平台颤振对空间光学遥感器成像质量的影响

空间光学遥感器在轨工作期间,会受到平台振动源的影响,从而对成像质量产生影响。振动源使遥感器在积分时间内产生颤振,导致在成像过程中发生像移,使图像模糊。讨论了颤振对光学遥感器成像的影响。以低频正弦振动为例通过数值方法推导了颤振引起像移的数学模型,并给出了颤振对调制传递函数MTF的影响公式。仿真结果表明,颤振对空间光学遥感器成像质量影响很大,应在设计中加以考虑。     

基于航空遥感器像移补偿实现方法的研究

像移补偿技术是高分辨力航空遥感器的关键技术。不同类型的航空遥感器有不同的像移补偿措施,也就有不同的实现方法。由于俯仰角的存在,使得像移速度在像面坐标系存在两个分量:前向像移速度和垂直于像面的速度,俯仰角控制本质上是消除前向像移速度,因此,俯仰角控制是航空遥感器像移补偿的一部分。文章介绍一种通过俯仰角控制实现像移补偿的方法。实践证明,该方法能有效地补偿航空遥感器姿态变化带来的像移,满足设计指标要求。     

面阵CCD相机像移补偿技术

航空相机在拍照瞬间由于飞机的飞行运动和姿态变化而产生像移,要提高照相分辨率必须通过像移补偿来实现;在分析垂直拍照的面阵CCD相机像移产生原因基础上,确定了采用稳定平台与面阵CCD的TDI相结合的像移补偿方法,理论上计算了像移补偿后的像移残差小于3μm(即1/3像元),满足成像质量要求;根据实际的成像试验,证明文章论述的面阵CCD像移补偿技术是正确可行的。     

遥感影像亚像元定位研究综述

遥感影像亚像元定位是在混合像元分解基础上,利用地物空间分布特征确定不同地物类型在混合像元中的具体位置,得到亚像元尺度的地物分类图,是一种有效解决混合像元空间不确定性的方法。首先介绍遥感影像亚像元定位的基本概念,分析亚像元定位的理论模型和求解算法;然后总结亚像元定位模型的误差来源、精度评价方法以及结果不确定性的表达手段,同时讨论利用辅助数据源提高亚像元定位精度的主要方法;最后对亚像元定位的研究趋势做了进一步展望。     

遥感器小型化技术研究

光学遥感器小型化对于空间遥感是非常重要的。介绍了适合于空间遥感器应用的亚像元成像技术,同时介绍了有助于提高极限分辨率的光锥耦合式摄像技术     

基于元胞自动机模型的遥感图像亚像元定位

由于遥感图像中普遍存在混合像元,因此传统分类方法得到的结果通常会存在较大误差,应用混合像元分解技术,虽然可以得到混合像元中各端元组分的丰度,但是却不能得到各端元组分的空间分布状态,而亚像元定位则是在混合像元分解的基础上,将混合像元剖分为亚像元,再利用端元组分的丰度及像元空间分布的特点,将亚像元赋予不同端元组分来得到各端元组分的空间分布情况,以提高遥感图像分类的精度。为了更好地解决亚像元定位问题,结合亚像元定位的理论模型,提出了一种新的元胞自动机模型,并通过模拟数据和实际数据对该模型进行了检验,结果表明,该模型是一种简单有效的解决亚像元定位问题的方法。     

遥感图像亚像元定位元胞自动机算法改进研究

元胞自动机模型(CA)常用于图像亚像元定位,它将混合像元剖分为亚像元,再利用端元组分的丰度及像元空间分布的特点,将亚像元赋予不同端元组分得到各端元组分的空间分布情况。但其存在迭代次数过多、进化过程"不充分"以及结束迭代的条件不明确等缺点。针对上述问题,对亚像元定位CA算法进行了3方面的改进。结果表明:最终的亚像元定位结果调整后Kappa系数虽然平均只提高了4.1%与3.7%,但迭代次数大幅减少,均在5次以内得到最优结果;运行时间大幅下降,仅占原方法的25.8%,使得CA的运行效率得到了显著提高。此外明确了CA的终止条件,使得面向亚像元定位的CA算法更具实际应用价值。     

遥感图像的定位精度分析

遥感图像的几何畸变是成像过程中多种因素影响的结果。不同类型的遥感图像,如MSS、TM、SPOT等,其定位精度各不相同;不同纬度带的图像精度不同;处理的方法和阶段不同,同一图像的精度也不相同。定位精度是衡量遥感图像应用价值的重要指标之一,用户在应用遥感图像时,特别是用作专题制图和定位,定性定量分析、面积量算等应用时,必须研究图像的平面定位精度和变形情况。本文以天津幅TM图像为例,探讨分析的方法并绘出矢量分布图。     

基于正则化方法的遥感图像混合像元分解

由于传感器的分辨率的限制,在低空间分辨率遥感图像中存在着大量的混合像元.混合像元所表示的并不是单一地面物体类别的光谱反射值,而是多种类别的反射光谱的组合.混合像元的混合模型可以分为线性混合模型和非线性混合模型.线性混合模型是最常用的一种解混合方法,对于线性混合模型的求解算法进行了研究,根据最小二乘原理,提出了基于正则化方法的线性混合模型求解算法,对实际遥感TM图像进行了解混合运算,求得了端元丰度图像和伪彩色合成图像.     

基于联合变换相关器的像移测量方法研究

为了测量由卫星姿态不稳定或振动等原因引起的空间相机亚像元像移,对基于联合变换相关器的像移测量方法进行了研究,并进行计算机仿真。阐述了该方法的数学原理,面阵CCD的安装位置以及输入图像序列的获取方法。应用MatLab对图像进行线性插值获得具有亚像元像移的图像,并添加噪声使图像具有较低信噪比;对图片进行傅立叶变换得到联合功率谱,二值化处理后的功率谱再次进行傅立叶变换得到相关输出;用质量中心算法计算出像移量。结果表明,像移测量的精度不随景物的内容而变化,测量得到的像移误差均方根误差值小于0.2个像元。     

Curvelet变换的多波段遥感图像融合研究

提出一种基于Curvelet变换的多波段遥感图像融合算法。Curvelet变换具有比小波变换更好的边缘表达,因而更适合图像的融合处理。采用具有多尺度、多方向特点的Curvelet变换对多波段遥感图像像进行分解。对于低频系数采用平均融合算法,根据高频子图边缘分布差异,对于方向高频系数采用区域边缘检测和区域谱熵算法实现多波段遥感图像的融合处理。实验结果表明,提出的算法与传统算法相比在保留原始图像边缘和纹理信息同时,可以有效地取得较好的融合视觉效果。     

卫星遥感及图像处理平台发展

航天科技是国家综合国力和科技实力的重要体现,而卫星遥感则是航天科技转化为生产力最直接、最现实的途径之一。遥感数据获取与分发、数据处理与信息提取是卫星遥感应用的两个基本步骤。随着国家民用空间基础设施规划中的遥感卫星体系稳步推进,以及商业卫星遥感的蓬勃发展,我国的卫星遥感数据获取能力呈现质量齐升之势。但同时,作为卫星遥感应用的基础设施和关键工具,遥感图像处理系统平台逐渐成为制约自主卫星数据应用和空间信息业务发展的重要因素之一。本文围绕卫星遥感对地观测主题,从卫星遥感数据获取能力、卫星遥感数据处理系统平台两方面,对国内外现状进行综述,在此基础上分析了卫星遥感的发展趋势。     

传感器驱动下远程图像采集系统设计

远程图像采集是物联网中获取控制节点信息的重要手段.以嵌入式STM32F407处理器为核心,设计了一种在震动传感器和人体红外传感器驱动下的远程图像采集系统.该系统不仅具有远程图像的主动式和交互式采集功能,而且具有GSM,WiFi和MMS三种远程数据传输方式,同时支持智能手机和PC作为远程图像采集的控制中心.系统满足了不同环境下对远程图像采集的要求,具有较好的实际应用前景.     

基于改进遗传算法遥感图像非监督分类研究

传统的非监督分类方法通过人为预先设定的类别数把像素划分到相应的类别中,但类别数事先不能精确得到,因此会增大误分率,降低分类精度。提出一种新的可变聚类数目的染色体、采用Davies-Bouldin系数作为适应度,通过对传统遗传算法的一系列改进自动进化出高分辨率遥感图像的类别数和聚类中心。同时,采用整型数据来进行染色体编码,不仅降低了计算复杂度,同时也节省了存储空间。算法已用VC实现程序设计,程序结果证明该改进算法的正确性并获得令人满意的实验结果。     

基于Kmeans与SVM结合的遥感图像全自动分类方法*

遥感图像分类方法通常采用监督的学习算法,它需要人工选取训练样本,比较繁琐,而且有时很难得到;而非监督学习算法的分类精度通常很难令人满意.针对这些缺陷,提出一种基于K-means与支持向量机(SVM)结合的遥感图像全自动分类方法.首先使用K-means聚类算法对样本进行初始聚类,根据每类中样本数及其稀疏程度选取一些点作为标记的学习样本训练SVM分类器,然后用SVM对原始数据重新分类.Iris数据和遥感数据的实验结果均验证了新方法的有效性.     

彩色遥感图像的一种边缘检测算法研究

针对彩色遥感图像的复杂性、模糊性和噪声强等特点,提出了一种基于多方向模糊形态学梯度的彩色遥感图像边缘检测算法.算法在模糊域中用多个不同方向的结构元素,对彩色遥感图像进行模糊形态学梯度运算以检测彩色遥感图像边缘,不但能检测出具有方向性的真实边缘,还能有效抑制无方向性的噪声.实验证明,该算法对彩色遥感图像进行边缘检测的有效性.     

改进的小波变换在多源遥感图像融合中的应用

在分析方向可调的小波变换与不可分离小波变换的基础上,以全色SPOT和多光谱TM遥感影像为数据源,结合可调小波变换与不可分离小波变换的优点,借助Matlab与ERDAS IMAGINE等工具,实现了改进的方向可调的不可分离框架小波变换的遥感影像融合处理.该方法与传统的融合方法相比,具有不可分离小波变换和方向可调性等优点,对图像的多分辨率信息的刻画比较精细,既能保持多光谱图像的光谱信息,又能保持全色图像的空间分辨率特性,从而提高了对影像的解译能力.     

基于IDL的林业遥感图像可视化技术研究

随着空间科技的发展,借助遥感图像开展森林资源调查和监测逐渐成为了解森林资源现状及发展趋势的主要手段。结合林业遥感图像检测典型问题实例,通过对IMG遥感影像的数值模拟和计算结果的可视化,设计并实现了基于IDL的林业遥感图像分类与可视化系统。结果表明,IDL 面向矩阵的特性和强大的数据可视化能力是林业资源检测和林业遥感图像可视化的理想工具。     

基于流形学习的光学遥感图像分类

随着光学遥感图像技术的快速发展与广泛应用,对光学遥感图像的准确分类具有深远的研究意义。传统特征提取方式提取的高维特征中夹杂着许多冗余信息,分类过程可能导致过拟合现象,针对传统的线性降维算法不足以保持原始数据的内部结构,容易造成数据失真这一问题,提出基于流形学习的光学遥感图像分类算法。该算法首先提取出图像的SIFT特征,然后将流形学习运用于特征降维,最后结合支持向量机进行训练和识别。实验结果表明,在Satellite、NWPU和UCMerced实验数据中,冰川、建筑群和海滩分类精度得到了有效提高,达到85%左右;针对沙漠、岩石、水域等特殊环境遥感图像,分类精度提高了10%左右。总而言之,基于流形学习的分类算法对通过降维之后的数据能够保持在原高维空间中的拓扑结构,相似特征点能得到有效聚合,预防了"维数灾难",减少了计算量,保证了分类精度。     

基于频域的遥感图像互信息配准方法

针对直接利用互信息进行图像配准存在的误差和插值假象问题,结合图像的频谱特性提出了基于频域的互信息计算方法,引入退火的思想改进了梯度上升法,利用它迭代搜索互信息最大值,使用相关长度估算最佳参数域,使得参数初始化更接近于最大值。实验结果表明,该方法对于多谱段遥感图像,较之传统方法具有明显的收敛性和稳定性。