针对全卷积神经网络多次下采样操作导致的道路边缘细节信息损失和道路提取不准确的问题,本文提出了多尺度特征融合的膨胀卷积残差网络高分一号影像道路提取方法。首先,通过目视解译的方法制作大量的道路提取标签数据;其次,在残差网络ResNet-101的各个残差块中引入膨胀卷积和多尺度特征感知模块,扩大特征点的感受野,避免特征图分辨率减小和道路边缘细节特征的损失;然后,通过叠加融合和上采样操作将各个尺寸的道路特征图进行融合,得到原始分辨率大小的特征图;最后,将特征图输入Sigmoid分类器中进行分类。实验结果表明:本文方法的提取精度优于经典全卷积神经网络模型,准确率达到了98%以上,有效保留了道路的完整性及其边缘的细节信息。

高分三号（GF-3）原始影像数据参数详细说明

基于高分四号卫星的舰船目标跟踪

excel、txt和 ENVI 格式的高分6号宽幅相机光谱响应函数文件，8个波段，包含 sli 和 hdr 格式。可以使用 matlab 或者 python 等编程语言调用，也可以在 ENVI 中直接使用。

高分5号卫星遥感图像数据，可用ENVI查看和处理，供需要科研的人士下载使用。

使用RD方程，对高分三号一级产品进行几何校正

使用RPC系数，对高分三号一级产品进行几何校正

IDL编写的高分二号预处理插件 ，可以扩展至ENVI软件工具中 包括辐射定标 大气校正 正射校正 全色多光谱融合等流程；影像处理效果较好，可以大大提高处理效率。

基于6S大气辐射传输模型和中分辨率成像光谱仪(MODIS)上午星Terra的气溶胶光学厚度数据以及MODIS 双向反射分布函数(BRDF)模型参数产品(MCD43A1),对高分一号(GF-1)卫星宽视场相机(WFV)四个波段的大气层顶辐亮度图像进行大气校正,得到校正后的地表反射率图像。而后基于Brenner梯度算子和中频离散余弦变换两种方法统计校正前后图像的清晰度值,分析计算结果可得大气校正后图像清晰度值高于校正前图像的清晰度值,因此校正后图像的边缘纹理比校正前更清晰;基于阈值分割法原理进行信噪比评价,结果表明校正前后每一波段的信噪比随辐亮度呈递增关系,大气对短波波段的影响较大,而对长波波段的影响较小。

基于IDL实现高分二号遥感影像批量预处理