此处出现的徽标品牌、产品、服务和流程名称是 Elbit Systems Ltd.、其附属公司或其他各自持有者的商标或服务标志(如适用)。本文件中的所有信息仅供一般参考,如有更改,恕不另行通知。© 2018。本手册包含 Elbit Systems 和其他专有信息。EP20-MKT-057
摘要 — 这是预接受版本,要阅读最终版本,请访问 IEEE Xplore 上的《IEEE 地球科学和遥感学报》。本文解决了自动检测人造结构尤其是非常高分辨率 (VHR) 合成孔径雷达 (SAR) 图像中的建筑物这一极具挑战性的问题。在这方面,本文有两大贡献:首先,它提出了一种新颖的通用工作流程,该工作流程首先将星载 TomoSAR 点云(通过使用称为 SAR 断层扫描 (TomoSAR) 的先进干涉技术处理 VHR SAR 图像堆栈生成)在辅助信息的帮助下(即使用公开可用的 2D 建筑物足迹或采用光学图像分类方案)分为建筑物和非建筑物,然后将提取的建筑物点反投影到 SAR 成像坐标上,以自动生成大规模基准标记(建筑物/非建筑物)SAR 数据集。其次,这些标记数据集(即建筑物掩码)已用于构建和训练最先进的深度全卷积神经网络,并附加条件随机场(表示为循环神经网络)来检测单个 VHR SAR 图像中的建筑物区域。这种级联结构已成功应用于计算机视觉和遥感领域,用于光学图像分类,但据我们所知,尚未应用于 SAR 图像。结果
正射影像被广泛认为是各种专题制图应用的数据源;在欧盟 (EU),管理共同农业政策的信息系统目前通常基于数字正射影像覆盖,其标称几何质量为 1:10,000 地图比例尺等效和 1m 像素大小或更高 (Kay et al., 1997)。尽管如此,机载图像采集需要一定程度的访问权限,而这并不总是可行的,而所谓的“非常高分辨率”(VHR) 卫星传感器的可用性允许采集具有图像内容质量特征的数据,以满足农村地区或农业制图和监测的需求 (Petrie, 2002)。目前使用 QuickBird 和 IKONOS 数据生成正射影像的主要方法有三种:严格的传感器模型(例如,Toutin 和 Cheng,2003)、使用地面控制点计算的有理多项式系数 (RPC) 方法,或使用影像供应商提供的 RPC 信息。前两种
正射影像被广泛认为是各种专题制图应用的数据源;在欧盟 (EU),管理共同农业政策的信息系统现在通常基于数字正射影像覆盖,其标称几何质量为 1:10,000 地图比例尺当量和 1m 像素大小或更高 (Kay et al., 1997)。尽管如此,机载图像采集需要一定程度的访问,而这并不总是可行的,而所谓的“非常高分辨率”(VHR) 卫星传感器的可用性允许采集具有图像内容质量特征的数据,以满足农村地区或农业制图和监测的需求 (Petrie, 2002)。目前使用三种主要方法从 QuickBird 和 IKONOS 数据生成正射影像:严格的传感器模型(例如,Toutin 和 Cheng,2003)、使用地面控制点计算的有理多项式系数 (RPC) 方法或使用影像供应商提供的 RPC 信息。前两种
人们普遍认为,保护森林地区可以大大有助于缓解全球气候变化。为此,联合国气候变化框架公约 (UNFCCC) 等国际机构制定了一项减少二氧化碳排放 (REDD) 的合作计划,以更新温室气体排放清单。然而,研究表明,准确估计森林的碳储量仍然存在不确定性,尤其是使用光学遥感。因此,本研究旨在确定机载 LiDAR 数据或 VHR GeoEye 卫星图像中的哪一个来源可以为尼泊尔奇特旺亚热带森林的生物量/碳估算提供更准确的信息。非常高分辨率的 GeoEye 卫星图像仅提供二维信息,而 LiDAR 数据提供三维信息。在本研究的方法中,LiDAR 数据需要更多分析,因为来自传感器的原始信息是在点云中获取的。然后,从点云中得出数字表面模型 (DSM) 和数字地形模型 (DTM)。树冠高度模型 (CHM),即树木的高度,是通过 DSM 和 DTM 之间的差异计算得出的。将从 LiDAR 数据得出的树木高度与实地测量的树木高度进行比较。使用面向对象分析 (OOA) 技术对 LiDAR CHM 和 GeoEye 图像进行分割,以删除
摘要:非常高分辨率(VHR)卫星图像的出现(少于1 m的空间分辨率)正在生态和保护生物学领域创造新的机会。次级分辨率图像的进步在实地特征的检测和识别方面提供了更大的信心,从而扩大了可能的研究问题领域。迄今为止,VHR图像研究主要集中在陆地环境上。但是,在过去的二十年中,使用该技术检测鲸类动物已经取得了进步。随着计算能力和传感器分辨率的进步,使用VHR卫星图像具有自动检测和分类过程的VHR卫星图像的大规模VHR海洋调查的可行性有所增加。对自动调查的初步尝试显示出令人鼓舞的结果,但需要进一步的发展来确保可靠性。在这里,我们讨论了可以使用VHR卫星图像来解决鲸鱼保护中的紧急问题的未来方向。我们强调了当前对自动检测的挑战,并将该技术的使用扩展到所有海洋和各种鲸鱼。为了实现盆地规模的海洋调查,目前不可行任何传统的测量方法(包括船基和航空调查),未来的研究需要生物学,计算科学和工程学之间的合作努力,以克服目前对该平台使用的挑战。
• VHR 患者(年龄 >13 岁、细胞遗传学不良、反应缓慢) - 强化巩固/延迟强化 • 添加环磷酰胺/依托泊苷 +/- 氯法拉滨 • HR 患者 - 强化鞘内治疗 • 三联鞘内治疗 vs 鞘内甲氨蝶呤 • 结果 - VHR • 添加氯法拉滨 à 毒性太大 • 添加环磷酰胺/依托泊苷 à 无益处 - HR • 三联鞘内治疗 à 无益处
摘要 — 随着 TerraSAR-X 和 COSMO-SkyMed 等超高分辨率 (VHR) 星载合成孔径雷达 (SAR) 传感器的出现,使用 SAR 模拟器的潜力正在增加。在本信中,我们提出了一种新型雷达成像模拟器,它相对容易实现,并在准确性和效率之间找到了平衡。所提出方法的主要目标是获得 SAR 图像中物体几何形状的精确模拟,而不是详细的辐射模拟。该模拟器基于扩展的射线追踪程序,以确定通用物体的哪些表面对后向散射有贡献。后向散射贡献是通过朗伯镜面混合模型计算的。该模拟器已成功应用于从单个检测到的 VHR SAR 图像对人造物体进行 3-D 重建的方法中。在这里,我们说明了它在两个相当不同的结构上的工作,一个矩形山墙屋顶建筑和一个埃及金字塔。
图 4.1 按应用划分的运营卫星。来源:[1] 17 图 4.2 全球对地观测投资。来源:[2] 18 图 4.3 对地观测上游价值链。来源:[1] 19 图 4.4 对地观测下游价值链 来源:[1] 19 图 4.5 航天市场演变。来源:[3] 20 图 5.1 商业模式画布。来源:[6] 23 图 5.2 渠道类型。改编自 [6] 24 图 5.3 从个人到自动化的客户关系类型。24 图 5.4 画布模板的两侧。摘自 [6] 25 图 5.5 因果循环图的图例。改编自 [7] 26 图 6.1 Planet 的 CANVAS 商业模式 31 图 6.2 Digital Globe 的 CANVAS 商业模式 34 图 6.3 UrtheCast 的 CANVAS 商业模式 36 图 6.4 Satellogic 的 CANVAS 商业模式 39 图 6.5 Deimos 的 CANVAS 商业模式 42 图 6.6 Spire Global 的 CANVAS 商业模式 45 图 6.7 GOMSpace 的 CANVAS 商业模式 47 图 6.8 Spaceflight 的 CANVAS 商业模式 50 图 7.1 商业模式模式分类。摘自 [16] 51 图 7.2 新的商业模式模式:民主化 EO BM 模式。摘自 TFE-9。 56 图 7.3 反馈回路图 57 图 8.1 不同发射器类型按十年划分的发射需求比较(Euroconsult) 61 图 8.2 微型发射器公司的商业模式画布 67 图 8.3 火箭公司的商业模式画布 67 图 8.4:地面站服务的商业模式画布 72 图 8.5 空间经纪公司的商业模式 76 图 8.6:Deimos sat4EO 的商业模式画布 80 图 9.1:甚高分辨率-LC 星座 CANVAS 的价值主张 88 图 9.2:包括 DISCOVERER 改进的甚高分辨率-LC 星座的商业模式画布 89 图 9.3:甚高分辨率-LC 星座 CANVAS 的价值主张 91 图 9.4:包括 DISCOVERER 改进的甚高分辨率-HP 的商业模式画布 92 图 9.5:SAROptic 星座的价值主张CANVAS 94 图 9.6:包括 DISCOVERER 改进在内的 SAROptic CANVAS 商业模式 95
§大理石成像作为与Scanway S.A.的财团的主要承包商,已与育成计划的框架与欧洲航天局签署了一份合同 - 由ESAφ-LAB投资办公室管理,以开发非常高分辨率(VHR)的光下有效负载。§有效载荷包括一个可见的,近红外成像仪和高分辨率的短波红外成像仪。§光学有效载荷将在计划在2026年第一季度和随后的大理石星座上推出的第一颗大理石卫星飞行。§由ESA孵化计划资助的为期两年的项目涵盖了第一颗大理石卫星的有效载荷的完整开发,整合和调试。“在这里,在φ-LAB投资办公室,我们致力于支持欧洲工业,并不断实现地球观察项目的技术和商业进步。我们对Semovis项目及其开发VHR有效载荷和数据的雄心感到兴奋。”负责这项活动的ESA技术官员Pejman Nejadi说。“成功的结果将与该机构的更广泛目标保持一致,即利用空间来实现绿色的未来,快速而有弹性的危机,以命名一些。”