基于机载线阵光学载荷MTF评估算法的优化

调制传递函数是目前国际上普遍使用的光学遥感载荷在轨运行性能的重要评价指标,而刃边法是评估中高分辨率光学载荷在轨MTF最普遍使用的方法。针对推扫型机载线阵光学遥感载荷成像特点,重点考虑姿态因素对算法评估精度的影响,对刃边算法进行调整和优化以适应推扫型机载线阵光学遥感载荷的MTF评估;还改进了精度分析方法,引入了载荷姿态影响因素,并利用真实载荷姿态数据生成仿真刃边图像对算法的有效性和评估精度进行了验证。     

一种优化的刃边法MTF在轨评估算法

调制传输函数MTF(Modulation Transfer Function)是评价光学传感器性能的一个重要的指标。本文对MTF在轨评估技术中的刃边法算法进行深入研究,通过分析对比当前主流算法在刃边法关键环节上的处理方法,对算法进行了优化,然后利用仿真方法对优化算法进行了精度分析,并与国际标准组织提供的MTF评估算法(ISO 12233)进行了比较。精度分析结果表明:在相同仿真条件下,该算法的计算精度优于ISO12233评估算法,适用于高分辨率光学载荷的MTF在轨评估。     

遥感图像恢复与遥感器MTF 在轨检测技术

遥感成像过程受到大气和成像系统中的光学、探测器和电子学子系统等的影响, 引起成像退化作用, 造成图像模糊, 降低了图像中信息的提取能力。图像恢复技术可以改善图像的质量, 提高图像信息提取能力。依据图像恢复技术的要求, 高精度成像系统调制传递函数(MTF) 是高质量图像恢复的基本条件。针对不同遥感器之间、同一遥感器不同时期存在的成像性能变化, 所引起成像系统MTF 变化的实际情况, 介绍了成像过程中系统MTF 在轨运检测方法。着重于介绍刃边法, 对刃边法的原理、刃边法检测对地物景观的要求等进行了详细分析, 对这一方法中有关图像景物的行扫描采样、扫描行的配准以及对所获得的边扩散函数的拟合等关键技术进行了详细介绍, 这些技术是保证较高精度获取遥感图像MTF 的基础。文章在介绍基于成像系统MTF 图像恢复技术后, 通过实验检验了方法的可行性, 结果表明以MTF 在轨检测为基础的图像恢复技术, 可以明显地提高遥感图像质量。     

遥感图像质量分析与评价方法研究

评价遥感图像质量,由于观测器在轨运行,造成环境噪声干扰,图像配准质量差,直接反映了空间遥感器在轨成像性能,而且对遥感数据的后期融合也有影响。针对传统遥感图像质量评价方法精度不高和通用性差的特点,提出了一种阈值法结合多波段遥感影像相关性信息的云含量检测方法,并改进了刃边的MTF参数估计方法,从而提高了评价结果的计算精度,通用性好,便于自动化实现。利用遥感图像进行仿真,结果表明所采用方法能较好的满足应用需求,具有较高实用价值。     

北京一号小卫星MTF在轨测量与图像复原

卫星调制传递函数(MTF)的在轨测试是监测卫星平台及其遥感器在轨运行情况和性能衰减程度的有效手段。本文针对北京一号小卫星多光谱相机,研究利用边缘地物法进行MTF在轨监测,并基于MTF测试结果,采用维纳滤波法对北京一号小卫星多光谱图像进行复原。结果表明NW向和NE向两个方向的MTF差别不大,在这两个方向上LSF的半带宽分别为3.75和4.35个像元。根据所计算得到的MTF值对图像进行复原可以明显提高北京一号小卫星图像清晰度以及边界信息。     

资源三号卫星在轨MTF测量与图像复原

随着高分辨率遥感卫星发射数量的增多,高分辨率遥感图像数据应用需求也日益增强,而遥感数据的质量直接影响到其数据应用的可靠性和精确性。为此,对高分辨率遥感图像数据进行图像复原是非常有必要的。针对资源三号卫星电荷耦合装置相机遥感图像高空间分辨率的特点,分析在仅有图像信息的情况下系统调制传递函数（MTF）的在轨测量方法,验证双边缘法的可行性。探讨双边缘线状地物选取方法,同时推导证明二维MTF矩阵的构建方法,并借助二维MTF矩阵对原图像进行修正反转滤波实现图像复原。试验结果表明,复原后的图像质量明显提高。     

Landsat-8卫星OLI成像仪调制传递函数在轨评测

鉴于传统调制传递函数(modulation transfer function,MTF)空间域分析结果受实验目标选择影响很大,应用EROS提出的频率域线状地物法对Landsat-8卫星OLI成像仪MTF进行在轨评测,并通过对比实验验证方法。基于目标和传感器特性分析,分别建立目标模型和系统传递函数模型,利用拟合数据求解模型参数,进而计算得到MTF值。并将EROS方法与传统T choi方法测得的MTF值进行对比。实验结果表明,EROS方法能有效应用于Landsat-8卫星OLI成像仪的MTF在轨测量,且明显减少了目标选择对于MTF评测结果的影响。     

基于辐射状靶标的MTF评估算法及精度分析研究

辐射状靶标既可以检测光学遥感载荷的空间分辨率,还可以评估载荷的MTF,因此广泛应用于光学遥感载荷在轨性能评估与数据质量分析中。通过仿真分析方法,对基于辐射状靶标的MTF评估算法进行了改进,并进行了精度分析。分析结果可为靶标布设以及实施辐射状靶标法在轨MTF评价提供理论指导。     

GF-1 WFV 影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16 m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深：在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV 影像提取水体精度较高,能广泛应用于中小流域洪,涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

GF-1 WFV影像的中小流域洪涝淹没水深监测

针对目前水深监测仍主要依赖Landsat、SPOT等国外遥感卫星的问题,提出采用国产高分一号(GF-1)卫星16m分辨率WFV影像进行洪涝淹没水深监测。通过以中小流域为研究区,采取RS和GIS结合的水深测算方法计算淹没水深:在利用RS影像提取淹没范围的基础上,运用GIS方法由水面高程和地面高程之差计算得出淹没水深的空间分布。结果表明,GF-1卫星作为新兴的国产遥感数据源,凭借空间分辨率高和回访周期短的优势,可帮助摆脱对国外卫星遥感数据的依赖;GF-1卫星WFV影像提取水体精度较高,能广泛应用于中小流域洪涝灾害监测;RS和GIS结合的洪涝淹没水深监测算法简单易行,可快速计算在淹没范围已知情况下的水深。相关结果可为洪涝灾害监测与评估提供信息依据。     

遥感图像时空融合综述

高时空分辨率的遥感图像大数据在遥感领域发挥着重要作用。然而,由于技术上和预算上的限制等原因,目前单一的卫星传感器无法获取同时具有高空间分辨率和高时间分辨率的遥感影像。因此遥感图像时空融合技术被认为是解决时间分辨率和空间分辨率折衷问题的有效途径之一。随着深度学习在各领域的广泛应用,深度学习技术已经被证实是解决图像问题非常有效的方法。针对国内外学者的研究成果,全面总结遥感图像时空融合的经典算法,同时重点分析基于深度学习的遥感图像时空融合算法的研究成果,在三个数据集上进行复现并分析实验结果,并对未来遥感图像时空融合进行展望。     

基于遥感数据特征和像元替换技术的边缘提取方法

随着城市化的发展，城市遥感领域在中国发展迅速。高分辨遥感图像的边缘提取是当前城市遥感的重要研究领域。实践中，传统的边缘检测算子主要是通过图像空城特征微分，建立不同结构的模板完成。高分辨率遥感数字图像包括了空间域和光谱域两种信息，因此，借助于图像的光谱和空间域两种特征信息提高提取城市边缘信息精度已经成为当前算法开发的基本思路。该研究通过设计光谱分解和边缘检测的算子模板，综合利用了图像的光谱、空间特征信息。研究结果表明，这种方法有效地提高了城市遥感数据边缘信息的提取精度，同时还具有方法简便、计算速度怏的特点。     

基于MTF的遥感影像复原算法研究

对引起遥感影像模糊的因素进行了分析,从光学系统、大气及传感器与地面的相对运动三方面出发,导出了遥感影像的调制传递函数,从而利用维纳滤波算法对遥感影像进行复原处理。考虑到遥感影像数据量大的问题,对图像采用分块处理的方法。实验结果表明该方法能有效的对退化的遥感影像进行复原。     

基于深度学习的卫星遥感图像边缘检测方法

为解决卫星遥感图像边缘模糊噪点过多,导致图像清晰度过低的问题,提出基于深度学习的卫星遥感图像边缘检测方法。利用Softmax分类器结构,提取边缘图像节点处的数据信息参量,遵循深度学习算法,完成对图像信息的卷积与池化处理,实现基于深度学习的卫星遥感图像识别。根据尺度空间定义原则,确定边缘检测特征点所处位置,再联合梯度信息熵计算结果,完成对卫星遥感图像的拼接处理。分别计算一阶微分边缘算子、二阶微分边缘算子的具体数值,确定梯度幅值的取值区间,总结已知数值参量,建立完整的双阈值表达式,完成基于深度学习的卫星遥感图像边缘检测方法的设计。实验结果表明,应用所提方法后卫星遥感图像边缘节点处信噪比指标增大,可有效控制模糊噪点对图像清晰度的影响,在卫星遥感图像边缘精准检测方面具有较强的实用性。     

基于MTF理论的遥感图像复原

由于遥感图像成像过程中受传感器性能下降、大气扰动等因素影响，致使图像质量退化。为了改善遥感图像质量，从图像质量退化原理分析，提出了一种基于调制传递函数（modulation transfer function，MTF）理论的图像复原方法。该方法主要包括去噪和MTF拉伸两部分。针对遥感图像的特点，给出了一种有效的基于频域的去噪方法。为了能够调节频谱拉伸的程度，还给出了一种指数调节MTF曲线的方法。中巴（中国和巴西）卫星红外遥感图像的实验结果表明：该新方法有效地提高了图像的对比度（对于实验图像来说，较复原前图像对比度提高了7倍多，方差也由原来的8．77提高到17．37）、熵等图像要素，从而改善了图像的质量。     

改进的MTF遥感影像复原算法研究

基于传统的图像复原算法——逆滤波,提出了改进的MTFC遥感图像复原算法。通过对比分析图像不同频点的补偿函数曲线以及不同补偿因子的复原效果,优化了MTFC算法,在提高图像质量的同时较好地抑制了噪声。同时,采用不同的卫星遥感图像验证了算法的适用性,体现了其应用价值。     

面向应用的遥感影像有效空间分辨率估计方法

由于受成像条件等影响,遥感影像有效分辨率一般要比采样单元大,目前有效空间分辨率测定主要基于MTF测定法,该方法测量技术要求高。本文从遥感影像空间分辨率对图斑定位和边界精度影响角度出发,提出有效空间分辨率估计方法,试验表明该方法估计结果与实际情况吻合较好,可为遥感数据源选择提供依据。