一种遥感图像中海岸线的提取方法

针对遥感图像中海水和陆地区域分割和海岸线提取的问题,提出了新的区域分割和边界提取。首先对目前存在的分割技术进行分析,确定这些方法的局限性和缺陷,然后回归到最基本的阈值分割和边缘检测技术,并受这些基本算法的启发提出一种边界寻找和阈值分割的方法,并通过实验证明了这种方法在进行海陆分割和海岸线的提取方面的有效性,最终实现了海陆分割和海岸线的提取。     

星图像的亚像元细分定位方法研究

介绍了常用的亚像元细分定位算法,即质心法、高斯曲面拟合算法和抛物面拟合算法。理论上高斯曲面拟合算法具有最好的精度,然而通过对实际星图的实验,发现其与实际情况符合的并不好,定位误差超出了允许的范围。因此本文选用质心法计算星体的坐标,并经过仿真实验证明了质心算法达到了亚像元的精度,完全满足后续应用的要求。     

一种基才星体面积的星图分割方法

图像分割是图像识别过程中的关键一步,分割结果的好坏会直接影响到星体的细分定位和模式识别。星体在星图中属于小目标,多目标．其分割与普通图像的分割有较大的不同。文中在分析星图特点的基础上,提出了基于星体面积的分割方法,并通过仿真与其他分割方法进行比较,验证了其有效性和优越性。     

海上摄像平台运动对目标在靶面成像位置影响的分析

布置在海面上的摄像平台的运动难免会对目标在摄像系统中的成像位置产生影响。分析这些运动对目标成像位置的影响,为是否需要采用稳定装置和采用什么样的稳定装置提供了理论依据,因此具有较大的应用价值。     

基于线不变矩和封闭性的遥感图像港口识别

针对遥感图像中的港口目标识别问题,本文提出了一种基于海岸线不变线矩特征与港口海岸线封闭特征结合的识别算法。首先采用边界寻找和阈值分割的方法进行海陆分割和海岸线的提取,然后通过封闭性检测确定港口区域和属于港口区域部分的海岸线,将封闭度和线不变矩特征组成的特征谱作为识别港口的依据,最终实现了对港口的识别。实验结果表明,该算法能够准确地识别遥感图像中的港口目标。     

基于改进最大似然方法的多光谱遥感图像分类方法

最大似然(ML)分类方法是一种典型的基于统计分析的监督分类方法, 从理论上讲,具有最小出错率与最高分类精度的特点。但最大似然分类方法是以数据的正态分布假设为前提的, 这在真实遥感数据中很难满足, 从而导致分类精度下降。根据数据分布可以以任意精度由多个正态分布的线性组合表示, 对最大似然分布的数据分布进行修正, 既提高了数据模型的正确性, 又充分利用正态分布的优点。最大似然分类方法的训练样本挑选也具有一定的随意性和主观性, 先验概率直接影响分类结果, 而且对整幅图像采用同样的先验概率会导致分类精度下降。针对训练样本的选择问题, 先用ISODATA聚类算法对数据进行聚类, 对比参考分类图像选择训练区域, 一方面利用聚类结果可以选择性质均匀的区域, 另一方面使得样本的选择变得简单, 最后进行了遥感数据的分类实验。实验结果证明了该方法不仅可以实现遥感数据的分类, 而且具有较高的总体分类精度和Kappa系数。     

近红外多视场白天测星分析

近红外多视场恒星探测系统采用3个探测器同时进行恒星探测,分析了近红外波段白天恒星-背景对比度随探测参数的变化情况,对不同视场对比度进行对比,结果表明:随着探测天顶角的增大,恒星-背景对比度呈线性增大;太阳天顶角大于探测器天顶角以后,恒星-背景对比度随太阳天顶角近似于指数增长;一定高度时,对比度随探测器高度的增加近似指数增加;而随着探测方位角的增大,恒星-背景对比度呈高斯分布;三个视场内同一时刻的背景辐射比在主视场0探测方位角时达到最小,探测到的恒星-背景对比度随主视场探测方位角变化呈对称分布,为星等修正奠定较好的基础。