基于RS和GIS的遥感影像专题地图编制

探讨如何利用RS和GIS的集成技术编制黄河中下游生产堤遥感调查专题地图，并对地形图数字化、遥感图像处理、航片的几何精校正、航片的无缝镶嵌和遥感专题信息提取等问题进行论述。     

面向遥感影像感兴趣目标的剖分表达

为了高效地表达遥感影像中感兴趣目标, 提出了基于地图分幅拓展EMD剖分面片聚合的遥感影像感兴趣目标剖分表达模型以及相应的剖分表达原则和剖分表达流程, 设计了基于感兴趣目标剖分表达模型的线状和面状目标边界表达算法、面状目标的行扫描算法和剖分面片聚合算法等.模拟验证结果表明:基于EMD遥感影像感兴趣目标剖分表达模型可有效地对影像中的目标进行表达, 且表达感兴趣目标的剖分面片个数越多, 剖分面片聚合层级越大, 目标剖分面片的压缩效果越好.     

基于MASK算法的遥感影像匀光处理研究

针对现有的MASK匀光算法不足现象,提出一种针对MASK结果影像的梯度拉伸算法,实验证明:与2%线性拉伸和对比度参数拉伸相对比,该算法在解决遥感影像亮度分布不均匀问题的同时,保障影像的清晰度,增强细节反差,达到很好的匀光效果。     

基于Adaboost算法的K-means遥感影像分类算法

本文利用AdaBoost算法对K-means算法进行提升,提出了一种基于AdaBoost算法的K-means遥感影像分类方法.其中,针对数据集分布调整的具体实施问题,设计了一种有效的加权变值方法.实验结果表明,融合提升后的分类结果较基本K-means在孤立点的消除和细长目标的识别提取上效果更加显著.     

高分辨率遥感影像自动化匹配引擎算法研究

海量高分辨率遥感影像的自动匹配,是其三维重建、配准、拼接等关键技术的基础。全局的匹配不仅浪费时间,而且海量特征之间的相似性会导致很多特征点的浪费甚至错误,而分层大尺度由粗到细的匹配常常由于初始大尺度中的误匹配而影响搜索策略的正常进行和模型估计。为此提出了基于大尺度同名点的辅助三角形变换参数的独立分量求法,然后引导其他特征点在预测区域搜索匹配,以构建试验场区遥感影像自动化处理的引擎及框架,实现了快速稳健的全自动化匹配。     

铁帽的遥感影像信息提取及其在遥感找矿中的意义

本文就铁帽这一重要找矿标志所包含的矿化信息在遥感影像上的反进行了研究,通过对其地质特征及波谱特征的综合分析,进而选择合理的影像信息提取方法,以铁帽展布形态、空间展布特征,以达到指导找矿之目的。     

多源数据辅助遥感影像发布研究

根据遥感影像的特点,分析了传统的遥感影像发布问题,研究和探讨了目前网络模式下应用多源数据辅助遥感影像发布的可行性和必要性;文中指出,管理应用GIS、元数据等多源数据辅助遥感影像发布,从而提高了服务器工作和客户端数据索引的效率。     

多源数据辅助遥感影像发布研究

根据遥感影像的特点。分析了传统的遥感影像发布问题，研究和探讨了目前网络模式下应用多源数据辅助遥感影像发布的可行性和必要性；文中指出，管理应用GIS、元数据等多源数据辅助遥感影像发布，从而提高了服务器工作和客户端数据索引的效率。     

基于QR码的遥感影像数字水印算法

针对遥感影像数据,提出一种基于快速响应矩阵(QR)码的抗剪切与噪声攻击的强鲁棒性盲水印算法. 首先,利用版权认证信息生成QR码水印图像;然后对QR码水印图像执行Arnold置乱并引入纠错编码机制对水印图像进行预处理;最后结合遥感影像的数据特点选择合适的嵌入强度和嵌入位置进行水印嵌入. 水印检测是水印嵌入的逆过程,可采用多数原则进行水印信息位的提取和自纠错. QR码的引入有效提升了水印信息容量,同时也增强了整个水印系统的鲁棒性. 嵌入的水印信息在保持遥感影像精度和统计特性的前提下具备良好的不可见性,且能抵抗高强度的剪切攻击和噪声攻击.     

粒子群优化Contourlet变换的遥感影像融合算法研究

Contourlet变换能有效地应用在图像增强领域,基于Contourlet变换的遥感影像融合算法常采用高频低频替换和频域线性加权两种融合方法,因此,通过粒子群优化算法对基于Contourlet变换分解不同子带图像所需的不同加权系数进行优化,采用多元回归分析方法设定目标函数,实现了全色影像与多光谱影像的融合,与传统的Contourlet变换、PCA算法、高通滤波遥感影像融合算法相比较,新方法在提高影像清晰度的同时在光谱保真度方面相对于其他算法有明显优势.     

多源遥感影像数据融合方法在地学中的应用

应用遥感影像数据融合理论,研究了光学遥感、热红外遥感、微波遥感卫星在地质学中的应用, 论述了不同类型的遥感数据及其他地学数据在不同层次上的同一传感器多波段数据融合、不同SAR图 像数据融合、HIS变换、遥感影像与地球物理、地质和航磁等数据的融合。结果表明,数据融合技术在突 出地质特征信息方面具有能突出线性构造、断裂构造、地形地貌的优势。     

基于蚁群算法的遥感图像聚类方法

聚类分析是遥感图像非监督分类的有效方法,蚁群算法具有离散性和并行性的特点,蚂蚁觅食行为、蚂蚁堆积尸体行为和基于蚂蚁自我聚集行为的聚类算法是目前研究较为广泛的3种基于蚂蚁的仿生聚类算法.为验证上述3种算法的有效性,在对这3种聚类算法进行研究的基础上,针对遥感图像进行了聚类实验.实验结果表明,基于蚂蚁的聚类方法对图像的聚类分析是有效的,较传统的k均值和模糊C均值算法有一定优越性.     

一种基于神经网络的遥感图像压缩编码

为了更好地在恒定压缩率条件下,实现卫星遥感图像的压缩,提出1种将像素分为3类的编码方案．每类采用基于Levenberg-Marquardt算法的双层神经网络进行预测,和基于偏置学习规则的竞争神经网络实现量化．对长城、珠峰、香港等地遥感图像的压缩试验证实了算法的有效性．同时还表明该算法压缩图像的MSE高于距离-权值方法与最小均方误差法,且时间复杂度为O（n）．     

基于信息融合的遥感分类与回归分析研究

本文提出了组合纹理和光谱信息的遥感图像解译技术,将其运用于陆地水体的二元分类,目的是通过组合两种分析方法的优点,得到更好的解译结果。利用灰度共生矩阵来进行纹理分析,同时,红光和红外光谱分析的使用能够改善陆地和水体的分类边界。纹理分析和光谱特征的融合改进了两类标记的精确度。在此基础上,本文针对多光谱数据的特点提出了灰度级差联合概率矩阵（GLDAP）,利用提取的特征对多光谱高度数据进行了回归分析。     

基于提升格式的高光谱遥感图像压缩算法

高光谱遥感的特点是谱分辨力的提高,但其高数据维给图像进一步处理带来了困难,因此有必要对其进行有效压缩处理.该文以提升格式为基础对高光谱图像压缩算法进行了研究,充分考虑了高光谱图像的空间相关性和谱间相关性,采用自适应波段选择的谱间压缩方法,通过自适应选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量,然后采用梅花形网格分解方法构造出第二代小波变换,从而对二维图像进行空间压缩,可实现提升格式的分解和完全重构.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低,以提升格式为基础的第二代小波变换比第一代小波变换取得更好的空间压缩效果.     

遥感影像在矿山排土场安全监测中的应用

为了能够直观地展示排土场分布和形态的特点以及将监测设备布置、监测数据与排土场分布有效结合在一起,将遥感数据融入到排土场监测平台中,形成了基于遥感的排土场监测系统平台.为了解决了多幅影像融合时的变形与亮度问题,利用仿射变法的方法将大区域的遥感数据进行配准、融合成一张影像,并通过矿山的坐标系对融合好的影像进行纠正,保证了影像数据与监测布置的坐标系一致;为了解决遥感数据量大引起的无法在网络上快速浏览的问题,重点研究了图像分割的瓦片技术,将大影像分割为256×256的小影像瓦片,基于分割的瓦片数据,利用哈希格网的改进椭球四叉树的方法来建立快速的索引,使得影像浏览、查询的时间大为缩短,进一步利用遥感影像数据与监测设备布置的坐标系一致,将监测设备布置与排土场分布有机地结合在一起,从而可通过监测平台直接查看排土场分布与监测设备的分布,并通过监测设备查询各类型的日常监测数据曲线.遥感影像安全监测平台通过在云南磷化集团的应用,验证理论研究的意义和实际工程应用的价值.     

应用卷积神经网络的遥感图像云层自主检测

为实现遥感卫星对遥感图像的自主云层判别能力,提升目标自主识别的效率,避免云层覆盖面积较大的遥感图像丢失关键的目标信息而给后续算法处理带来不必要的计算资源浪费,提出一种基于卷积神经网络的云层自主检测方法,实现遥感图像云层的自主检测,达到了较高的检测精度.首先,根据遥感图像的特性建立卷积神经网络.然后,使用大量人工标识的遥感图像完成云层检测网络训练,使其达到预期检测精度.最后,在卫星在轨运行阶段,将所拍摄的遥感图像根据尺寸划分为若干个子图,并通过训练完成的卷积神经网络对子图是否被云层覆盖进行分类预测.综合所有子图的预测结果给出整幅遥感图像的云层覆盖占比.结果表明:以Landsat卫星遥感图像为测试对象,该方法可以实现有云层覆盖检测正确率为95.3%,无云层覆盖检测精度为97.8%,误判率为2.58%,漏判率为0.90%,综合精度为97.9%;由于使用了卷积神经网络和并行计算技术,该方法基本满足实时性需求,提高了算法的自主性与鲁棒性,为基于遥感图像的在轨实时应用奠定了基础.     

一种基于矢量量化的高光谱遥感图像压缩算法

压缩是高光谱遥感(hyperspectral remote sensing)图像的一个重要研究领域.文中充分考虑了高光谱遥感图像的谱间相关性较强而空间相关性相对较弱的特点,采用了自适应波段选择降维方法与基于神经网络的矢量量化方法相结合的方法对高光谱遥感图像进行压缩.首先采用自适应波段选择(Adaptive band selection)的谱间压缩方法,通过自适应地选择信息量大并且与其他波段相关性小的波段来降低高光谱数据量.然后对降维后图像在空间进行小波变换并进行矢量量化,最后对量化后数据进行自适应算术编码.实验结果表明,谱间压缩能够保留信息丰富的波段,同时计算复杂度大大降低;基于神经网络的SOFM算法及其改进算法取得较好的空间压缩效果,实现了对高光谱遥感图像的有效压缩.     

基于CBERS-02B高分辨率遥感影像分割的最优尺度选取

高分辨遥感影像的信息提取对矿山的监测有着重要意义,影像分割是高分辨率遥感影像信息提取关键的一步．文中以赣州稀土矿山的高分辨率遥感影像为源数据,采用分形网络演化多尺度分割算法对高分辨率遥感影像进行分割,通过Robert算子的边缘提取结果计算分割参数获取分割尺度,并在此基础上设置不同分割尺度对影像进行分割,对比分析分割结果表明,沉淀池的最优分割尺度为35．最后利用分割质量值对分割结果进行评价分析,验证了试验结果的正确性．