[01250677]高分辨率遥感时序图像的构建及其智能化处理

项目团队在高分辨率遥感时序图像的构建模型方法及其多层次智能化处理上取得了一些的原创成果，突破传统遥感数据融合处理框架的局限，解决了高维遥感信息自动提取的若干关键技术，在国内外取得较高的评价和广泛的影响’’研究结果可为生态环境建设的环境生态监测和计算机图像识别等领域提供关键技术支撑。

主要创新成果包括：

1、高分辨率遥感时序图像构建理论与方法：建立了高分辨遥感时序图像构建的技术框架体系，并实现了遥感图像云/阴影检测、大面积缺失信息重构、多源遥感数据归一化处理、图像“时-空-谱”融合等构建遥感时序图像的若干关键技术，解决了高精度连续对地观测中高时空谱分辨率遥感时序图像数据集获取的技术瓶颈问题，为典型地理环境要素的时空连续监测提供了关键的数据支撑。研究成果曾获得国际遥感数据融合竞赛的最佳论文等学术奖励。

2. 时序遥感图像的特征表达与选择：发展了描述遥感图像光谱、纹理以及时相特征的多种表达方法，提出了遥感图像特征离散化以及特征选择的关联指数方法，有效地从高维特征数据中提取最佳的特征子集;提出了波段选择方法的通用框架及其并行处理技术，可为从高维海量遥感图像数据中精选有效特征提供了关键技术支撑。

相关研究成果获得了省级优秀学术论文二等奖，并得到国家发明专利授权3。

遥感时序图像智能处理与分析：引入并改造迁移学习、稀疏表达分类以及深度网络等最新发展的图像识别技术，以半迁移深度卷积神经网络（STDCNN）为代表的系列分类方法，显著提升了多源遥感图像解译的精度与效率，解决了高精度解译高分辨率遥感时序图像的技术瓶颈问题。

顾及城市土地利用变化的驱动因子在时间与空间普遍具有多样性与差异性特点，建立了长时间序列遥感土地利变化监测与分析的模型。

相关成果获得土地变化监测与分析系统软件著作权与专利。

研究成果获得了多项国际、国内的学术奖励，并取得国家发明专利授权。

时空谱遥感图像融合被认为是对地观测领域的一项重大进展，被东方日报、英国路透社等各大媒体与电视台采访和报道。