形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分剖的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

基于分水岭变换的高分辨率遥感图像分割

提出一种基于高分辨率遥感图像的分水岭分割方法。首先,利用Canny算法进行边缘检测,得到边缘梯度图。其次,利用数学形态学对梯度图像进行后处理。然后,根据自动标记分水岭变换方法实现高分辨率遥感图像分割。最后,利用基于信息熵评价方法,对遥感图像的分割结果进行非监督评价。结果表明:所提方法可以有效地抑制遥感图像的过分割现象,并取得较好的分割效果。     

空间约束半监督高斯过程下的高光谱图像分类

针对高光谱遥感图像分类中带标记训练样本较少、导致分类正确率偏低的问题,提出用于高光谱图像分类的空间约束半监督高斯过程方法.由于高光谱图像的特征空间满足流形分布假设,大量未标记样本可以使数据空间变得更加稠密,从而有助于更加准确地刻画局部空间特性,提高分类的精度和普适性.通过对高斯过程模型中的核函数施加空间近邻约束,建立未标记样本与带标记样本之间的空间联系.该半监督高斯过程分类器不仅可以提升高光谱遥感图像的分类性能,而且构造简单,实现方便.实验结果表明,在仅有少量带标记的训练样本情况下,半监督高斯过程分类方法对高光谱图像有较高的分类精度和稳定性.     

基于混合熵和L_1范数的遥感图像分类

针对遥感图像数据具有的高维数、非线性以及海量无标记样本的特性,提出了一种基于混合熵和L1范数的概率型最小二乘支持向量机分类方法.将准熵和熵差分融合,构造一种混合熵用以从海量无标记样本集中选出最有＂价值＂的待标记样本;基于L1范数距离度量,进一步从待标记样本集中筛选出孤立点和冗余点加以剔除;基于初始已标记样本以及筛选得到的样本,训练得到概率型最小二乘支持向量机.对反射光学系统的成像光谱仪（ROSIS）高光谱遥感图像进行了分类实验.结果表明：所提分类方法的总精度和Kappa系数分别达到了89.90%和0.868 5,能够以较少的训练样本得到较高的分类精度,其更适于处理遥感图像分类问题.     

不同光照条件下含噪遥感图像边缘检测算法

针对不同光照条件导致遥感图像采集过程中形成随机噪声的问题,研究不同光照条件下含噪遥感图像边缘检测算法,以此提升遥感图像配准、识别的精度。针对不同光照条件下遥感图像获取过程中的随机高斯噪声,将邻域均值滤波算法与中值滤波算法相结合构建加窗中值滤波算法,利用该算法对含噪遥感图像实施滤波处理,消除遥感图像内的各类噪声。针对去噪后的遥感图像,利用Canny算子进行图像梯度计算,并进行最大值约束。对约束后的遥感图像梯度直方图采用最大类间方差法自适应检测和连接边缘的高、低阈值,通过跟踪边缘像素点,完成遥感图像边缘检测。测试结果表明,该算法可最大限度上还原实际遥感图像,准确检测图像边缘信息,提升遥感图像配准、识别的精度。     

基于人工神经网络的遥感图像处理方法研究

根据遥感图像的特性,介绍了人工神经网络在遥感图像分析与处理领域的各种应用,重点分析了基于人工神经网络的遥感图像分类与增强、遥感图像复原与重建、图像边缘检测与纹理信息提取等方法,在MATLAB平台下对基于BP神经网络的个别算法进行了实现,并说明了神经网络方法在遥感图像分析与处理技术中的应用潜力。     

GeoTIFF解析及在遥感影像地理编码中的应用

剖析了GeoTIFF解析所依赖的理论基础，详细论述了GeoTIFF扩展TIFF用于存储地理信息的具体技术途径和6个地理标签的结构、含义。在此基础上介绍了LibGeoTIFF的结构，结合遥感影像地理编码实例给出了定制GeoTIFF地理键的方法。     

一种遥感图像中机场跑道的提取方法

针对遥感图像的特点,提出了一种遥感图像中机场跑道的提取方法.该方法利用数学形态学对遥感图像进行增强,然后采用最大类间方差选取阈值进行阈值分割,再提取机场连通域,最后经细化后对图像进行两次Hough变换提取跑道.首先对图像进行粗提取得到跑道区域,再对跑道区域进行细提取得出机场跑道.实验结果表明,该方法能够准确提取遥感图像中的机场跑道.     

边缘走向自适应的多尺度分水岭分割算法

针对图像分割存在过分割、欠分割以及分割边界具有不确定性等问题,提出一种边缘走向自适应的多尺度分水岭遥感图像分割算法.此算法根据梯度变化的最大方向来确定单个波段的梯度值,通过各像元邻域内波段间的相关性合成多个波段的梯度,对梯度图像进行形态学重建之后,采用多尺度标记算法进行标记分水岭分割.选取QuickBird,SPOT,Landsat TM 3种不同空间分辨率的遥感影像对此算法进行试验分析;同时,将该算法与eCognition软件中多尺度分割方法、多波段组合的传统分水岭分割方法、形态学分水岭分割方法进行比较.结果表明:该算法分割结果的边界和真实的地物边界非常接近,分割结果精度优于eCognition软件中多尺度分割方法、多波段组合的传统分水岭分割方法和形态学分水岭分割方法.     

基于数学形态学的遥感图像条带噪声去除方法

遥感图像对于了解地球特征信息具有重要作用，噪声去除效果亟待加强，因此，设计基于数学形态学的遥感图像条带噪声去除方法。分析遥感图像条带噪声来源，设置遥感图像特征参数；基于数学形态学提取图像条带噪声的结构元素，提高数学形态学对图像处理的准确性；计算条带噪声信噪比，进一步提高条带噪声去除效果，进而实现遥感图像条带噪声的有效去除。实验结果表明：设计方法的噪声去除效果更佳，极具推广价值。     

一种基于小波去噪的遥感图像显著性区域检测算法

传统的图像检测方法未获取遥感图像亮度、色度、饱和度信息,图像显著性区域检测效果较差,为此,论文提出一种基于小波去噪的遥感图像显著性区域检测算法。利用小波变换的正交方式将遥感图像转换为一维图像,采用二进小波变换获取遥感图像边缘信息,根据新阈值函数去除图像边缘噪声;依据IHS变换（Intensity-Hue-Saturation）方式计算遥感图像亮度、色度、饱和度信息,并经离散小波变换计算遥感图像高、低频系数向量,通过模糊C均值聚类获取低频系数聚类数据后,利用显著性因子完成遥感图像显著性区域检测。实验结果表明：本文方法能够有效提取图像边缘信息,去除噪声能力强,所检测到的图像显著性区域层次分明,对比度较高,检测效果好。     

遥感影像云团和云影检测与去除

以图像处理和分析理论为依据,建立了云团、云影图像模型和区域恢复模型,并采用阈值法对图像分割。 用1988年TM遥感影像对2002年ETM遥感影像中云团及云影进行去除试验,再现云团和云影区地物特征,提 高遥感影像数据的可用性。结果表明,使用阈值法并利用直方图形态分析选取阈值、检测云团和云影的计算方 法简单且效果好;选取合适的两遥感影像灰度平均值之比,可以得到理想的恢复效果,再现云团和云影区地物特 征,达到提高遥感影像的可用性。     

基于提升算法的超谱遥感图像融合分类研究

超谱遥感技术的发展对遥感图像处理算法提出了新的挑战,超谱遥感图像所特有的高光谱维数,使适用于多光谱图像的算法不适合直接用于超谱图像.利用数据融合技术可以将超谱图像从高维降到低维,因而有利于图像的分析和处理.提升算法是构造第2代小波的关键技术,该文研究了其用于超谱遥感图像融合分类的可行性,利用提升算法将第1代小波改造成第2代小波,并对标准的AVIRIS超谱遥感图像实现图像融合,在融合的同时,提取图像的光谱特征用于分类,在相同的实验标准下在像素层和特征层上分别对图像进行了第2代小波融合分类,并用分类精度对实验结果进行了客观的评价.实验结果表明,以提升算法构造的特征层小波融合分类比像素层分类精度提高了7.78%.     

WorldView-2遥感影像融合方法研究

随着遥感技术的发展,遥感影像的处理变得越来越重要,其中遥感影像的融合是遥感图像处理的重中之重.近年来,提出许多遥感影像融合的方法,以WorldView-2全色、多光谱影像为数据源,采用Gram-Schmidt、HSV、Brovey、PCA融合算法,以ENVI4.8为处理平台进行影像融合,并利用定量评价指标进行定量化评价.试验结果表明,Gram-Schmidt融合方法对高分辨率影像融合效果最为理想.     

应用卷积神经网络的遥感图像云层自主检测

为实现遥感卫星对遥感图像的自主云层判别能力,提升目标自主识别的效率,避免云层覆盖面积较大的遥感图像丢失关键的目标信息而给后续算法处理带来不必要的计算资源浪费,提出一种基于卷积神经网络的云层自主检测方法,实现遥感图像云层的自主检测,达到了较高的检测精度.首先,根据遥感图像的特性建立卷积神经网络.然后,使用大量人工标识的遥感图像完成云层检测网络训练,使其达到预期检测精度.最后,在卫星在轨运行阶段,将所拍摄的遥感图像根据尺寸划分为若干个子图,并通过训练完成的卷积神经网络对子图是否被云层覆盖进行分类预测.综合所有子图的预测结果给出整幅遥感图像的云层覆盖占比.结果表明:以Landsat卫星遥感图像为测试对象,该方法可以实现有云层覆盖检测正确率为95.3%,无云层覆盖检测精度为97.8%,误判率为2.58%,漏判率为0.90%,综合精度为97.9%;由于使用了卷积神经网络和并行计算技术,该方法基本满足实时性需求,提高了算法的自主性与鲁棒性,为基于遥感图像的在轨实时应用奠定了基础.     

提高海量遥感影像重采样效率的策略

搜索源数据及将源数据块读入内存，是影响海量遥感影像重采样效率的2个主要因素。建立了海量遥感影像源文件索引；根据重采样结果影像的地理范围，建立了搜索区源文件索引；根据子采样块地理范围，读入源数据块并建立链表。这些方法的系统应用，保证了源数据的快速搜索和高效读取，因而较好地实现了海量遥感影像的重采样操作。     

遥感影像信息提取技术的研究与实现

随着遥感技术的发展和遥感应用的深入,遥感影像信息提取方法的研究成为关注的焦点.一般来说遥感影像信息提取包括分类、识别和特征提取.文中主要研究利用MATLAB实现影像中的光谱特征和纹理特征的提取和分类,并结合ERDAS软件对影像进行预处理和分类后处理以及精度评定,最终从精度评定结果来看,两种特征分类的总体精度较高,另外,图像的结构信息有助于提高遥感影像信息提取的精度.     

武都—文县地区遥感影像线性构造解译

在系统研究遥感信息在地学应用发展概况基础上,总结和分析了在遥感影像上提取线性构造的原理和方 法,重点研究线性构造在遥感影像上的表现特征,结合遥感影像数字处理特点来研究各种线性构造影像增强的 算法,并通过解译武都—文县地区断裂的具体位置和活动性质,进一步对各算法进行验证,为遥感信息在地学应 用方面的研究作了一定的铺垫。