多尺度遥感影像数据库管理的设计与实现

介绍了遥感影像数据库管理的设计与实现,包括：遥感影像及其元数据在后台数据库SQLServer2000中的存储,数据的标准分类．以及WindowsNT环境下、基于J2EE架构的数据管理功能设计。这套方案已经在“十一五”国家科技攻关项目——小城镇信息化公共信息资源库关键技术研究中得到成功的应用,取得了很好的管理效果。     

针对质量评价的环境星遥感真实图像库构建

目的 随着遥感信息爆炸时代的来临,海量的遥感图像信息不断地从太空中传来。如何有效地利用这些遥感数据成为学者们新的研究热点。遥感图像质量评价不仅能筛选出有价值的图像以供后续的图像处理,如地物分类、目标识别等,还能对卫星设备的运转情况进行检测,而目前还没有公开的针对质量评价的遥感图像库。为此,构建了一个针对质量评价的环境星HJ-1A/1B真实遥感图像专家评分库。方法 遥感图像专家评分库包含70组,每组包含同一地点的5个不同时间点的图像,共350幅真实遥感图像以及每幅图像对应的主观评价质量分数。并通过基于卷积神经网络的图像质量评价算法来验证该遥感图像专家库的可用性。结果 将本文算法和4种效果较好的无参考图像质量评价算法在本文数据库上进行性能检测,并对各算法性能与训练测试集规模的关系进行对比实验。实验结果表明,目前针对仿真图像的无参考图像质量评价算法并不适用于该遥感图像库,验证了遥感真实图像与自然仿真图像的巨大差异,而基于卷积神经网络的算法结果则表明该数据库具有质量评价研究价值。结论 本文构建的基于环境星遥感真实图像库能够为遥感图像质量评价提供验证平台,并且数据规模可以为深度学习在遥感图像处理领域的应用提供支持。     

基于UTM投影的遥感图像查询系统设计与开发

为了高效管理遥感图像数据,使用户能快速查到所需数据,文中提出通过挖掘遥感图像数据的元数据信息,在UTM投影下构建遥感图像查询系统,以实现遥感图像的快速查找、精确定位和绘制波谱曲线等功能.并以ASTER和EO-1图像为例,详细介绍了遥感图像查询系统的设计方案、系统功能,以及开发的具体步骤.     

基于图像的全景视图的实现技术

基于全景视图的方法作为IBR中的一项关键技术，目前正广泛的应用于虚拟现实和计算机视觉等多种领域。在此基础上，探讨了由局部散列照片如何生成固定视点全景图的实现技术，并指出了其应用范围。     

基于元数据的空间数据ETL规则库设计研究

空间数据仓库可以有效地管理和利用空间信息以便支持空间分析和决策支持。空间数据抽取、转换和加载是空间数据仓库研究中最重要的问题之一,利用元数据对空间ETL过程进行控制,可以增加该过程的灵活性和可扩展性。提出一种基于元数据驱动的空间数据ETL新方法,介绍基于元数据的空间数据ETL规则库设计理念。     

可视化遥感影像库系统设计与实现

随着获取遥感影像的传感器与获取技术手段的日益先进,遥感影像的数据量空前巨大,这对海量遥感影像的管理与应用提出了更大的挑战。传统的遥感影像库系统在海量数据组织和数据快速检索上已经不能很好满足用户的需求。该文针对遥感影像库目前存在的缺陷提出一种影像组织和检索机制,并结合已经实现的系统验证了该方案的可行性。     

语义Web中RDF元数据的存储与管理

语义Web的实现首要解决的问题就是对资源的描述,RDF是描述信息资源的基础,管理和存储RDF数据成为必须要解决的问题。如果把RDF数据存储在关系数据库中,就可以有效地利用现有的数据库资源来管理RDF数据。本文用垂直Scheme的格式来构造RDF数据存储表,通过模式映射把RDF数据映射成RDF数据存储表中的记录;此外又给出了用RDF视图查询RDF数据的方法为实现语义查询打下了基础。     

基于网格服务的遥感冈像元数据目动获取

遥感图像元数据的提取是遥感信息集成共享中的核心问题和根本前提。该文在网格环境下．诵过对图像参数的标准化映射和头文件的分析,根据元数据获取原理,设计了元数据自动提取算法。同时将算法封装为遵循WSRF标准、对外提供统一接口、可供整个网络共享的全局资源。应用结果表明,该技术大幅度降低了元数据提取的操作复杂度,提高了效率、精确度和自动化程度,具备良好的即插即用性。     

基于OPeNDAP的遥感数据发布系统实现

针对遥感数据发布网络传输问题,利用OPeNDAP支持数据子集获取的特性,实现了基于OPeNDAP的遥感数据发布系统。该系统基于数据、数据库管理、网络应用的分层系统设计,开发集成了OPeNDAP数据服务、动态快视图、数据信息查看、数据目录等网络功能,实现多源遥感数据统一发布的目标,解决了黑河实验数据发布过程中存在的数据格式多样性、数据量大等问题。最后介绍了该系统的OPeNDAP、动态快视图等网络应用。     

基于基库的多实化视图增量维护算法

基于基库的多实化视图维护将基库集作为多个实化视图的辅助视图集保存在集成端。当信息源发生变化时,基库随着更新,同时触发多实化视图的更新与维护。在保存基库的情况下,多实化视图的维护无需访问信息源就可完成,是多实化视图的自维护方式。     

基于深度神经网络的遥感图像分类算法综述

准确、高效的遥感图像分类是遥感图像解析的重要研究内容之一。近年来,随着机器学习技术的发展,深度神经网络日渐成为一种有效的遥感图像分类处理方法。分析了遥感图像分类目前存在的一些问题,并简要阐述了几种典型的深度神经网络的原理结构;然后根据遥感图像分类的研究现状和深度神经网络对遥感图像分类的研究现状,总结了深度神经网络在遥感图像分类技术应用中的发展趋势。     

基于形态学和Contourlet系数区域特征的遥感图像融合方法

进行遥感图像融合时,全色图像空间信息的保留与多光谱图像光谱信息的保持是相互矛盾的,如何在这对矛盾体中实现最佳的融合效果一直是图像融合领域的研究热点。在IHS变换的基础上,将形态学和Contourlet变换相结合,针对多特征地物遥感图像的融合提出了一种基于图像特征的选择性融合算法。该算法先利用形态学操作将图像的边缘和非边缘信息进行区分,然后对处理后的图像进行Contourlet变换得到一个低频和一系列高频分量,再利用不同的区域特征自适应融合算法分别对低频和高频系数进行选择性融合,最后通过Contourlet逆变换和IHS逆变换得到融合结果。融合实验结果表明:对多特征地物遥感图像进行融合时,该算法是高效可行的。     

遥感应用分析中影像分割方法

影像分割是数字图像模式识别的基础, 是实现从影像上进行目标计算机自动提取的第一步工作, 在遥感应用分析中具有重要意义。近年来, 随着大量的高质量的高分辨率遥感影像出现, 其相关应用迫切需要有效的、考虑其高分辨率影像特点的影像分割方法。但由于高分辨率遥感影像本身的一些特点, 遥感应用分析中传统常用的分割方法难以达到满意的效果。对遥感应用分析中的影像分割方法进行了总结和分析, 并结合高分辨率遥感影像的特点, 分析了高分辨率遥感影像分割的技术难点, 说明了基于像素的传统影像分割方法的局限性, 着重阐述了数学形态学、面向对象分析等方法能更充分地利用影像中目标的色调、纹理、几何等属性, 因此在高分辨率遥感影像分割方面更具有优势。最后, 探讨了遥感应用分析中影像分割方法的发展趋势。     

彩色遥感图像目标提取方法研究

目标提取是对遥感图像进行分析处理的一个重要内容。针对彩色遥感图像的特征,首先采用了传统的边缘检测方法,验证其存在的不足。进而运用模糊聚类分析的模糊C-均值算法,选择适当的正交彩色特征,实现了对图像中目标区域的有效分割与快速提取,为遥感图像识别与计算提供了可靠的基础。研究实例表明了算法的有效性。     

细胞免疫组织化学显微图像分析及实现

病理细胞免疫组织化学图像分析是显微图像分析中的一个重要内容,文章采用细胞形态学和病理学相结合的方法,将医学病理常用的手术切除组织切片经固定后,用Feulgen 染色,由图像采集系统将原始细胞图像存入计算机中,并对细胞图像进行分析、计算,得到阳性细胞的数量、面积分布、百分比分布、积分光密度以及阳性单细胞平均面积等参数,过程快速、准确,可应用于临床分析诊断.     

卫星红外遥感图像条带干扰的模拟与应用

卫星红外遥感原始图像中的条带干扰影响了图像的质量.需要使用专用算法进行消除条带干扰,以改善视觉效果.但在消除干扰的同时往往会损失图象的有效信息.由于在实际环境中无法获得无干扰的理想图象,要定量评估图像处理算法的效果是很困难的.该文在对红外遥感图象中干扰条带进行分析基础上,设计了干扰强度和长度为非固定的模拟条带干扰模型.通过在理想图像中加入模拟条带干扰和建立图像差异的评判指标,实现了对消除条带算法有效性的定量分析.     

基于形态Snake模型的遥感影像的单木树冠检测算法

单木树冠检测可以辅助林业统计获取诸如树冠位置、冠幅、胸径等信息,对发展精准林业具有重大意义。针对单木树冠检测中树冠轮廓描绘不精确的问题,文中提出了一种基于形态Snake模型的遥感影像的单木树冠检测算法。该算法首先对林区特征进行了分析,然后 使用局部极值法 对林区特征图和距离变换图提取树冠顶点,最后根据树冠顶点为所有树冠初始化形态Snake模型轮廓,并迭代进行轮廓演变,得到最终的树冠轮廓。为了验证方法的有效性,对比分析了区域生长法、模板匹配法、分水岭法和所提出的形态Snake模型法。实验结果表明,所提方法的检测结果更准确,树冠轮廓更接近实际形状,与其他已有方法相比,整体检测得分提高了6%,面积平均差降低了0.5m²。     

遥感影像的正射校正方法比较

遥感影像的近似正射校正方法包括共线方程法、基于仿射变换的严格模型、改进型多项式、有理函数模型、神经网络图像校正等等。目前还缺乏对这些方法进行系统比较的研究。在介绍上述几种方法原理的基础上，总结了不同正射校正方法的优缺点；重点分析了有理函数模型的数学推导和算法实现，将Tikhonov正则化方法引入有理函数模型解算过程；探索性应用了两种神经网络模型校正遥感影像；通过实验进行了各种正射校正方法之间的精度和效率比较。实验结果表明：在相同的控制点和已有数据条件下，有理函数模型精度最高，可达子像素级，但模型计算速度相对其它算法稍慢一点。
     

基于高斯云变换的遥感图像多粒度聚类

遥感图像技术的迅猛发展,使得传统聚类方法的局限性日益凸显。针对其信息量大、结构复杂等特点,从多粒度、多层次的角度来分析与理解地学现象,能够更好地解决遥感图像的自适应聚类问题。基于云模型与混合高斯相结合的高斯云变换是一种求解多粒度问题的新方法,能够解决问题域中多粒度的生成问题,但是其时间复杂度较高以及对噪声敏感等缺点,导致对遥感图像的聚类结果不理想。因此提出一种改进的高斯云变换方法,首先通过K-Means聚类优化初始粒度的选择,其次结合幅度云综合对粒度跃升策略进行改进,然后使用一种隶属度距离进行粒度的区域划分,最终对遥感图像进行聚类。实验结果验证了所提方法的正确性和有效性。     

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。