最新刊期
2025 年 第 29 卷 第 8 期
-
航空遥感图像旋转目标检测技术研究综述 AI导读
“在计算机视觉领域，航空遥感图像目标检测取得显著进展，专家系统性剖析旋转目标检测挑战，为技术发展提供新方向。”
摘要：目标检测是计算机视觉领域中一项核心且具有挑战性的任务。近年来，目标检测在自然图像上取得了巨大成功，针对航空遥感图像目标检测的研究也取得了显著进展。与自然图像中水平目标不同，航空遥感图像中的目标往往以任意方向密集分布于复杂多变的背景之中。为精确高效定位方向目标并识别其类别，以水平检测为基础的旋转目标检测任务被提出。基于深度学习尤其是卷积神经网络CNNs（Convolutional Neural Network）的旋转目标检测虽然受到越来越多的关注，但当前对其存在的挑战缺乏系统性研究。本文重点阐述了航空遥感图像目标检测的研究现状，系统性地剖析了旋转目标检测存在的挑战性难题，目标在于推动相关检测技术的发展。首先，梳理归纳了水平目标检测的通用框架，它们也是旋转目标检测框架的设计基础；其次，重点剖析了旋转目标检测任务面临的主要挑战，总结了应对每项挑战而产生的主要研究成果及其优势和局限性；第三，简要介绍了常用的遥感图像目标检测数据集，并在DOTA、HRSC2016、DIOR-R、STAR等公开遥感图像基准数据集上对当前先进的旋转目标检测器进行了评估对比，在验证当前研究成果显著成效的同时，也初步揭示了它们在处理极端几何形状与复杂场景下存在的局限性；最后，对航空遥感图像旋转目标检测任务的发展趋势与进一步研究方向进行了展望。关键词：目标检测;航空遥感图像;旋转目标检测;卷积神经网络;旋转边界框165|385|0更新时间：2025-08-29 -
跨视角图像地理定位数据集综述 AI导读
“跨视角图像地理定位研究取得新进展，专家构建分类体系，为提升定位精度提供数据基础。”
摘要：跨视角图像地理定位（Cross-view Image Geo-localization）旨在通过不同视角图像间的匹配，检索参考图库中相似度最大的图像，进而利用其GPS标签实现定位功能。传统的单一视角图像地理定位受限于数据集质量、规模以及定位精度等因素，因而近年来众多研究人员和机构发布了一系列跨视角地理定位数据集，为提升地理定位精度打下数据基础。然而目前尚缺乏对跨视角图像地理定位数据集的系统性分析。本文首先梳理了跨视角图像地理定位发展以来的32个经典数据集，从视角信息、构建类型、真实程度、时相信息4个维度构建分类体系并对数据集基本信息进行归纳总结；其次从元数据、影响力、关键词、获取来源以及应用领域5个方面对跨视角图像地理定位数据集进行深入分析，整理概括了跨视角图像地理定位目前的主流算法；最后从数据集多模态趋势、大模型方法、图像干扰物处理以及模型优化4个角度探讨了跨视角定位数据集未来的发展方向，可以为相关领域研究人员提供参考。关键词：跨视角;图像地理定位;数据集;深度学习;无人机;图像检索;图像匹配;计算机视觉80|527|0更新时间：2025-08-29
综述
- “在云—气溶胶研究领域，新提出的2D-SMA算法通过统计概率模型和二维层次检测窗口，显著提高了层次检测的准确性和可靠性。”
摘要：星载激光雷达能够观测云—气溶胶特性的垂直剖面分布，是云—气溶胶研究和监测的独特手段。正交偏振云—气溶胶激光雷达（CALIOP）已在轨运行多年，提供了大量云—气溶胶剖面观测的数据资料。从激光雷达数据中检测云和气溶胶层次的空间位置，是精确反演和提取层次信息的前提。CALIOP官方算法运用经验阈值检测层次，存在较多的层次漏检。当前以一维简单多尺度算法（1D-SMA）为代表的假设检验算法，通过检验给定信号是否符合背景大气分布假设，避免了设置传统的经验阈值阵列，提高了检测准确性。然而，上述方法均未考虑层次信号在二维垂直剖面场景中的空间连续性，漏检现象仍有发生。因此，本文进一步提出了基于伯努利概率分布的二维简单多尺度算法（2D-SMA），运用统计概率模型替换经验阈值阵列，并结合覆盖多根廓线的二维层次检测窗口，实现对相邻廓线信号空间关联的利用。新算法在全水平分辨率（5—80 km）综合检测的层次总面积，比CALIOP官方算法多50.45%，比一维方法1D-SMA多32.45%。新算法仅在5—20 km水平分辨率就能实现与官方算法全分辨率面积相当的层次检出量。最后，本文通过冰云退偏比评估，验证了新算法检测的可靠性。关键词：遥感;星载激光雷达;CALIOP;云和气溶胶;层次检测;多尺度64|190|0更新时间：2025-08-29 - “星载GNSS-R与散射计联合探测能力研究取得新进展，为海陆参量反演研究提供新思路。”
摘要：星载卫星导航系统反射计GNSS-R（Global Navigation Satellite System-Reflectometry）具有独特的前向散射观测方式、较高的空间分辨率以及小卫星组网条件下的高频次观测潜力，可与传统主被动微波遥感手段形成优势互补。传统的主动微波遥感散射计与GNSS-R空间尺度相近，二者在前、后向散射机理、主、被动观测模式等方面具有显著互补性。为寻求星载GNSS-R应用突破，本文从理论和应用两个层面，基于星载GNSS-R和散射计的工作特点，深入分析星载GNSS-R与散射计的联合探测能力，并结合海面风速、土壤湿度两个典型海陆应用场景分别进行试验。结果表明：在近实时应用场景下，二者联合比单源传感器在共同观测区域海面风速反演的均方根误差至少降低了13%；在大尺度应用场景下，具备将联合高精度优势拓展至散射计全域的可行性，将单源散射计全域土壤湿度反演的均方根误差至少降低了6%。因此，未来海陆参量反演研究可从信号源出发，针对二者的观测几何、极化组合、波段组合等在具体场景深入研究，从而拓宽反演方法及应用模式。关键词：星载GNSS-R;散射计;前向散射;后向散射;联合反演;海面风速;土壤湿度;时延—多普勒图;反射率;归一化雷达截面0|0|0更新时间：2025-08-29 -
顾及地理位置特征的近海水深遥感反演方法 AI导读
“记者从最新研究中获悉，一种基于BPNN的水深反演模型在中国涠洲岛和美国莫洛凯岛海域验证了其高精度和可靠性，有效支持浅海测深。”
摘要：高效准确地获取高空间分辨率的浅海水深能够为海上航运、海洋资源普查与保护等提供数据支持。本文提出了一种引入地理位置特征作为建模要素的水深反演方法，构建了基于反向传播神经网络BPNN（Back Propagation Neural Network）的水深反演模型，分别利用Sentinel-2、Landsat 9等不同的遥感影像，在中国涠洲岛海域和美国莫洛凯岛海域对本文提出的方法进行精度和适用性检验。结果表明：在模型筛选过程中发现，机器学习模型建模精度高于其他所有经验模型，其中BPNN模型建模精度最高。引入地理位置特征后可以很好地提高水深反演精度。实验验证结果发现：涠洲岛地区反演精度R2从0.7666提升到0.9952，RMSE从2.5016 m减小到0.3578 m；莫洛凯岛地区R2也达到了0.9939，RMSE从3.0165 m减小到1.0189 m。表明本文构建的水深反演模型精度高、可靠性强、可移植性好，可以有效地用于浅海测深。此外，在加入地理位置特征的同时加入植被指数特征并没有取得更好的结果，反而使模型的建模精度略有降低，说明盲目地增加建模要素并不能提高模型精度，应分析各要素之间的自相关性，进行综合分析取舍建模因子。关键词：光学遥感;近海海域;地理位置特征;BPNN模型;涠洲岛;莫洛凯岛;精度验证167|1228|0更新时间：2025-08-29 -
煤火源甲烷逃逸地基高光谱成像检测方法 AI导读
“记者从新疆阜康煤田火区报道，研究人员开发了新算法，有效检测煤火甲烷排放，为煤火自燃早期识别提供新思路。”
摘要：中国新疆维吾尔自治区、宁夏回族自治区、内蒙古自治区等煤炭资源丰富的地区分布着数百个煤田火区。煤火自燃排放大量温室气体，其无组织性致检测与量化工作面临困难。然而，煤火甲烷在全球温室气体排放中的贡献是不可忽视的。鉴于卫星分辨率的限制，本研究采用地基遥感手段开展煤火源甲烷检测，利用2023年6月在新疆阜康煤田火区采集的宽幅全景地基高光谱影像集，结合甲烷在短波红外的光学敏感特征和高光谱混合像元分解等方法，提出了一套适用于不同地貌特征高温煤火源甲烷逃逸的检测算法，并针对各算法的检测效果进行对比验证和效果评价。结果表明：（1）与已有的甲烷反演指数CH4I（CH4 Index）相比，本研究提出的修正的最小二乘图像增强算法MLSIE（Modified Least Squares Image Enhancement）、比值导数光谱解混算法RCH4I（Ratio-based Derivative Spectral Unmixing for CH4 Index）和去阴影甲烷比值指数DSRCH4I（Deshadowed Spectral Ratio CH4 Index）在煤火源甲烷检测中表现更佳；（2）2DSRCH4I3、MLSIE（2.3 μm）和RCH4I1算法对于地貌复杂的煤火区检测效果较好，其中，2DSRCH4I和MLSIE（2.3 μm）算法也适用于地貌相对单一的山地煤火区，而RCH4I1算法更适用于泄露量大（燃烧剧烈）的活跃煤火区；（3）MLSIE（2.3 μm）算法具有较强的普适性，2DSRCH4I3算法有效抑制伪影/假阳性，检测效果最佳；（4）本文提出算法检测出的煤火区甲烷羽流以与燃烧的火焰共存和以自由扩散形式逸出共两种形式存在。本研究可为检测煤火甲烷提供一种利用地基短波红外成像光谱仪的新方法，也从甲烷逃逸角度为开展煤火自燃的早期识别与预警提供了新思路。关键词：煤火;甲烷;高光谱;短波红外;无组织排放;羽流检测;伪影抑制;温室气体;气候变化96|290|0更新时间：2025-08-29 -
卫星反演云粒子有效半径与飞机探测对比检验 AI导读
“最新研究进展表明，改进的卫星遥感反演算法在云微物理特性研究领域具有重要应用价值，为相关应用提供可靠数据基础。”
摘要：云粒子有效半径（re）的卫星遥感反演是研究云微物理特性和降水形成过程的关键技术，在气溶胶—云相互作用、强对流天气监测预警及人工影响天气等领域具有重要应用价值。对卫星反演re的精确验证是保证相关应用可靠性的必要条件。本文利用改进的卫星3.7 μm通道云粒子有效半径反演算法，基于MODIS和AVHRR观测数据反演了云粒子有效半径（re_o），对比分析了22架次飞机探测获得的大陆性积云的云粒子有效半径，检验了反演算法的可靠性和准确性。检验结果表明：re_o与飞机探测re的一致性很高，反演误差＜2.4 μm，与国际上海洋性层积云的反演误差2 μm接近；re_o与飞机探测re的相关系数达0.79，线性拟合斜率为0.81，而对应的MODIS云产品粒子有效半径（re_p）与飞机探测re的最大相关系数和线性拟合斜率分别为0.43和0.32，相对而言，re_o的准确性更高；re_o随温度（高度）的分布与飞机探测re随温度的变化趋势吻合。结果表明，本文算法反演精度较高，可为相关应用提供可靠的数据基础。关键词：遥感;云粒子有效半径;垂直廓线;卫星反演;飞机探测;检验35|137|0更新时间：2025-08-29
大气与海洋
-
耦合空域重建的植被指数时空融合方法 AI导读
“在作物生长监测领域，专家提出了STFSR时空融合方法，有效提高了NDVI数据精度，为高时空分辨率植被指数数据生成提供新思路。”
摘要：高时空分辨率归一化植被指数NDVI（Normalized Difference Vegetation Index）数据对于作物生长监测及参数反演等极其重要。卫星遥感数据的红波段和近红外波段可作为NDVI的重要数据源。然而，受卫星传感器功率所限，所获取遥感数据的空间分辨率和时间分辨率之间通常存在相互制约，难以获得兼具高时空分辨率的NDVI数据。时空融合技术旨在融合具有高时间分辨率、但空间分辨率较低的NDVI数据和具有高空间分辨率、但时间分辨率较低的NDVI数据，以生成兼具高时空分辨率NDVI数据。然而，NDVI时空融合面临一较大挑战，即已知辅助数据所在时刻与预测时刻之间，地表覆盖通常呈现较大变化。因此，为应对上述挑战，本文提出了一种耦合空域重建的时空融合方法STFSR（Spatio-Temporal Fusion then Spatial Reconstruction）方法，通过充分利用在时间上接近预测时刻、但含数据缺失（遥感影像云覆盖导致）的高空间分辨率数据来辅助NDVI时空融合预测。实验选取了位于法国巴黎、中国河北省和澳大利亚新南威尔士州的3个实验区的Landsat和MODIS NDVI数据，并与已有的时空自适应反射率融合模型STARFM（Spatial and Temporal Adaptive Reflectance Fusion Model）和基于空间加权和虚拟图像对的时空融合VIPSTF-SW（Spatial Weighting-based Virtual Image Pair-based Spatio-Temporal Fusion）方法对比，进行验证。结果表明：时域近邻辅助云影像的利用，有效减小了NDVI变化对时空融合的影响；在本研究所选取的3个实验区中，所提出的STFSR方法被证明比常用的STARFM模型和VIPSTF-SW方法，具有更高的精度。3个实验区中STFSR方法的平均均方根误差RMSE（Root Mean Square Error）比STARFM和VIPSTF-SW分别降低了0.0217和0.0188，平均相关系数CC（Correlation Coefficient）分别提升了0.0820和0.0742，相对全局综合误差ERGAS（Relative Global-dimensional Synthesis Error）分别降低了4.3170和3.8535。此外，当辅助数据云区域面积增大时，STFSR方法虽在精度上呈现下降态势，但整体上仍优于STARFM和VIPSTF-SW方法。STFSR方法为高时空分辨率NDVI数据的生成提供了一种新的思路，且鉴于其原理与优势，该模型于其他高时空分辨率植被指数数据，例如增强型植被指数的生成亦具有可观的应用潜力。关键词：遥感;Landsat;MODIS;NDVI;时空融合;空域重建159|297|0更新时间：2025-08-29 - “在遥感影像领域，研究者提出了一种光学和SAR图像鲁棒匹配方法，通过深度特征重构增强，有效提高了正确匹配率。”
摘要：光学和合成孔径雷达SAR（Synthetic Aperture Radar）图像由于成像原理的根本差异，影像间呈现出显著的辐射和几何差异，其自动精确匹配一直是当前国际学术研究的热点。目前，大多数基于深度学习的匹配方法聚焦于图像深度特征提取，但这些模型通常忽视了图像多尺度特征融合和共性特征表达，导致鲁棒性不足，难以应对复杂多变的地物场景。鉴于此，本研究提出了一种基于深度特征重构增强的光学和SAR图像鲁棒匹配方法。该方法构建了一个融合多尺度深度特征和图像特征重构的伪孪生共有特征提取网络。首先，通过多尺度特征提取架构，网络能够在像素级高效提取光学和SAR图像对的多尺度深度特征。其次，为光学图像设计了一个伪SAR图像翻译分支结构，利用深度特征重构图像，以增强网络学习更鲁棒的共性特征表达能力。最后，构造了基于多层特征匹配相似度和重构影像平均误差的联合损失函数，实现了光学和SAR图像的鲁棒匹配。在两种具有不同分辨率且包含多种地物场景（城市、郊区、荒漠、山地、水体）的遥感影像数据集上进行对比实验，结果表明，与当前几种最先进的匹配方法相比，所提出的方法均表现出最高的正确匹配率。关键词：遥感;光学图像;合成孔径雷达图像;影像匹配;深度学习104|368|0更新时间：2025-08-29 - “在遥感领域，对比学习算法挖掘高光谱图像关键特征，本文提出多尺度监督对比学习网络，实现精准分类。”
摘要：高光谱图像分类旨在为高光谱图像中每个像素赋予所属类别，是遥感研究领域中的一项重要应用。近年来，对比学习算法由于其良好的挖掘数据关键特征的能力，被广泛运用于高光谱图像分类任务中。然而，一方面由于目前自监督对比学习算法大多采用两阶段方案训练网络，在预训练阶段难以避免将同一类的物体定义为负样本，往往导致该类别样本间的特征距离被拉大；另一方面，对比学习算法一般采用裁剪、旋转等数据增强方式生成正样本，导致生成正样本的多样性较为受限。针对上述问题，本文提出了一种基于多尺度监督对比学习的高光谱图像分类网络。该方法依据多尺度对比特征学习网络逐层次提取光谱特征和多尺度空间特征，构建类级对比策略，使同类样本在不同尺度下表现出一致的特征表示，进一步拉近特征空间中正样本，使类内数据更加聚集。然后，提出了空谱混合概率导向融合分类网络，设计了自适应机制动态调整特征融合的权重，捕捉光谱与空间信息的内在关联，从而实现精准的分类结果。在3个遥感高光谱数据集上开展试验验证，结果表明，本文方法与其他主流深度学习方法相比表现出更加优越的分类性能。关键词：遥感;高光谱图像;图像分类;对比学习;空谱特征融合;注意力机制336|661|0更新时间：2025-08-29 - “最新研究提出了一种无监督的基于双支路生成对抗网络与Transformer的多光谱与全色遥感图像融合方法，有效提升了融合图像的光谱信息和空间分辨率。”
摘要：多光谱遥感图像具有能够反映丰富地物特征的光谱信息，但其空间分辨率较低，纹理信息相对不足。相反地，全色遥感图像的空间分辨率高，纹理信息丰富，但缺乏能够反映地物特征的丰富的光谱信息。通过图像融合技术可以将二者进行集成，以达到各自的优势互补，从而使得融合所得的图像能够更好地满足下游任务的需要。为此，本文提出了一种无监督的基于双支路生成对抗网络与Transformer的多光谱与全色遥感图像融合方法。具体地，首先采用引导滤波将源图像（源多光谱和全色遥感图像）分解为呈现图像主体信息的基础层分量与体现图像纹理、细节信息的细节层分量；然后，将分解得到的多光谱和全色遥感图像的基础层分量进行级联，将二者分解得到的细节层分量也进行级联；其次，将级联后的基础层分量和细节层分量分别输入至双支路生成器的基础层支路和细节层支路中；接着，针对基础层分量与细节层分量各自不同的特性，分别采用Transformer网络和卷积神经网络进行特征信息提取，以便从基础层分支和细节层分支中分别提取得到全局光谱信息和局部纹理信息；最后，通过生成器和双判别器（基础层判别器和细节层判别器）之间不断地对抗训练，得到同时具有丰富光谱信息与高空间分辨率的融合图像。通过在公开的数据集上与多个有代表性的方法进行定性与定量的对比实验表明，本文所提方法具有一定优越性，即在主观视觉效果和客观评价指标上均取得了较好的融合效果。关键词：遥感图像融合;引导滤波;卷积神经网络;生成对抗网络;Transformer网络;基础层;细节层;全色;多光谱540|1329|0更新时间：2025-08-29 - “在建筑物提取领域，研究者提出了一种双分支网络，有效解决了形状尺度多变和边界提取不准确的问题，为建筑物提取提供了新方法。”
摘要：针对形状尺度多变和边界提取不够准确两个建筑物提取难题，提出一种集成主体边缘分离和多尺度信息提取的双分支建筑物提取网络。首先，利用解耦思想和光流技术，设计一种主体边缘分离分支，从而获取建筑物的主体和边缘特征，增强对建筑物边界的表征能力。然后，基于空洞卷积、深度可分离卷积和注意力机制，构建一种轻量级多尺度信息提取分支，来充分提取不同尺度的建筑物特征。最后，借助所获取的主体和边缘特征，给出一种主体和边缘特征辅助增强的损失函数，优化网络训练过程。两组常用公开建筑物提取数据集上的实验结果表明，所提出建筑物提取网络可行有效。关键词：遥感影像;建筑物提取;深度学习;U-Net;主体边缘分离;双分支;多尺度;轻量级241|336|0更新时间：2025-08-29
模型与方法
- 地址：北京市海淀区北四环西路19号 《遥感学报》编辑部 邮编：100190
- 联系电话：010-58887052 Email：nrsb@aircas.ac.cn
- 技术支持由北京北大方正电子有限公司提供 京ICP备20021838号-9
京公网安备11010802024621 - 本系统建议在Chrome、 IE9+ 以上版本浏览器阅读本站内容，360浏览器请切换至极速模式
- Cookies帮助我们提供服务并提供个性化体验。使用本网站，即表示您同意我们使用Cookies
0