论文部分内容阅读
近年来随着全球遥感卫星产业的蓬勃发展,人类的对地观测能力达到了空前水平,卫星硬件技术的不断突破使得遥感数据的空间分辨率、时间分辨率乃至光谱分辨率日益提升,高分辨率遥感影像在社会经济建设中起到了不可替代的作用。遥感影像的几何定位精度是其质量评价的重要指标,配准技术是提升几何定位精度的重要方法。然而不同于自然影像,高分辨率遥感影像具有数据多源异构,覆盖范围极广,内容极其复杂等特性,导致传统的基于特征的配准方法对其失效或失准。本文设计了多个针对高分辨率遥感影像的配准框架,通过智能解译技术降低影像复杂度并为配准任务提供先验知识,从而提升配准方法的适用性、精度和效率,进而实现高分辨率遥感影像的几何定位精度提升。当前深度学习和卷积神经网络技术因其强大的学习数据集本质特征的能力,而在计算机视觉的很多研究领域取得了最前沿的成果;本文基于深度学习技术提出了多个卷积神经网络模型以实现遥感影像的智能解译,这些工作独立应用于遥感大数据挖掘以及遥感卫星服务能力转化也具有较强的意义和价值。本文具体的研究内容如下:针对感测影像定位精度差而导致的配准输入不匹配问题,本文提出了一种基于目标检测的自动配准框架,适用于以城市场景为主的高分辨率遥感影像。由于旋转目标检测能够提供更准确的目标位置信息,该框架首先设计了一个单阶无锚点的旋转目标检测算法用于遥感影像智能解译,其主要创新点包括:第一,提出了一种新颖的圆形切割水平矩形的旋转目标表示法,该方法能够确保回归参数不超出定义域,并避免了矩形框顶点的排序,从而解决了当前主流旋转目标表示法存在的边界问题和顺序问题,并提高了对于预测误差的鲁棒性;第二,基于该表示法可以几乎无成本地将任意水平目标检测方法转换为旋转目标检测,而仅在输出端增加极少量的回归参数,保证了网络的轻量性。随后,该框架设计了不依赖于地理空间信息的目标区域匹配流程,包括目标类型的选择,基于旋转目标检测结果的目标匹配策略,以及用于配准的输入影像块对生成。最后,该框架采用基于特征的配准方法获得全局同名点对并计算仿射变换矩阵。上述旋转目标检测算法在多个航空影像和场景文本检测数据集中取得了优于前沿方法的准确率和检测速度;上述配准方法在测试数据中获得了可与前沿方法相比较的配准精度,同时极大降低了运算开销并提升了配准效率。针对基于特征的配准方法在某些遥感场景中不适用的问题,本文提出了一种基于语义分割的高分辨率遥感影像自动配准框架。首先,该框架设计了一个多尺度残差融合与跳跃级联的语义分割算法用于遥感影像智能解译,该算法通过多尺度残差融合的编码解码单元提升了特征提取和恢复效果;通过多尺度跳跃级联的编码解码结构实现了信息流的充分利用,缩小了编码器与解码器之间的语义鸿沟,为不同阶段的特征图设置了不同的区分度,同时大幅度降低了各阶段特征图的通道数以实现模型的轻量性并提升运算效率;通过融合基于点渲染的迭代上采样策略有效提升了语义分割结果的边界精细度。随后,该框架基于语义分割结果设计了相应的配准流程,有效规避了特征描述算子的局限性并减少了配准工作量。上述语义分割算法在多个数据集上与前沿方法进行了对比实验,在多项精度评价指标中取得了最优,在轻量性和效率上也名列前茅;该配准方法在与前沿方法的对比实验中,配准精度取得了最优或次优,同时效率具有绝对的优势。针对感测影像定位精度差和某些地物降低配准精度的问题,以及基于目标检测和语义分割配准框架的局限性,本文提出了一种基于实例分割的高分辨率遥感影像自动配准框架。首先,该框架设计了一个单阶细粒度的实例分割算法用于遥感影像智能解译,该算法将高分辨率的特征表示,双向加权特征融合的注意力机制,单阶段的实例分割策略,以及边界精修的分割后处理融合为端到端的模型,旨在获取精细边界的实例分割结果。而后,本框架基于图像的不变矩设计了实例匹配策略以获取特征点对,并设计了交叉验证策略以获取全局同名点对,最终实现影像配准。上述实例分割算法在多个数据集上与前沿方法进行了对比实验,在多项精度评价指标中取得了最优,尤其在分割边界的准确性上具有绝对优势;该配准框架在与前沿方法的对比实验中取得了最优的配准精度,同时配准效率具有压倒性的优势。