遥感傅里叶变换红外光谱层析技术中的重构算法

在遥感傅里叶变换红外光谱层析技术中，对于是否能够快速、经济地得出气体空间浓度分布图及预测浓度峰位置，重构算法的选择是至重要的。理想的重构算法即使在仪器噪声较大、存在测量误差、光线数量少以及待测气体在空间的分布不稳定情况下，也能够通过有限的测量数据和非对称的光线构型，得出理想的重构图。本文对遥感傅里叶变换红外光谱层析技术中采用的几种重构算法，如ART法、MART法、SIRT法和SBFM法等，作了扼要描述。与传统的ART法相比，MART法在迭代速度和迭代精度上有较大的优越性，SIRT法克服了采用代数重构技术所带来的模糊性，SBFM法使重构结果噪声明显减小。     

光束抖动频谱遥感大气湍流外尺度的理论与实验

在微扰理论的基础上导出高斯光束相位归一化频谱的普遍表达式，进而法庭是归一化光束抖动频谱的普遍表达式以及准直光束和球面波光束在均匀光路条件下的分析表达式，计算表明这些频谱中存在一个与湍流外尺度，横截风速有确定关系的峰值频率。     

植被光学遥感新方法

讨论了近年来最新发展的高分辨率微分光谱，偏振光，激荧光谱和远红外细分光谱等几种新型的植被光学遥感方法，这些方法目前均处于探索性研究阶段，预计具有较大的应用前景，从这些方法的物理基础出发，分析了利用高分辩微分光谱技术探测植被反射光谱的“红缘”，及冠层反射偏振度指数，植被冠层荧光指数等具体的遥感应用方法。     

RS和GIS技术在新疆地质和矿产资源评价中的应用

发展宏观、快速、高效地资源管理及评价方法是开展现代地质找矿工作的需要，“3S”技术由于具有上述特点而在地质找矿领域得到越来越广泛的应用。本文针对新疆地质找矿现状，通过对“3S”技术特点的介绍，在以往新疆地质找矿工作的基础之上，系统的提出了在新疆运用RS和GIS技术建立遥感本底数据库及进行矿产资源评价、地质灾害预测的主要内容、方法，同时指出了存在的问题和发展前景。     

亚像元动态成像技术中系统的调制传递函数

亚像元动态成像技术是国际上目前实现遥感器小型化非常有效的新方法，因而研究亚像元动态成像系统的调制传递函数（MTF）显得非常必要和重要。本文分析亚像元动态成像系统的MTF模型，并给出亚像元动态成像系统MTF的数学表达式。     

基于GAN的半监督遥感图像场景分类

针对遥感图像背景复杂及有监督场景分类算法无法利用无标签数据的问题,提出一种基于生成对抗网络的半监督遥感图像场景分类方法.首先,引入谱归一化残差块代替传统生成对抗网络中的二维卷积,利用残差块的跳跃连接解决梯度消失问题;其次,引入特征融合思想,将浅层特征与深层特征进行融合,从而减少特征损失;最后,在生成对抗网络的判别器中加...     

基于暗像元的Hyperion高光谱影像大气校正

大气是影响遥感定量分析与应用的重要因素。该文利用暗像元大气校正算法,在IDL平台下,从Hyperion传感器的可见光-近红外波段逐通道提取大气光学厚度信息,并利用该数据实现对Hyperion数据大气校正的目的。研究结果表明,大气光学厚度随着通道中心波长的增加而减小,即与中心波长成负相关。光学厚度与中心波长的最佳经验模型为线性模型,模型的回归系数为0.912 3。通过分析校正前后的水体光谱曲线可知,大气的衰减作用使得卫星遥感信号不能正确表现自然水体的表观光学特性和内在光学特性,且对水体样本层次变化不敏感。在蓝绿波段,大气对光谱数据的污染最为严重,该波段的光谱特征与自然水体的理论光学特性完全相背离。由大气光学厚度光谱特性和自然水体光学特性可知,经过"暗像元"算法校正过的影像数据的质量得到显著改善。在缺少同步大气垂直剖面参数的情况下,暗像元算法将是Hyperion数据一种行之有效的大气效应消除方法。     

空间高层大气遥感远紫外成像光谱仪的光学系统

空间高层大气遥感远紫外成像光谱仪主要用于观测高层大气中的远紫外辐射和实现对其内部中尺度现象成像的功能。目前我国该类的相关仪器研究基础还比较薄弱,针对这种情况,在光学系统设计的角度上给出了一种适用于130～180nm波段探测的光学系统方案。该成像光谱仪光学系统以离轴抛物镜为物镜,串联Wadsworth结构为成像光谱系统;这种串联Wadsworth成像光谱系统采用离轴抛物镜做准直镜,分光器件为平面光栅和球面光栅串联,实现二次色散,同时球面光栅起到聚焦成像作用;在像差理论的基础上,对该结构的光程函数和各像差进行了分析,获得了改进结构的宽波段完善成像条件。针对低轨空间探测应用要求设计了相关改进型Wadsworth结构成像光谱仪光学系统,设计结果证明系统像差得到了充分校正,在奈奎斯特频率(20lp/mm)下全视场全波段调制传递函数值在0.6以上。该优化结构同时具备高空间分辨率和高光谱分辨率,性能优越。     

增强小目标特征的多尺度光学遥感图像目标检测

针对光学遥感图像目标分布密集、尺度变化范围较大及小目标特征信息过少等造成目标检测精度不高、泛化能力差等问题,本文提出了一种增强小目标特征的多尺度神经网络（ESF-MNet）。首先在骨干网络中引入注意力模块构建出高效层注意力聚合结构,以增强特征提取能力;此外,在浅层特征图与颈部网络融合之前加入感受野增强模块,以捕获不同尺度的上下文信息。其次,使用GSConv构成颈部网络,减少网络层参数量,保持网络的特征提取能力,并通过基于内容感知的特征重组模块提高识别精度。最后,采用下采样率分别为4、8和16倍的三个下采样模块作为头部网络输入,来提高小目标的检测效果。为了证明该方法的有效性,在DOTA数据集和NWPU NHR-10数据集上进行实验,平均检测精度分别达78.6%和94.3%,计算复杂度为94.7 G,整体模型大小为26.2 M。该方法具备检测精度高、计算复杂度低、模型权重小等特点,能有效提高小目标的检测精度,进一步改善光学遥感图像小目标检测性能。