摘要：为了充分利用卫星图像逐像点的信息来构造更加精细的中尺度数值天气预报初始场,设计了静止卫星(GMS5)图像逐像点的云分析方法,并进行了初步试验。多种数据表明,分析结果是比较合理的。文中主要介绍了用可见光和红外通道的辐射值订正碎云分析,用红外水汽通道亮温差的直方图分布规律,并结合可见光反照率阈值分割子集,以及联合红外水汽通道的数据计算云高、判定云类等的方法。

摘要：卫星图像模拟源是在星载图像压缩系统研发过程中,通过模拟多路CCD相机向卫星图像压缩系统提供多路图像数据的测试设备;该设备基于FPGA研发,需要对海量图像数据进行存取,使用SDRAM作为数据存储是一种非常有效的方法,然而采用传统的FP-GA芯片内部集成的SDRAM控制器无法满足该设备大容量、高速率存储的要求;基于此,提出了基于MicroBlaze和VHDL联合编程实现SDRAM控制电路的方法,该方法实现了SDRAM的高速读写,能完全满足卫星图像模拟源系统的需求。

摘要：针对多源、多时相卫星图像所构成的“广义立体模型”定位精度难以预估的实际难题,该文提出了一种通用的基于RFM(有理函数模型)的预估计算方法。首先,介绍定位精度重要指标基高比与立体交会角的关系,然后基于RFM模型通过投影轨迹法建立同名光线在物方空间的直线方程,计算出同名光线的立体交会角,进而实现定位精度的预估。利用实际工程卫星图像资料进行了试验,验证了该文方法的有效性。

摘要：火灾事故在全世界范围内普遍存在且频繁发生。然而,针对城市火灾的风险预测研究尚在起步中。为此,提出一种针对城市火灾风险的预测模型HISS。基于多重分形维度从卫星图像中提取视觉特征,并将卫星图像的视觉特征与从历史火灾数据、气象数据、出租车流动记录、区域用电量数据和POI数据中提取的非视觉特征相融合,构成静态特征。基于静态特征对XGBoost进行预训练,并设计一种特征嵌入模块,将XGBoost的预测结果作为基准值嵌入到包含时序关系的动态特征中,通过Transformer学习火灾的时间波动模式。采用动态加权模块实现XGBoost和Transformer在模型层面的融合,进一步提升模型的性能。实验结果表明,HISS模型的确定系数R2达到了72.56%,与长短期记忆网络和门控循环单元相比R2分别提升4.25和3.92个百分点,与Lasso、随机森林和梯度提升决策树相比R2分别提升10.88、5.62和3.93个百分点,具有较优的预测性能。

摘要：针对卫星图像中道路的基本特征以及道路信息提取的难点,提出了一种基于区域生长型分水岭算法的卫星图像主干道路提取方法。该方法首先运用高通滤波器对原始图像进行去噪和平滑,然后采用区域生长型分水岭算法提取道路信息,最后用目标面积特征将误提的小斑点去除。实验结果表明,该方法性能良好,可以取得很好的效果。

摘要：以QuickBird卫星图像和杉木为研究对象 ,在对图像进行精处理的基础上 ,通过在图像上测定出杉木冠幅 ,建立了胸径和冠幅的一元回归模型 :D1 3=2 2 2 1+4 393Ck,由不同冠幅值计算出的胸径查一元材积表 ,据此编制出一元卫星图像立木材积表 ;根据图像上测算出树高和冠幅 ,建立了二元回归模型 :V =- 0 2 4 6 0 5 +0 0 1380 6Ck+0 0 35 2 6 3H ,据此编制出了卫星图像二元立木材积表。杉木在图像上的高是通过建立杉木树高与胸径关系模型 :H =D21 3(1 74 6 +0 2 15D1 3) 2

摘要：工程应用中,有时无法快速获取同轨高分辨率立体卫星图像用于区域内的地形测绘,多时相立体卫星图像有效地解决了这一问题。由于收敛角对多时相立体卫星图像模型测图的精度影响,该文研究了一种在不获取原始卫星图像的情况下多时相高分辨率立体卫星图像收敛角计算方法,并对其立体测图精度进行了分析。结果表明:在收敛角满足一定要求时,多时相立体卫星图像在少量地面控制点的情况下可以获得大比例尺地形数据,从而提高立体测图效率,降低数据获取的成本,节省工期。

摘要：为解决传统模型与算法对遥感卫星图像小目标的分割精度低、泛化能力差等问题,提出一种基于改进U-Net的图像分割算法。将骨干网络改为ResNet18并加入优化后的空洞卷积池化金字塔与卷积注意力机制模块,充分提取小目标边缘特征。该算法在中国南部某地区的公开卫星图像数据集上的平均交并比与分割总精度分别达到了75.8%与95.6%,均超过U-Net、DeepLabV3+、SegNet、W-Net等主流语义分割网络。实验结果表明,该算法能有效改善网络的预测精度与小目标的分割结果。

摘要：本文就普遍使用的从美国引进的5600计算机图像处理系统，通过对四川某地的一幅LANDSAT－STM卫星图像的处理为例，来说明值几何校正的方法和步骤。

摘要：城市街区的品质评估是城市规划中的重要步骤之一。针对已有街区品质评估模型中使用的街景图像采集位置和角度不统一造成的图像内容偏差问题,本文提出使用视角统一且易获取的卫星图像代替街景图像。同时考虑多种街区品质测度指标,将非图像型数据与图像型数据进行特征融合,从多角度进行城市街区品质表达,然后针对小样本和数据不平衡场景,结合机器学习中的随机过采样和随机森林(Random Forest, RF),基于融合数据进行城市街区的品质评估。实验结果表明,本研究方法可以有效进行全面的城市街区品质表达,并有效降低过拟合,对比未使用过采样和多特征融合的方法,正确率提高约8个百分点。