.6.3. 实验结果及分析 |
| 5.7. 旋转和尺度变化对ROS-PC的影响实验 |
| 5.7.1. ROS-PC旋转变化性能测试 |
| 5.7.2. ROS-PC尺度变化性能测试 |
| 5.8. 本章小结 |
| 第6章 总结与展望 |
| 6.1. 全文工作总结 |
| 6.2. 论文主要创新点 |
| 6.3. 研究展望 |
| 参考文献 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
| 致谢 |
（5）静止轨道高分辨率气象遥感卫星图像处理的若干关键技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景与意义 |
| 1.2 本文课题研究现状及关键技术研究 |
| 1.2.1 帧内配准方法 |
| 1.2.2 通道间配准方法研究 |
| 1.2.3 基于亚像元技术的超分重建 |
| 1.2.4 条纹噪声去除方法 |
| 1.3 本文主要研究内容及章节安排 |
| 第2章 多通道扫描辐射计帧内配准方法研究 |
| 2.1 引言 |
| 2.2 AGRI图像错位特征 |
| 2.3 帧内配准方法介绍 |
| 2.3.1 相位相关方法获取偏移量 |
| 2.3.2 错位行重建 |
| 2.3.3 帧内配准方法流程图 |
| 2.4 实验结果与分析 |
| 2.4.1 仿真实验 |
| 2.4.2 真实数据处理 |
| 2.5 本章小结 |
| 第3章 多通道扫描辐射计通道间配准方法研究 |
| 3.1 引言 |
| 3.2 气象图像特征描述 |
| 3.3 基于地球全圆盘轮廓的通道间粗配准 |
| 3.3.1 轮廓提取模型与算法 |
| 3.3.2 基于轮廓的通道间粗配准 |
| 3.4 基于归一化互信息的精配准 |
| 3.4.1 归一化互信息 |
| 3.4.2 抛物线插值 |
| 3.4.3 配准结果 |
| 3.5 基于云信息分布和相位相关的精配准 |
| 3.5.1 预处理 |
| 3.5.2 相位相关方法 |
| 3.5.3 配准结果 |
| 3.6 本章小结 |
| 第4章 多通道扫描辐射计红外超分通道重建方法研究 |
| 4.1 引言 |
| 4.2 红外亚像元成像技术原理 |
| 4.2.1 抽样定理 |
| 4.2.2 红外线阵探测器亚像元技术成像实现 |
| 4.3 红外亚像元超分辨率算法 |
| 4.3.1 图像观测模型 |
| 4.3.2 多帧图像的超分辨率重建算法 |
| 4.3.3 基于MAP框架的正则化重建方法 |
| 4.4 实验与分析 |
| 4.4.1 仿真图像实验 |
| 4.4.2 真实图像实验 |
| 4.5 本章小结 |
| 第5章 多通道扫描辐射计条纹噪声去除方法研究 |
| 5.1 引言 |
| 5.2 条纹噪声来源分析 |
| 5.3 条纹噪声去除算法的分析与比较 |
| 5.3.1 图像滤波方法 |
| 5.3.2 灰度特征统计方法 |
| 5.3.3 基于优化的方法 |
| 5.4 基于L1范数的条纹噪声去除方法 |
| 5.4.1 条纹噪声模型 |
| 5.4.2 条纹噪声成分的估计模型 |
| 5.5 ADMM最优化 |
| 5.5.1 Z-子问题 |
| 5.5.2 V-子问题 |
| 5.5.3 H-子问题 |
| 5.5.4 s-子问题 |
| 5.6 实验与分析 |
| 5.6.1 周期条纹噪声去除 |
| 5.6.2 随机条纹噪声去除 |
| 5.6.3 参数分析 |
| 5.7 本章小结 |
| 第6章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（6）彩色夜光遥感图像光谱校正及颜色插值研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 研究现状 |
| 1.2.1 带外响应校正研究现状 |
| 1.2.2 Bayer颜色插值研究现状 |
| 1.3 主要研究内容及论文组织结构 |
| 第2章 彩色夜光遥感成像机理 |
| 2.1 遥感器的基本组成 |
| 2.2 夜光遥感成像模式 |
| 2.3 彩色滤光阵列 |
| 2.4 传感器成像原理 |
| 2.5 本章小结 |
| 第3章 带外光谱响应校正 |
| 3.1 辐射源 |
| 3.1.1 自然辐射源 |
| 3.1.2 人工辐射源 |
| 3.2 带外响应校正模型 |
| 3.3 带外响应校正系数求解 |
| 3.4 本章小结 |
| 第4章 颜色插值算法研究 |
| 4.1 彩色图像处理 |
| 4.1.1 彩色基础 |
| 4.1.2 彩色模型 |
| 4.2 图像插值算法简介 |
| 4.2.1 双线性插值 |
| 4.2.2 色比恒定插值算法 |
| 4.2.3 基于梯度的无阈值颜色插值算法 |
| 4.2.4 残差插值算法 |
| 4.2.5 自适应残差插值 |
| 4.3 改进的颜色插值算法研究 |
| 4.4 插值结果及分析 |
| 4.5 本章小结 |
| 第5章 地面及在轨验证实验 |
| 5.1 地面验证实验 |
| 5.1.1 相机标定实验 |
| 5.1.2 星点验证实验 |
| 5.2 在轨验证实验 |
| 5.2.1 地面光源标定实验 |
| 5.2.2 大气透过率测试 |
| 5.3 实验数据处理 |
| 5.4 实验数据分析 |
| 5.5 本章小结 |
| 第6章 总结和展望 |
| 6.1 全文工作总结 |
| 6.2 创新点 |
| 6.3 研究工作展望 |
| 参考文献 |
| 致谢 |
| 作者简历及攻读学位期间发表的学术论文与研究成果 |
（7）高光谱成像激光雷达光纤阵列焦面分光技术（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第1章 绪论 |
| 1.1 研究背景及意义 |
| 1.2 国内外研究现状与存在的问题 |
| 1.2.1 国内外研究进展 |
| 1.2.2 存在的问题与不足 |
| 1.3 高光谱成像激光雷达的应用领域 |
| 1.4 论文内容和章节安排 |
| 1.4.1 论文的研究内容 |
| 1.4.2 论文框架 |
| 1.5 本章小结 |
| 第2章 高光谱成像激光雷达的基本原理和关键技术 |
| 2.1 高光谱成像激光雷达的基本原理和技术参数 |
| 2.1.1 高光谱激光雷达系统的组成和探测原理 |
| 2.1.2 高光谱成像激光雷达的主要技术参数 |
| 2.2 高光谱成像激光雷达的成像系统 |
| 2.2.1 扫描式的光机成像系统 |
| 2.2.2 推扫式成像系统 |
| 2.2.3 凝视式的成像系统 |
| 2.3 高光谱成像激光雷达系统的分光技术 |
| 2.3.1 色散型光学分光技术 |
| 2.3.2 干涉型光学傅立叶分光技术 |
| 2.3.3 滤光片型光学分光技术 |
| 2.4 高光谱成像激光雷达方程 |
| 2.5 本章小结 |
| 第3章 基于光纤阵列焦面分光的雷达系统设计 |
| 3.1 雷达成像系统的参数设计和模型仿真 |
| 3.1.1 高光谱激光雷达仿真输入参数 |
| 3.1.2 高光谱激光雷达仿真结果分析 |
| 3.2 高光谱成像激光雷达焦面分光系统的设计 |
| 3.2.1 焦面分光系统的基本原理 |
| 3.2.2 焦面分光系统的设计 |
| 3.2.2.1 接收望远镜的设计 |
| 3.2.2.2 光栅光谱仪 |
| 3.2.2.3 微透镜-光纤阵列的设计 |
| 3.3 焦面分光系统的参考光信号 |
| 3.4 系统背景光的抑制 |
| 3.4.1 窄视场接收 |
| 3.4.2 数值孔径匹配 |
| 3.4.3 内部杂散光抑制 |
| 3.5 系统的安装调试 |
| 3.6 系统光学透过率 |
| 3.7 本章小结 |
| 第4章 高光谱成像激光雷达的扫描方式 |
| 4.1 雷达系统的扫描方式 |
| 4.2 多面体转镜扫描 |
| 4.3 振镜扫描 |
| 4.4 圆锥扫描 |
| 4.5 本章小节 |
| 第5章 高光谱成像激光雷达接收系统的标定 |
| 5.1 雷达接收系统的光谱标定 |
| 5.1.1 光谱标定的原理与实验准备 |
| 5.1.2 光谱标定的结果与分析 |
| 5.2 雷达接收系统在实验室的辐射标定 |
| 5.2.1 辐射标定的原理与实验准备 |
| 5.2.2 辐射标定的结果与分析 |
| 5.3 雷达接收系统在外场试验时的辐射标定 |
| 5.4 不确定度分析 |
| 5.5 本章小节 |
| 第6章 高光谱成像激光雷达接收系统的性能测试 |
| 6.1 高光谱成像激光雷达接收系统 |
| 6.2 外场试验的测试环境和设备 |
| 6.2.1 测试环境和设备的调试 |
| 6.2.2 雷达系统的探测和同步采集 |
| 6.3 雷达系统的光谱探测性能 |
| 6.4 雷达系统的距离精度测试 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 论文的总结 |
| 7.2 主要研究工作和创新点 |
| 7.3 下一步的工作展望 |
| 参考文献 |
| 致谢 |
| 在读期间发表的学术论文与取得的其他研究成果 |
（8）基于遥感图像的输油管道高后果区识别方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 创新点摘要 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究现状 |
| 1.2.1 管道高后果区识别理论研究现状 |
| 1.2.2 遥感图像与GIS在输油管道高后果区识别中的研究现状 |
| 1.2.3 遥感图像分类方法研究现状 |
| 1.3 论文主要研究内容 |
| 1.4 论文结构安排 |
| 第二章 遥感图像超像素分割 |
| 2.1 引言 |
| 2.2 遥感图像的特点 |
| 2.3 流形-简单线性迭代聚类算法原理 |
| 2.4 改进的遥感图像超像素分割算法 |
| 2.4.1 遥感图像纹理特征提取方法 |
| 2.4.2 多特征融合的遥感图像超像素分割算法 |
| 2.4.3 算法流程 |
| 2.5 算法验证与分析 |
| 2.5.1 纹理特征提取方法验证 |
| 2.5.2 超像素分割算法验证 |
| 2.6 本章小结 |
| 第三章 遥感图像地物分类 |
| 3.1 引言 |
| 3.2 融合面向对象思想的图结构 |
| 3.2.1 超像素对象特征提取 |
| 3.2.2 图结构构造 |
| 3.3 超像素图半监督标签传播 |
| 3.3.1 超像素标签注入 |
| 3.3.2 基于贪心最大割算法的标签传播 |
| 3.4 方法验证与分析 |
| 3.5 本章小结 |
| 第四章 输油管道高后果区识别 |
| 4.1 引言 |
| 4.2 管道完整性管理系统 |
| 4.3 基于遥感图像的输油管道高后果区识别系统设计 |
| 4.3.1 输油管道高后果区识别准则 |
| 4.3.2 系统结构及识别方法流程 |
| 4.4 系统应用 |
| 4.4.1 区块介绍 |
| 4.4.2 遥感图像分类模块 |
| 4.4.3 遥感图像与GIS结合模块 |
| 4.4.4 地图模型建模模块 |
| 4.4.5 拓扑关系计算模块 |
| 4.5 本章小结 |
| 结论 |
| 参考文献 |
| 发表文章目录 |
| 致谢 |
（9）基于深度神经网络的高分辨率遥感影像弱小目标检测（论文提纲范文）
| 作者简历 |
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 选题背景 |
| 1.2 核心科学问题 |
| 1.3 主要研究内容 |
| 1.4 主要创新点和贡献 |
| 1.5 论文组织 |
| 第2章 国内外研究进展回顾 |
| 2.1 高分辨率遥感影像目标检测概述 |
| 2.2 高分辨率遥感影像弱小目标检测 |
| 2.2.1 高分辨率遥感影像特点 |
| 2.2.2 遥感目标检测 |
| 2.2.3 弱小目标检测 |
| 2.3 高分辨率遥感影像目标检测数据集 |
| 2.3.1 数据集属性介绍 |
| 2.3.2 数据集对比 |
| 2.4 主流目标检测方法 |
| 2.4.1 模板匹配方法 |
| 2.4.2 先验知识方法 |
| 2.4.3 基于超像素的图像分析方法 |
| 2.4.4 经典机器学习方法 |
| 2.4.5 基于深度学习的检测模型 |
| 2.5 评价指标 |
| 2.6 本章小结 |
| 第3章 高分辨率无人机遥感影像弱小目标数据集 |
| 3.1 概述 |
| 3.2 10类无人机弱小目标数据集 |
| 3.2.1 数据属性介绍 |
| 3.2.2 UAVOD-10与现有数据集对比 |
| 3.2.3 深度学习检测器性能评估 |
| 3.3 本章小结 |
| 第4章 一种基于采样平衡的多尺度级联检测器 |
| 4.1 概述 |
| 4.2 基于级联网络的小尺度目标检测器 |
| 4.2.1 模型构建 |
| 4.2.2 实验结果与分析 |
| 4.3 基于采样平衡的多尺度级联检测器 |
| 4.3.1 模型构建 |
| 4.3.2 算法流程 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 第5章 一种基于上下文和多尺度意识的特征增强检测器 |
| 5.1 概述 |
| 5.2 模型构建 |
| 5.2.1 局部和全局上下文意识组件 |
| 5.2.2 多尺度特征凝练网络 |
| 5.3 算法流程 |
| 5.4 实验结果与分析 |
| 5.4.1 实验设置 |
| 5.4.2 分离性实验 |
| 5.4.3 CSADet在UAVOD-10数据上的实验结果与分析 |
| 5.4.4 CSADet在HRRSD数据上的实验结果与分析 |
| 5.4.5 CSADet在DIOR数据上的实验结果与分析 |
| 5.4.6 CSADet与SB-MSN检测性能对比 |
| 5.5 本章小结 |
| 第6章 基于深度特征的半监督学习样本生成方法 |
| 6.1 概述 |
| 6.2 模型构建 |
| 6.2.1 问题定义 |
| 6.2.2 基于深度特征的self-training样本标注方法 |
| 6.2.3 基于联合训练的self-label样本标注方法 |
| 6.2.4 判别器区分易混淆类 |
| 6.3 算法流程 |
| 6.4 实验结果与分析 |
| 6.4.1 实验设置 |
| 6.4.2 SSGF在UCM数据上的实验结果 |
| 6.4.3 SSGF在WHU-RS19数据上的实验结果 |
| 6.4.4 SSGF在AID数据上的实验结果 |
| 6.4.5 SSGF在NWPU45数据上的实验结果 |
| 6.5 本章小结 |
| 第7章 总结与展望 |
| 7.1 本文总结 |
| 7.2 研究展望 |
| 参考文献 |
| 致谢 |
（10）基于特征的光学和SAR影像配准与融合方法研究（论文提纲范文）
| 摘要 |
| abstract |
| 第一章 绪论 |
| 1.1 选题背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 基于特征的影像配准现状 |
| 1.2.2 像素级异源影像融合现状 |
| 1.3 论文主要内容 |
| 1.4 论文的结构安排 |
| 第二章 异源影像配准及融合相关技术原理 |
| 2.1 基于灰度和基于特征图像配准算法 |
| 2.1.1 光学和SAR影像配准典型方法 |
| 2.1.1.1 基于灰度信息的配准方法 |
| 2.1.1.2 基于特征信息的配准方法 |
| 2.1.2 空间几何变换模型 |
| 2.2 光学和SAR影像传统融合算法 |
| 2.2.1 融合层级划分 |
| 2.2.2 基于主成分替代法 |
| 2.2.3 基于多尺度分析法 |
| 2.3 本章小结 |
| 第三章 基于各向异性扩散和相位一致性结构的配准算法 |
| 3.1 遥感数据预处理 |
| 3.1.1 影像辐射校正 |
| 3.1.1.1 光学影像辐射校正 |
| 3.1.1.2 SAR影像辐射定标 |
| 3.1.2 SAR影像斑点噪声抑制 |
| 3.2 基于各向异性扩散尺度空间的特征点提取 |
| 3.2.1 各向异性扩散尺度空间构建 |
| 3.2.2 Harris角点提取 |
| 3.3 几何结构特征向量构建 |
| 3.3.1 相位一致性边缘提取 |
| 3.3.2 基于相位一致性的最大值索引构建 |
| 3.3.3 基于相位一致性的方向构建 |
| 3.4 基于RANSAC的误匹配剔除 |
| 3.5 实验结果及分析 |
| 3.5.1 本文配准算法流程 |
| 3.5.2 配准结果验证分析 |
| 3.6 本章小结 |
| 第四章 基于NSST变换的分区域融合算法 |
| 4.1 非下采样剪切波分解 |
| 4.1.1 NSST变换 |
| 4.1.2 基于最近映射的直方图匹配 |
| 4.2 基于分区域的融合算法 |
| 4.2.1 基于能量的低频融合规则 |
| 4.2.2 基于绝对最大值的高频融合规则 |
| 4.2.3 SAR目标区域的分块融合算法 |
| 4.3 实验结果与分析 |
| 4.3.1 本文融合算法流程 |
| 4.3.2 融合质量评价 |
| 4.3.2.1 主观评价方法 |
| 4.3.2.2 客观评价方法 |
| 4.3.3 融合结果验证分析 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
四、基于遥感图像的人造地物目标信息管理系统（论文参考文献）
- [1]面向高分辨率遥感图像分类的小样本增强方法研究[D]. 李广飞. 西安理工大学, 2021(01)
- [2]基于多角度多光谱偏振遥感的地物目标识别研究[D]. 王鑫. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [3]遥感图像桥梁目标检测方法研究[D]. 马广阔. 内蒙古工业大学, 2021(01)
- [4]可见光与SAR遥感图像配准技术研究[D]. 王丽娜. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [5]静止轨道高分辨率气象遥感卫星图像处理的若干关键技术研究[D]. 李凯. 中国科学院大学(中国科学院上海技术物理研究所), 2021(01)
- [6]彩色夜光遥感图像光谱校正及颜色插值研究[D]. 刘润山. 中国科学院大学(中国科学院长春光学精密机械与物理研究所), 2021(08)
- [7]高光谱成像激光雷达光纤阵列焦面分光技术[D]. 钱立勇. 中国科学技术大学, 2021(09)
- [8]基于遥感图像的输油管道高后果区识别方法研究[D]. 刘泽宇. 东北石油大学, 2021
- [9]基于深度神经网络的高分辨率遥感影像弱小目标检测[D]. 韩伟. 中国地质大学, 2021
- [10]基于特征的光学和SAR影像配准与融合方法研究[D]. 潘益群. 电子科技大学, 2021(01)