依托中國科學(xué)院戰(zhàn)略性先導(dǎo)科技專項“格網(wǎng)數(shù)據(jù)引擎”和中國科學(xué)院基礎(chǔ)前沿科學(xué)研究計劃“從0到1”原始創(chuàng)新項目等科研項目，在建設(shè)中國科學(xué)院科學(xué)數(shù)據(jù)中心體系、國家基礎(chǔ)學(xué)科公共科學(xué)數(shù)據(jù)中心、地理空間數(shù)據(jù)云等平臺的同時，大數(shù)據(jù)部持續(xù)攻堅遙感數(shù)據(jù)管理和分析領(lǐng)域，在主流遙感雜志《Remote Sensing》、人工智能領(lǐng)域國際權(quán)威期刊ACM Transactions on Intelligent Systems and Technology (ACM TIST)以及CCF 類期刊《IET Image Processing》發(fā)表多篇論文。
隨著對地觀測技術(shù)的顯著發(fā)展和進(jìn)步，遙感數(shù)據(jù)保持快速增長，數(shù)據(jù)量已達(dá)到EB級。針對管理和處理如此大量結(jié)構(gòu)復(fù)雜多樣的遙感數(shù)據(jù)所面臨的挑戰(zhàn)，團(tuán)隊設(shè)計并實現(xiàn)了一種用于大規(guī)模遙感數(shù)據(jù)存儲、訪問和檢索的分布式存儲系統(tǒng)RSIMS。RSIMS由三個子模塊組成：RSIAPI、RSIMeta、RSIData。遙感影像的元數(shù)據(jù)統(tǒng)一存儲在RSIMeta中，通過分布式多級希爾伯特網(wǎng)格進(jìn)行索引，以實現(xiàn)高時空檢索性能。非結(jié)構(gòu)化二進(jìn)制圖像文件存儲在 RSIData中。RSIData提供了大的可擴(kuò)展存儲容量和高效的 GDAL（地理空間數(shù)據(jù)抽象庫）兼容 I/O 接口，使得流行的GIS 軟件和工具（例如 QGIS、ArcGIS、rasterio）可以直接訪問存儲在 RSIData中的數(shù)據(jù)。 RSIAPI為用戶提供了一套統(tǒng)一的數(shù)據(jù)訪問和檢索接口，隱藏了RSIMS復(fù)雜的內(nèi)部結(jié)構(gòu)。測試結(jié)果表明，RSIMS可以存儲和管理來自各種來源的大量遙感圖像，性能高且穩(wěn)定，并且易于部署和使用。相關(guān)工作發(fā)表在SCI期刊《Remote Sensing》上，該刊2021年影響因子為4.509。
相關(guān)論文： RSIMS: Large-Scale Heterogeneous Remote Sensing Images Management System.
圖像超分辨率重建 (SISR) 是基于低空間分辨率的遙感影像生成具有精細(xì)空間分辨率的高分辨率圖像。最近，深度學(xué)習(xí)和生成對抗網(wǎng)絡(luò)（GAN）在圖像超分辨率重建這一具有挑戰(zhàn)性的任務(wù)上取得了突破。然而，生成的圖像仍然存在不受歡迎的偽影，例如缺乏紋理特征表示和高頻信息。團(tuán)隊提出了一種基于頻域的時空遙感圖像超分辨率重建技術(shù)，以在各種頻段 (TWIST-GAN) 上結(jié)合生成對抗網(wǎng)絡(luò) (GAN) 重建高分圖像。團(tuán)隊引入了一種結(jié)合小波變換 (WT) 特征和轉(zhuǎn)移生成對抗網(wǎng)絡(luò)的新方法。通過使用WT將低分圖像分割成各種頻帶，轉(zhuǎn)移生成對抗網(wǎng)絡(luò)通過提出的架構(gòu)預(yù)測高頻分量。最后，小波的逆?zhèn)鬟f產(chǎn)生具有超分辨率的重建圖像。相關(guān)論文發(fā)表在人工智能領(lǐng)域國際權(quán)威期刊ACM Transactions on Intelligent Systems and Technology (ACM TIST)。ACM TIST是ACM旗下的主要學(xué)術(shù)期刊之一，該期刊主要刊登多學(xué)科視角下的智能系統(tǒng)、應(yīng)用算法和技術(shù)方面的高質(zhì)量論文。
相關(guān)論文： TWIST-GAN: Towards Wavelet Transform and Transferred GAN for Spatio-Temporal Single Image Super Resolution.
近年來，遙感影像處理在土地分類、識別轉(zhuǎn)移、資源勘探、超分辨率圖像等多項應(yīng)用中得到廣泛應(yīng)用。由于軌道位置、修正時間、快速視角限制和天氣影響，遙感影像有許多類型的分辨率，例如空間、光譜和時間，難以管理。對于遙感圖像超分辨率快速基于小波的超分辨率 (FWSR)，團(tuán)隊提出了一種新穎的、基于小波的快速叢框架，該框架基于三個隱藏層執(zhí)行超分辨率卷積神經(jīng)網(wǎng)絡(luò) (SRCNN) 式的特征提取。首先，小波子帶圖像被組合成一個預(yù)定義的全尺度數(shù)據(jù)訓(xùn)練因子，包括近似和可互換的獨立單元（頻率子帶）。其次，為了加速圖像恢復(fù)，然后使用其近似圖像測量小波的子帶圖像的映射。第三，在網(wǎng)絡(luò)模型末尾添加的子像素層再現(xiàn)圖像質(zhì)量。離散小波變換小波分解后得到的近似子帶圖像由于其高頻數(shù)據(jù)和保留特性而被用作輸入而不是原始圖像?；谌齻€公共衛(wèi)星圖像數(shù)據(jù)集和兩個基準(zhǔn)數(shù)據(jù)集上，團(tuán)隊對五種當(dāng)前的超分辨率神經(jīng)網(wǎng)絡(luò)方法與所提出的技術(shù)進(jìn)行了比較。相關(guān)成果發(fā)表在CCF C類期刊《IET Image Processing》上。
在惡劣天氣條件下（如霧霾、霧霾）獲取的圖像中，物體識別由于圖像的減少而造成困難。惡劣的天氣條件不僅會導(dǎo)致圖像視覺效果的變化，還會導(dǎo)致圖像后處理的不利。此外，它還給依賴光學(xué)成像的各類儀器帶來了不便，例如衛(wèi)星遙感系統(tǒng)、航拍系統(tǒng)、室外監(jiān)控系統(tǒng)和物體識別系統(tǒng)。因此，需要對視覺效果進(jìn)行改進(jìn)和恢復(fù)，并加強(qiáng)后期處理。團(tuán)隊研究了一種新的基于暗通道先驗和分段線性變換的圖像去霧增強(qiáng)方法。首先分析新角度之前的暗通道，顯著增強(qiáng)暗圖像效果的同時，減少霧霾和噪聲的影響。然后應(yīng)用分段線性變換技術(shù)進(jìn)行色彩校正。實驗結(jié)果表明，所提出的方法顯著提高了算法對黑暗遙感圖像和模糊自然圖像的可見性。相關(guān)成果發(fā)表在CCF C類期刊《IET Image Processing》上。（撰稿：趙江華）
