可视化技术在遥感图像处理系统中的应用

可视化技术可以最大限度实现遥感影像的科学计算可视化、数据可视化与信息可视化,为使用者营造直观且可以交互的可视化环境,可大大提升遥感图像处理质量和显示水平,近年来得到了广泛的应用与发展。基于此,本文首先简单介绍了可视化技术,进而对传统遥感图像处理系统与可视化遥感图像处理系统作简单对比,最后从可视化遥感图像处理系统的框架、可视化遥感图像处理系统技术等方面对可视化技术在遥感图像处理系统中的技术应用要点进行分析。     

小波变换在遥感图像处理中的应用综述

给出了小波变换的基本性质;综述了小波变换在遥感图像处理中的主要应用,特别是在图像数据压缩、纹理和边缘分析、图像插值处理和多卫星数据融合等方面的作用。从而认为小波理论在遥感图像处理领域有着广泛的应用前景。     

GPU在遥感图像处理中的应用综述

遥感图像处理具有数据量大、运算密集、算法复杂等特点,如何快速、高效地处理遥感图像成为遥感图像处理技术研究的目标之一。随着通用GPU计算技术的飞速发展,GPU的运算性能不断提高,具有浮点运算能力强、运算密集度高、体积小、性能功耗比和性价比高等特点,为加速遥感图像处理提供了新的途径。本文在简要介绍与分析GPU体系结构和编程模型的基础上,对国内外遥感图像GPU处理研究的现状进行了概括性综述,并对这些研究工作的特点进行了简要分析,最后总结了研究中存在的问题并给出了一些未来的展望。     

分形理论在遥感图像分类处理中的应用综述

针对遥感图像的特点,将分形理论应用于遥感图像分类中,可以根据不同的类型引入不同的分维数,在一定程度上符合了地物实际分布的特征,从而可以应用到遥感图像分类中。     

基于神经网络的遥感图像分类

针对传统的遥感图像分类方法分类精度低的缺点,提出了一种基于神经网络的分类方法。实验结果表明,这种基于神经网络的分类器经过训练后,可应用于遥感图像的分类,其分类精度明显高于传统的最大似然分类法。     

遥感图像分类的LMBP核函数改进算法

在核函数的基础上采用向量扩展的方法改进传统的LMBP算法,将输入向量由低维转换到高维,充分利用误差函数的一二阶导数信息,同时结合传统LMBP算法的优点提高网络训练的收敛速度。仿真实验结果表明,改进方法网络训练的迭代次数更少,分类精度更高,对遥感图像分类更有效。     

高光谱遥感图像分类算法中的应用研究

针对高光谱遥感图像数据量大、维数高、数据之间冗余量大的特点,提出一种基于决策边界特征提取(Decision Bounda-ry Feature Extraction,DBFE)的SVM高光谱遥感图像分类算法。首先采用DBFE对高光谱遥感图像进行特征提取,消除特征之间相关性,并降低特征维数,然后采用GA对SVM参数进行优化,找到最优分类模型参数,最后采用最优分类模型对待分类的高光谱遥感图像进行分类。仿真结果表明,高光谱遥感图像分类算法提高了高光谱遥感图像分类的效率和分类正确率,说明分类方法是有效、可行的。     

人工智能技术在遥感图像分类中的应用

研究遥感图像分类精度问题,遥感图像分类根据图像特征进行分类,然而其特征维数相当高且信息冗余严重,分类器不能降低特征维数,导致分类器计算量大,图像分类效率和正确率低。利用主成分分析(PCA)降维特征维数的优点,提出一种基于PCA-SVM的遥感图像分类方法。PCA-SVM算法首先采用LBP算子提取遥感图像特征,然后采用PCA对遥感图像特征进行降维处理,减少特征维数并消除特征冗余信息,获得对分类结果贡献大的特征,最后采用SVM进行遥感图像分类。仿真结果表明,PCA-SVM提高了遥感图像分类效率和正确率。     

数字图像处理技术在遥感图像分类中的应用

利用数字图像处理技术高效地处理遥感图像是提高我国农业信息处理、无人机、自然地理测绘等领域水平的重要手段。本文首先简述了数字图像处理技术的概念,进而按照场景分类介绍数字图像处理技术在遥感图像分类中的应用。     

数学形态学流域分割算法在遥感影像水系图图像分割中的应用

本文把数学形态学的流域分割算法引入到处理遥感影像图上，实现了大数据量遥感影像水系图的流域分割。本文提供的流域分割方法与传统分割方法不同，该方法是根据数学形态学的知识，通过选取极低点，以极低点为中心膨胀得到分割区域来实现的。在膨胀时本文采用了八邻域膨胀的方法，提高了效率，缩短了运行时间，使分割得到了较好的效果。这种方法对于数据量很大的影像图尤其适用。     

基于图论的遥感图像分割算法分析

遥感图像处理技术目前已经广泛的应用于军事以及农业等众多领域。遥感图像中的目标物如果进行分割,那么就可以得到更多的目标物信息,并且可以为进一步的处理奠定良好基础,比如说对于目标物的跟踪、分析以及识别等。本文对图像分割的标准进行了介绍,并且对基于图论的交互式遥感图像分割法进行了详细的分析。     

遥感图像波谱角并行分类算法

针对海量遥感数据处理提出了一种遥感图像波谱角并行分类算法.该算法是基于单机波谱角算法.针对其处理遥感图像数据速度慢、效果差、内存不足等缺点,提出了在集群环境下遥感图像波谱角并行分类算法的同步、互斥和负载均衡等策略,以及在多台设备上并行处理的方法.通过对算法的时间复杂度、加速比进行分析,并在集群环境下进行实例验证,将分类图像与知名软件ENVI进行对比,验证了算法的优越性和有效性.     

基于决策树算法的遥感图像分类研究与实现*

针对传统分类方法在处理空间特征分布极为复杂的数据时效果不佳的缺点,结合分层思想的树分类技术,对广泛用于数据挖掘模型中的CART决策树算法进行改进,提出了一种基于人机交互的决策树算法,将其应用到遥感图像自动分类中,具有很好的弹性和鲁棒性,且分类结构简单明了,达到了更好的分类效果。以VC++ 6.0作为开发工具,定义了一种特殊的数据结构,实现了该分类系统。实践表明,该系统具有很好的稳定性和交互性,实用性较强。     

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。     

一个基于扫描转换的图像格网处理通用算法

利用多边形格网上的拓扑关系,可以将对单个多边形的扫描转换扩展到多边形格网上,使扫描过程同时对格网中的多个多边形进行,减少了转换过程中的求交和扫描线转换次数。基于上述思想,文中对多边形格网上的图像分块处理提出了一种通用的快速算法,分析了该算法与逐多边形扫描转换在效率上的差异。最后,介绍了该算法在高精度图像纠正中的一个应用实例。     

遥感图像分类方法评析与展望

从遥感图像分类的基本概念和特征出发,在对各算法进行划分基础上,分析评价了主要遥感图像分类方法的原理、特点,优势与限制,并阐明了各主要方法作用及其意义,指出目前存在的问题,展望了遥感图像分类方法的发展与应用前景。     

独立分量分析在多光谱遥感图像分类中的应用

多光谱遥感图像反映了不同地物的光谱特征,其分类是遥感应用的基础。但是在多光谱遥感波段图像中存在不同地物对应着相同的灰度,即异物同谱的问题。独立分量分析算法对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析算法利用了信号的高阶统计信息,对于多光谱遥感图像而言,算法去除了波段图像之间的相关性,获得的波段图像是相互独立的。但是独立分量分析算法有一个缺点,即计算量太大,影响了在多光谱遥感图像分类上的应用。文章对独立分量分析的一种快速算法FastICA进行改进,减少了计算量,提高了算法的有效性。在性能相当的情况下,改进FastICA算法能有效地减少算法的计算量。由于FastICA算法是线性ICA算法,对于非线性混合的光谱信号的估计存在一定误差,因此应用BP神经网络的非线性特性对其进行自动分类。在同原始遥感图像的BP神经网络分类结果进行比较,结果表明独立分量分析算法能提高多光谱遥感图像的分类的正确率。     

遥感图像中的数据挖掘应用概述

由于遥感图像数据包含了大量的信息,它成为数据挖掘中最具潜力的领域。本文主要讨论了在大型遥感图像上的数据挖掘技术。