基于粒子群分类器的遥感图像目标识别

设计了一种用于遥感图像目标识别的粒子群分类算法。首先对数据样本预处理,利用粒子群优化算法通过训练数据进行分类规则的提取,根据提取得到的规则对遥感图像的目标进行分类识别。通过对实测遥感图像中飞机和舰船目标的识别实验,验证了此算法对遥感图像目标具有较高的识别率。     

基于深度学习的激光雷达遥感图像分割

为解决传统激光雷达遥感图像分割方法存在的分割精度差、鲁棒性差问题,引入深度学习模型对激光雷达遥感图像分割方法进行研究。通过对图像的颜色通道R、G、B三个分量进行加权平均,使激光雷达遥感图像灰度化,完成遥感图像预处理,根据处理结果构建遥感图像分割模型,并进行图像的细分割,引入改进深度学习模型计算全卷积网络输出值,最后以全卷积网络输出值作为激光雷达遥感图像的分割值,实现激光雷达遥感图像分割。通过实验数据显示,与传统激光雷达遥感图像分割方法相比较,提出的激光雷达遥感图像分割方法极大地提升了分割精度与鲁棒性,充分说明提出的激光雷达遥感图像分割方法具备更好的分割效果。     

机载高光谱遥感图像处理软件系统

利用中科院上海技术物理研究所研制的PHI—2航空成像光谱仪飞行获取的高光谱PV图像数据,以遥感影像处理系统ENVI为依托,利用ENVI自带编程语言IDL开发建立了机载高光谱遥感图像处理软件系统。系统提供了文件格式转换、条带去除、图像精校正、反射率转换、彩色优化合成、逐级分类与反演决策树等功能,形成了一套从内容上涵盖了遥感图像预处理和应用处理的主要环节、从形式上满足了实用化和业务化的使用需求的高光谱遥感图像处理系统。     

基于融合处理的遥感图像快速配准方法

综合利用、处理多源遥感图像数据的融合理论与方法的需求越来越大,其中配准是遥感图像融合中重要的预处理步骤.分析了图像配准三类方法的特点和存在的问题,研究了遥感图像融合与图像配准位置之间的关系,发现了融合后图像的平均梯度随配准偏差变化的规律.在此基础上,将图像配准与后续的图像融合结合起来考虑,提出了基于融合结果进行准确配准的新方法.为了降低计算复杂性,定义了新的融合图像和平均梯度的计算公式.实验结果验证了该新方法的快速有效性,适用于同质遥感图像的配准.     

多光谱可见光遥感图像压缩系统设计

为了实现多光谱可见光遥感图像高质量压缩的要求,提出以JPEG2000压缩标准为理论,将FPGA与专用压缩芯片ADV212相结合的空间遥感图像压缩方法.该系统设计采用ADV212,通过小波变换及熵编码实现对大数据量的空间遥感图像进行高质量实时压缩,并且采用FPGA完成图像数据输入、压缩码流输出、图像预处理以及对ADV212的工作模式进行控制.实验结果表明,该系统设计功耗低、成本低、调试简单合理,具有较好的压缩效果,可满足多光谱可见光遥感图像对高质量压缩比的要求.     

基于多光谱遥感数据的地理信息系统研究

以提升地理信息系统的数据采集准确率、增强图像配准效果为目的,研究基于多光谱遥感数据的地理信息系统。系统通过空间数据库引擎ArcSDE和数据库SQL Server完成对空间数据和属性数据的管理,由数据库、遥感影像三维可视化、空间分析和网络发布等实现系统的功能。其中多光谱遥感图像经提取、处理、配准后以Shape格式存储到数据库中;经SURF特征点提取和匹配预处理遥感影像后,应用DEM与预处理完成多光谱遥感影像在AcrScene程序中实现遥感影像的三维可视化。实验表明:该系统的城市道路和山区地质情况数据采集准确率高、特征点匹配率高、配准效果好;可清晰反映山区地形形态、坡向情况和自然生态状况,实现遥感影像的三维可视化。     

基于改进SinGAN的遥感图像数据增强方法

随着遥感技术的发展，遥感图像被大量应用于遥感图像识别、分割等领域。但遥感图像数量少、质量低以及多样性不足等问题阻碍了遥感解译等后续研究的性能提升，如何利用少量的遥感图像生成大量的数据集是目前亟待解决的问题。针对这一问题，本文以SinGAN网络为基础，将一种新的纯卷积网络ConvNeXt与之结合来构建遥感图像数据增强框架。实验结果表明，在遥感数据集NWPU-RESISC45 Dataset上，结合ConvNeXt卷积网络进行数据增强后的图像，其FID、SSIM和PSNR这3种GAN与图像质量评价指标分别提升了5.7%、6.2%和8.2%。基于改进SinGAN的遥感图像数据增强方法进行增强后的图像质量与多样性均优于SinGAN算法与传统图像增强方法，实际中可用于图像分割、目标检测等领域。     

无人机激光雷达遥感图像超分辨率重建方法

通过无人机激光雷达技术获取遥感图像的过程中易受外界干扰，出现图像清晰度低、细节信息模糊等问题，提出无人机激光雷达遥感图像超分辨率重建方法。在最小二乘滤波方法的协助下对无人机激光雷达遥感图像进行多尺度分解后，增强遥感图像纹理信息，并利用图像局部特征自适应融合方法对遥感图像进行融合处理，将预处理后的遥感图像超分辨率重建视作信息测量值的信号重建问题，不断地利用稀疏系数以及联合字典学习法训练得出最终结果，从而实现遥感图像超分辨率重建。实验结果表明，所提方法的遥感图像重构效果好、信息融合质量优、重构图像效率高以及MSE均方根误差低。     

基于深度学习的高分辨率遥感图像识别与分类研究

高分辨率遥感图像,作为卫星及其它航空器拍摄的一种特殊图像类型,不论在军用还是民用领域都具有着极其重要的价值和地位。当前,卫星遥感技术发展迅速,传统的图像识别与分类技术已经不能满足人们对高分辨率遥感图像信息获取的需求。文章在传统图像预处理技术的基础上,结合了深度学习的方法,实现了高分辨率遥感图像的识别与分类。     

红外遥感图像舰船目标检测

红外遥感图像舰船目标检测在军舰探测、精确制导等军用领域以及海面搜救、渔船监测等民用领域具有极其重要的战略意义。本文回顾了红外遥感图像的发展历程,总结了舰船遥感图像的特点及其图像处理的难点。着重分析了海陆分割和海洋背景图像预处理的研究现状,对舰船检测算法进行了总结和归纳,在此基础上对各种算法进行比较并指出其适用性和优缺点,最后对其未来发展趋势进行了展望。     

支持向量机在遥感图像分析与处理中的应用

由于遥感影像数据具有多传感器、多平台、多时相、多光谱和多分辨率的海量数据特点,对其分析与处理具有一定的困难,而支持向量机作为一种新的学习方法,恰好能有效解决遥感图像处理中常见的困难.结合遥感图像和支持向量机的特性,重点分析了支持向量机在遥感图像分类、遥感图像压缩、遥感图像特征提取等方面的应用.对支持向量机在遥感图像分析与处理中的应用趋势及有待进一步研究的问题进行了探讨.     

遥感影像暗原色统计先验分析

遥感影像的成像过程容易受到雾霾的影响,同时雾霾天气日益增多,使得遥感影像去雾工作成为遥感影像数据预处理的重要组成部分。基于暗原色统计先验的暗通道去雾方法已经在自然图像去雾方面得到了广泛应用,而该方法对于遥感影像的适用性还有待评估。以“高分一号”卫星遥感影像为例,讨论了遥感影像的暗原色值特性。结果表明,基于暗原色统计先验的暗通道去雾方法可以应用到遥感影像的雾霾去除工作上。     

基于深度学习的光学遥感图像目标检测综述

目标检测是光学遥感图像解译的核心环节,广泛应用于情报侦察、土地利用、城市规划等领域。近年来,深度学习的发展成熟使光学遥感目标检测的精确度和效率得到大幅提升。本文首先综述了基于深度学习的通用目标检测算法;然后介绍了当前常用的光学遥感图像目标检测数据集并依据数据特点分析了数据集的发展趋势;接着根据遥感图像检测难点,从任意方向、多尺度、小目标、密集分布、复杂背景5个方面详细梳理了算法的优化方案;最后展望了光学遥感图像目标检测研究的发展方向。     

低分辨率激光光谱遥感图像弱小目标识别方法设计

为了突破图像分辨率对弱小目标识别工作的限制，优化设计低分辨率激光光谱遥感图像弱小目标识别方法。根据激光光谱吸收原理，生成遥感图像，通过大气校正、平滑去噪等步骤，完成初始图像的预处理。通过图像增强，提升遥感图像的分辨率，分割激光光谱遥感图像区域，通过特征提取与匹配得出弱小目标的识别结果。实验结果表明，优化设计方法的平均目标数量正确识别率为94.4%和目标尺寸识别误差的平均值为0.12 m²。     

红外长线列探测器位置错位校正方法

红外长线列探测器在扫描成像系统中正得到越来越多的广泛应用,相应的遥感图像预处理工作的重要性也日渐突出,红外长线列探测器位置校正是遥感图像预处理的重要组成部分,对其方法的研究有着重要的实用价值.针对多元红外长线列探测器模块内像元错位和模块闻位置错位,提出并用FPGA实现了一种红外长线列探测器位置错位实时校正方法.实验结果表明该方法效果良好,可以有效的消除图像错位畸变,提高图像质量.     

基于模式识别技术的高光谱遥感图像检测

针对高光谱遥感图像以模式识别的方式进行人工智能检测,一直存在时效性与便利性差的问题,提出一种基于模式识别技术的高光谱遥感图像检测新方法。通过高光谱遥感图像邻域中像素灰度的加权均值对模板中中心像素进行替代,通过邻域平均法令邻域像素更加均衡化,减弱噪声点,完成对高光谱遥感图像的预处理。通过平均值法实现相邻帧图像的拼接,对重叠部分帧间差分进行计算,实现高光谱遥感图像的进一步处理。结合相对温差法和拓扑矩阵修正方法对高光谱遥感图像中的异常情况进行检测,确定高光谱遥感图像中的过热区域。实验结果表明,所提方法对高光谱遥感图像的处理性能好,对一次特征检测准确性高。     

高分遥感卫星影像的预处理技术

随着高分一号、二号卫星的成功发射,我国高分辨率对地观测系统得到了广泛的应用,而高分遥感卫星数据的预处理过程是高分应用的前提与先决条件。详细梳理和概括了高分数据的预处理过程,首先介绍了遥感软件的选取,然后重点阐述了包括影像的正射校正技术、配准与融合技术、镶嵌技术及大气校正技术在内的影像预处理技术,最后对数据格式转换加以说明。     

基于深度卷积网络的高分遥感图像语义分割

随着我国高分对地观测系统的不断发展,对高分影像智能化分析与处理的应用需求愈来愈多,基于深度学习语义分割的影像分类也受到高度关注。作为近景图像语义分割的热点模型,Deeplab网络在应用时取得了良好的效果。为了解决多尺度高分辨率遥感影像语义分割问题,本文首先利用空洞卷积扩大Atrous空间金字塔池化（ASPP）结构的感受野,然后对DeepLabv3进行改进并将其用于高分2号遥感影像的分类处理。我们以郴州地区的高分遥感影像为研究对方法进行了验证,首先对原始影像进行预处理,再对预处理图像进行数据增强与扩充,最后通过对不同参数条件下的分类结果进行对比,分析该模型的适应性和精确性。在我们的数据集中,本文方法的实验分类像素精度为88.2％,MIoU达到72.5％,得到了比Deeplab更好的分类效果。      

基于小波变换的遥感图像编码

针对遥感图像的数据特点,提出了结合双正交变换和SPIHT算法的遥感图像小波零树编码方案.实验证明,对于给定的遥感图像可以获得比较满意的重构图像质量.     

基于成像模型的遥感数据分析与信息提取研究

针对遥感成像过程中普遍存在的退化现象,通过遥感成像模拟,揭示了不同退化程度对遥感数据质量的影响,反映了考虑成像退化因素对提高卫星遥感数据信息提取能力的作用.基于成像退化采用的支持向量机方法对遥感图像地物分类的实验研究表明,这种方法使遥感图像地物分类精度得到明显提高,特别是支持向量机方法与图像恢复技术的结合,效果更为明显.