基于IHS的高分辨率遥感影像自适应融合算法

在分析几种IHS算法的基础上,提出了一种适合于高分辨率遥感影像的自适应加权融合算法。该算法基于快速IHS变换,从亮度成份构成和空间细节注入程度两个方面加以改进,采用相关系数来调整权重,避免了人工指定权重带来的主观因素偏差,在提高影像空间细节和光谱保持之间取得了较好的均衡,同时还具备了高计算效率。通过融合实验并与几种改进的IHS算法的对比分析,该算法均优于其他几种改进算法。     

融合边界信息的高分辨率遥感影像分割优化算法

目的 针对目前区域分割算法获取的区域边界与真实地物边界不一致问题,利用高分辨率遥感影像地物内具有均质性和地物间边缘信息突出的特点,提出一种融合边界信息的高分辨率遥感影像分割优化算法。方法 首先采用Canny算法对遥感影像进行边缘提取并进行边缘连接处理,产生闭合边界;然后将边界与初始分割结果进行融合处理,获得新的分割结果;最后在闭合边界约束下,基于灰度相似性准则对新的分割结果进行区域合并,获得优化后的最终分割结果。结果 采用本文提出的分割优化算法对Mean Shift算法和eCognition软件获得的分割结果进行优化处理,优化后的分割结果与初始分割结果相比正确分割率（RR）平均提高了4%,验证了本文算法的有效性。结论 该优化算法适用性广,可优化基于区域、基于边界和基于聚类等多种分割方法,同时该算法既能保持高分辨率遥感影像分割的区域完整性,又能保持地物边缘细节特征,提高了分割精度。     

改进U-Net网络的高分辨率遥感影像变化检测算法

针对高分辨率遥感影像变化检测中出现的伪变化较多、检测边界模糊、小目标漏检等问题,提出一种孪生结构的Siam-FAUnet变化检测模型。该模型可以实现端到端的变化检测任务。首先,利用改进的VGG16作为编码器提取双时相的影像特征;其次,通过空洞空间金字塔池化模块获取图像多尺度上下文信息;然后,使用流对齐模块将编码器中的低层特征融合至解码器,以此来获取影像的变化区域。实验采用公开的CDD和STAKI数据集进行训练和测试。结果表明,相对于其他主流的深度学习变化检测方法,Siam-FAUnet变化检测模型在准确率、精确率、召回率和F1分值上均有提升,表明该模型具有良好的检测性能。     

多特征融合的高分辨率遥感影像建筑物分级提取

目的 针对高分辨率遥感影像普遍存在的同谱异物和同物异谱问题,提出一种综合利用光谱、形状、空间上下文和纹理特征的建筑物分级提取方法。方法 该方法基于单幅高分辨率遥感影像,首先利用多尺度多方向梯度算子构造的建筑物指数和形状特征提取部分分割完整的矩形建筑物目标;然后由多方向线性结构元素和形态学膨胀运算确定投票矩阵,从而获取光照方向,并利用光照方向和阴影特征对已提取建筑物进行筛选,剔除非建筑物对象,完成建筑物初提取;最后借助初提取建筑物对象的纹理特征向量建立概率模型,取得像素级建筑物提取结果,将该结果与影像分割相结合实现建筑物提取。结果 选取两幅高分辨率遥感影像进行实验,在建筑物初提取实验中,将本文方法与邻域总变分法和Sobel算子进行对比,实验结果表明,本文方法适用性强,为后提取提供的建筑物样本可靠性更高。在建筑物提取实验中,采用查准率、查全率和F₁分数3个指标进行定量分析,与形态学建筑物指数结合形态学阴影指数算法、邻域总变分结合混合高斯模型和贝叶斯判决算法相比,各项精度指标均得到显著提升,其中查准率提高了2.90个百分点,查全率提高了12.49个百分点,F₁分数则提升了8.84。结论 本文提出的建筑物分级提取方法具备一定抗干扰能力,且提取准确性高,适用性强。     

基于高分辨率遥感影像的土地利用变化监测

利用遥感影像进行土地利用变化监测,在国内已经有众多相关应用的尝试。但是受到遥感影像分辨率的影响,能满足1∶1万土地利用变化的应用还较少。以浙江省湖州市东林镇域内一块试验区为例,阐述了利用SPOT5高分辨率遥感影像进行1∶1万土地利用变化的方法、过程,同时给出了实验结果,进行了该应用的可行性讨论。     

基于模糊形态学梯度的高分辨率遥感影像分割方法*

针对高分辨率遥感影像提出一种有效的分割方法。首先采用分块方式计算图像复杂度,根据不同的复杂度,使用相应参数的均值偏移算法对图像进行颜色量化,图像越复杂,量化级数越多;在量化结果的基础上构建多形状结构元素,然后使用该结构元素对图像提取模糊形态学梯度,并使用浸没式分水岭变换得到分割结果;最后,使用改进的合并代价函数进行小区域合并而获得最终结果。对QuickBird多光谱影像进行分割实验,结果证明了该方法的有效性。     

基于改进的K-means法的高分辨率遥感影像道路提取

针对高分辨率遥感影像中道路提取存在的特征利用问题,提出一种基于改进的K-means算法的道路提取方法。首先根据遥感影像的具体场景进行相应的预处理;在此基础上,利用改进的K-means算法融合道路的光谱特征和纹理特征对图像进行分类,得到初始道路区域;然后利用道路的几何特征滤除非道路区域;最后采用数学形态学方法完善道路信息,得到最终结果。实验结果表明,该方法能实现复杂场景中道路提取,并拥有较好的效果。     

结合多种特征的高分辨率遥感影像阴影检测

针对现有的阴影检测算法对较亮阴影和较暗地物中的阴影不能同时较好地检测等问题, 提出一种结合多种特征的高分辨率遥感影像阴影检测方法.该算法首先结合主成分分析、颜色特征和直方图的分割构建多种阈值检测条件, 然后综合多种特征来进行遥感影像阴影的初步检测, 最后通过分析RGB模型在阴影与非阴影地物上的差别, 利用颜色特性最终检测出阴影区域.实验结果表明, 本文算法能有效检测较亮阴影和较暗地物中的阴影.与现有方法相比, 较亮阴影的平均总错误率从水平集法的31.85%降至24.61%, 较暗地物中阴影的平均总错误率从自动检测法的37.75%降至23.30%.     

高分辨率遥感影像信息提取及块状基元特征提取

分析了基于目标基元的遥感信息提取技术相对于传统的基于像元的处理方式所具有的优势;结合人类视觉机制和计算机尺度空间理论,设计了基于特征基元的高分辨率遥感影像多尺度信息提取技术流程框架,即在大尺度下进行粗分割后进行块状基元提取的技术及实现过程;最后给出了相关实验结果,实验表明本文提出的基于基元的遥感信息提取便于与视觉知识和环境知识更好地结合,提高了遥感信息处理与应用的自动化和智能化水平。     

一种改进U-Net的高分辨率遥感影像道路提取方法

从遥感影像中准确高效地提取道路信息,对基础地理数据库的建立与维护具有重大意义。高分辨率遥感影像背景信息复杂,导致现有算法无法较好地从中提取道路信息。U-Net网络在图像分割方面有较好的实验效果,但道路分割结果准确性不佳,因此,提出了一种改进U-Net网络的高分辨率影像道路提取方法。首先,设计基于U-Net的网络结构,将VGG16作为网络编码结构,可更好地提取特征语义信息;其次,利用Batch Normalization与Dropout解决网络训练过程中出现的过拟合;最后,对训练数据利用旋转与镜像变换进行扩充,采用ELU激活函数,提升了网络训练速度。实验结果表明：该方法可以较为准确高效地提取道路信息。     

信息融合技术在彩色图像分割方法中的应用

将信息融合技术应用于彩色图像分割,提出了一种新的分割方法,并应用剥壳方法降低问题的复杂度,为彩色分割在不同领域中的应用提供了一种新的思路与解决方法,将该方法应用于彩色地图自动矢量化输入系统,得到了令人满意的结果。     

一种多分辨率图象数据融合方法及实现

如何对同一目标的多传感器获得的不同分辨率的图象数据进行有效融合,提高对检测目标检测的分辩率,抑制每年传感器的检测噪声,降低检测信息不生,这是数据融合研究的重要课题之一。介绍了一种基于最小均方差的融合方法,并应用于两幅不同分辨率的ＳＡＲ图象的融合,取得了良好效果。     

一种基于局域统计特征的影像融合方法

通过将较低空间分辨率的多光谱影像和较高空间分辨率的全色波段影像融合产生兼具多光谱和高空间分辨率特征影像是提高资源环境监测精度的重要途径之一。本文提出了一种计算简单、光谱保真性好的影像融合算法。该方法根据影像局域统计特征,建立融合方程,以表征全色影像空间结构和多光谱影像光谱信息的统计量为约束,求解融合系数,实现影像融合。试验结果表明该方法光谱保真性好、适应性强,具有一定的应用潜力。     

基于Contourlet变换的多波段SAR图像伪彩色融合

针对多波段SAR图像融合问题, 提出了一种基于contourlet变换的伪彩色图像融合方法. 该方法首先利用contourlet变换多尺度, 多方向以及各向异性的良好特性对不同波段SAR图像进行多尺度分解, 采用边缘信息量测因子策略融合方向高频子带, 加权平均策略融合低通子带. 然后对灰度融合图像利用混合高频提升滤波方法得到RGB彩色空间的三个颜色通道, 并在RGB空间量化显示,把人眼难以分辨的灰度信息转化为可分辨的色彩, 保持SAR图像的空间分辨率的同时增强了光谱分辨率. 采用Ku和L波段SAR图像进行融合实验, 并用客观评价因子对融合质量进行评价, 结果验证了该方法的有效性.     

遥感图像像素级融合方法的建模与分析

遥感图像像素级融合方法众多,但缺乏统一的定义,使得各种方法的差并不明确,不利于有针对性的应用;各种方法的融合质量差异悬殊,缺乏选用合适融合方法的理论指导,往往只能根据操作者的经验进行判断。为此,本文首先对融合方法的一般处理过程进行建模,提出了基于融合过程中图像信息表示的遥感图像融合方法的形式化定义RSPF; 然后,基于RSPF从理论上分析了现有融合方法的融合质量差异;最后,通过实验定量分析了各种典型融合方法的融合质量。结果表明,融合过程中图像信息的表示形式是影响响融合质量的关键因素。     

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...     

卫星影像与基础测绘数据更新

探讨了在利用卫星影像更新基础测绘数据中，卫星影像精度与成图比例尺的关系。对如何选取合适精度的卫星影像作为影像数据源和正确认识其在基础测绘更新中的应用作出了评述。     

一种基于小波变换的多传感器图像融合优化方法

文中针对小波变换在进行高分辨率图像和多光谱图像融合时,不能同时保持空间信息及光谱信息的问题,提出了一种优化的小波变换图像融合算法。它将高空间分辨率图像和多光谱图像经小波变换后的低频、高频分量先分别进行增强,然后再进行融合,优化了传统的基于小波变换融合方法。并且通过对同一场景的SAR图像和TM图像的融合实验,证明了该算法在有效地保留原图像光谱信息的同时,也很好地保持了空间细节。     

基于NSCT变换的多源图像融合并行算法

以可见光、红外和雷达图像为数据源,利用NSCT变换灵活的融合规则,即NSCT变换低频系数采用加权平均法、高频系数采用区域能量最大法,提出了基于NSCT变换的多源图像并行融合算法。大量图像融合实验表明,针对可见光、红外和雷达图像,采用不同的融合策略,可以得到较理想的融合图像。     

基于融合的高分辨率彩色图像拷贝—变换—移动篡改检测

拷贝—变换—移动篡改是一种操作简单但非常有效的数字图像篡改方法,现有检测框架无法检测。同时,在处理高分辨率篡改图像时,基于穷举搜索的现有算法框架会有计算量的困难。针对高分辨率彩色图像拷贝—变换—移动篡改提出了基于图像融合和尺度不变特征变换(SIFT)特征点匹配的检测算法。首先利用基于加权多尺度基本形的图像融合方法将降采样后的彩色图像信息融合至单幅灰度图像中,然后设计快速匹配方法得到融合图像中匹配的SIFT特征点作为种子点,最后根据图像处理规则和SIFT特征点的尺度和方向信息制定合适的生长策略逐步生长出被篡改区域。对手动制作的篡改图片和可疑新闻图片的实验结果表明,该算法对常用的润色操作和亮度调整以及JPEG有损压缩有较强的稳健性。