基于不规则尺度区域光谱信息的高光谱图像亚像元定位（英文）

亚像元定位技术可以分析混合像元,并实现从丰度图像到亚像元级精细土地覆盖定位图像的转换。然而,传统的亚像元定位方法所使用的光谱信息通常在指定的矩形局部窗口中构造,并且很少使用所有波段的光谱信息,影响了亚像元定位的性能。为了解决这一问题,本文提出了一种基于不规则尺度区域光谱信息的高光谱图像亚像元定位方法 （SIISA）。在三幅遥感图像上的实验结果表明,所提出的SIISA优于现有的亚像元定位方法。     

一种新型基于利用全色锐化技术的插值高光谱图像亚像元定位

利用全色锐化技术提出了一种新型基于插值的高光谱图像亚像元定位方法.在该方法中,在现有的基于插值的亚像元定位方法处理路径中加入一条新的处理路径.首先,在新的处理路径中利用全色锐化技术对原始粗高光谱图像的空间分辨率进行改进,通过对改进后的图像进行光谱解混得到新型精细丰度图像.其次,将新路径下产生的新型精细丰度图像与现有路径...     

模板图像匹配中的亚像元定位新方法

研究了模板与图像匹配中元定位的方法．分析了在亚像元定位中的重采样和曲面拟合方法,对重采样方法进行如下改进：仅对模板进行ｎ 倍重采样,产生（２ｎ－ １）个子模板,计算每个子模板与图像的归一化相关系数（ＮＣ值）,则ＮＣ最大值的子模板所对应的偏移即为要求取的亚像元偏移．并提出了一种导数求取曲面拟合系数的方法;融合重采样和曲面拟合提出了一种新的亚像元定位方法,实验结果表明了此算法的有效性．     

UCN序列的抑制技术

为了从低信噪比图像序列中检测出亚像元目标、点目标和少像元目标,本文提出一种通过单帧自适应门限检测和多帧高阶互相关技术来抑制UCN序列的新方法.本方法可以大大压缩候选目标轨迹数目和数据处理量,且对红外、可见光等不同种类图像序列兼容.文中给出了各项操作的理论分析,实验结果证实了理论分析的正确性和算法的可行性.对单帧信噪比为1.5~0.5的图像序列,经过单帧自适应门限检测和两次高阶互相关处理后,剩余非零点数只有0.03~14.59%,噪声抑制率为99.97~85.41%.     

亚像元技术在图像采集系统中的应用

指出利用亚像元技术来提高图像采集系统空间分辨率,不仅要在理论上研究亚像元技术的性能以及图像超分辨率重建算法,还要研究亚像元技术受到系统其他因素的影响以及亚像元技术对系统其他性能的影响.分析了图像配准程度、光学系统点扩散函数以及仪器信噪比和亚像元技术的相互影响关系,并得到结论根据系统不同工作环境进行设计以保证亚像元技术带来的空间分辨率的提高和系统其他性能的平衡,是在系统中正确运用亚像元技术的关键.     

遥感图像的亚像元匹配方法研究

为了在一定亚像元匹配精度下提高亚像元匹配速度、研究传统的模板匹配亚像元方法,提出将图像重采样法和曲面拟合法结合起来用于亚像元匹配。先利用序贯相似性检测法,找到像元级的最佳匹配点,然后对模板n倍重采样,计算每个子模板与最佳匹配点的归一化相似性度量值,并计算当归一化相似性度量值最大时所对应的子模板在图像中的位置,再在绝对误差值最小的3×3区域内应用曲面拟合法,从而得到亚像元定位坐标。结果表明,采用图像重采样法和曲面拟合法相结合的新方法,在10倍重采样的前提下,匹配精度高于0.04像元的亚像元精度。     

基于端元字典稀疏解混的高光谱图像亚像元定位

针对高光谱图像中普遍存在的混合像元中各端元空间分布定位困难的问题,文中提出一种基于K-SVD的光谱解混算法,利用其解混结果进行亚像元定位。算法首先通过KNN分类来区分待处理图像中的混合像元和纯像元,然后借鉴基于冗余字典的稀疏分解相关理论,以标准光谱库为基础,通过基于K-SVD的字典训练算法训练产生最具代表性的地物光谱曲线,构建端元冗余字典,通过基于K-SVD的稀疏分解算法实现各端元丰度的求解。最后利用求得的丰度系数在两种空间性相关性约束下进行亚像元定位。实验结果表明,采用该算法进行模拟数据和真实数据的亚像元的定位可以取得不错的定位结果。     

机械零件直线边缘亚像素定位方法研究

直线是视觉图像中重要的基元特征.建立了三级灰度图像边缘模型的空间矩算子,利用LOG算子定位速度快的特点,确定图像像素级边缘,然后在包含边缘点的邻域内利用空间矩进行边缘的亚像素定位,由Hough变换提取直线边缘像素点,最后采用基于最小二乘原理的直线拟合边缘提取方法,得到亚像素级被检测直线.对空间矩算子亚像素定位算法与像面直线亚像素提取算法的有效性和精度进行了实验研究,实验结果表明提出的基于空间矩亚像素边缘定位算法与像面直线亚像素提取算法具有较高的精度和稳定性.     

一种新型基于利用全色锐化技术的插值高光谱图像亚像元定位（英文）

利用全色锐化技术提出了一种新型基于插值的高光谱图像亚像元定位方法。在该方法中,在现有的基于插值的亚像元定位方法处理路径中加入一条新的处理路径。首先,在新的处理路径中利用全色锐化技术对原始粗高光谱图像的空间分辨率进行改进,通过对改进后的图像进行光谱解混得到新型精细丰度图像。其次,将新路径下产生的新型精细丰度图像与现有路径下的精细丰度图像进行融合,得到具有更多空间-光谱信息的更精细丰度图像。最后,根据更细分数图像的预测值,类别分配方法给每个亚像元分配类标签,得到最终的定位结果。实验结果表明,该方法比现有的基于插值的亚像元定位方法产生具有更高的定位精度。     

基于多字典稀疏表示的遥感图像亚像元映射

本文提出了一种基于多字典稀疏表示的亚像元映射算法,利用已知的同类型高空间分辨率地物分布图像,构建能够更好反映不同类别地物空间分布模式的多个字典,将待分类亚像元用每一类字典稀疏表示,并依据重构误差最小化原则以及光谱失真程度约束条件来划分亚像元的地物类别.模拟与真实数据上的实验结果表明,本文算法能有效应对地物空间分布模式的多样性,具有更高的亚像元映射精度和更好的算法鲁棒性.     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

Integration of Spatial–Spectral Information for Resolution Enhancement in Hyperspectral Images

In this paper, a new algorithm is proposed for resolution enhancement in hyperspectral images (HSIs). The key techniques are included: spectral unmixing and superresolution mapping, by which spatial and spectral information of HSIs is substantially fused. The proposed algorithm first represents each pixel in scene as a linear combination of landcover spectra and noise. Then, a fully constrained least squares algorithm is used to obtain the proportion of each landcover in each pixel, i.e., abundance, subjecting to two constraints: nonnegativity and sum-to-one. After that, superresolution mapping is performed on high-resolution grids according to spectral unmixing abundances of each landcover and following spatial correlation of clutters. Thus, by reasonably integrating spatial and spectral information of landcovers in HSIs, the proposed algorithm realizes resolution enhancement of the HSIs based on a back-propagation neural network. The proposed algorithm is independent from the a priori information associated with original HSIs, i.e., a main merit of the algorithm. In order to evaluate the performance of the new algorithm, numerical experiments are conducted on both simulated images and real HSIs collected by the Airborne Visible/Infrared Imaging Spectrometer. The proposed algorithm is compared with the traditional method in the experiments. The experimental results prove that the proposed algorithm effectively enhances the resolution of HSIs and indicate its applicability.     

Superresolution mapping using a hopfield neural network with fused images

Superresolution mapping is a set of techniques to increase the spatial resolution of a land cover map obtained by soft-classification methods. In addition to the information from the land cover proportion images, supplementary information at the subpixel level can be used to produce more detailed and accurate land cover maps. The proposed method in this research aims to use fused imagery as an additional source of information for superresolution mapping using the Hopfield neural network (HNN). Forward and inverse models were incorporated in the HNN to support a new reflectance constraint added to the energy function. The value of the function was calculated based on a linear mixture model. In addition, a new model was used to calculate the local endmember spectra for the reflectance constraint. A set of simulated images was used to test the new technique. The results suggest that fine spatial resolution fused imagery can be used as supplementary data for superresolution mapping from a coarser spatial resolution land cover proportion imagery.     

基于支撑向量机的盲超分辨率图像复原算法

本文提出了一种基于支撑向量机的盲超分辨率图像复原算法.首先采用Sobel算子和局部方差从训练图像中提取能够表征模糊参数信息的特征向量,并利用支撑向量机建立特征向量与对应的候选参数的映射关系,然后通过建立的模型对不同光照条件下的低分辨率图像进行参数辨识,最后根据辨识出的模糊参数融合不同光照条件下的低分辨率图像同时实现了图像动态范围和空间分辨率的增强.为了实现低分辨率图像间的亚像素配准,还提出了一种基于Retinex的亚像素运动估计算法.仿真结果表明与传统算法相比,无论从主观视觉还是定量描述上本文算法均具有较好的效果.     

Multidimensional filtering approaches for pre-processing thermal images

Demand for sharpened thermal images drives research into pre-processing techniques. This paper describes two fast multi-frame image-processing techniques for reducing noise and some blurring effects that are typically exhibited in thermal images. The first technique cleans the thermal image from random and fixed-pattern noises. The random noise is considerably reduced by the simple principle of averaging corresponding pixels of a multi-frame sequence. For eliminating fixed-noise like effects, the technique performs, at first, conventional arithmetic mean filters within each local region of the noise pattern. Then, weighted versions of these values are subtracted from the corrupted image. The second technique attempts to recover the information hidden at a sub-pixel level. It sharpens the previously processed thermal image by down-sampling and matching a set of sub-pixel shifted frames, and finally calculating the statistical weighted average within the correspondent aligned pixels of the multi-frame set. Some variants that combine it with conventional filters are also presented. This technique effectively corrects some blurring effects typically found in thermal infrared images. For the case of a single frame image determines the direction and width of the blur slope and re-assigns the max and min values to the correspondent pixels in the gradient direction. Then, the area is shifted and the same process is done again, up to cover the full image. Image evaluation methods demonstrate the accuracy and quality of the results. In addition to reducing the hardware requirements of present designs, these algorithms increase the utility of present sensors.     

结合NGVF信息和互信息的图像配准方法

对传统的互信患配准方法进行改进,提出一种新的结合灰度信息和空间信息的配准方法.该方法分为粗略和精确配准两个阶段,首先利用图像的空间信息进行粗配准,再利用ACMI进行精确配准.文中利用的空间信息不同于一般的图像梯度信息,它是归一化的GVF矢量场信息(NGVFI),把它用于粗配准,抗噪性能良好.试验证明该方法鲁棒性很好,特别是对大噪声图像,配准效果突出,精度能达到亚像素级.     

联合多流融合和多尺度学习的卷积神经网络遥感图像融合方法

为尽可能保持原始低分辨率多光谱(LRMS)图像光谱信息的同时,显著提高融合后的多光谱图像的空间分辨率,该文提出一种联合多流融合和多尺度学习的卷积神经网络遥感图融合方法.首先将原始MS图像输入频谱特征提取子网得到其光谱特征,然后分别将通过梯度算子处理全色图像得到的梯度信息和通过卷积后的全色图像与得到的光谱特征图在通道上拼...     

基于红外与可见光图像融合技术发展与性能评价

红外图像可以全天候且不受光照条件影响的根据目标和背景热辐射差异来区分目标和背景。可见光图像可以通过人的视觉系统的高空间分辨率和清晰度来提供景物的质地和结构细节。因此将红外图像和可见光图像融合可以结合两种图像优势,融合后的图像效果预期良好。本文对传统经典方法和目前较新融合方法进行综述。首先回顾了红外和可见光图像的融合方法,其次选取了一些融合图像的性能评价指标,然后选择具有代表性的具体算法进行图像融合,根据融合图像结果获取评测指标,最后根据指标进行分析并对现状进行总结讨论,及对以后的工作发展方向进行展望。     

基于MMSE编队卫星SAR高分辨率成像算法

针对编队卫星SAR的构型特点,根据编队卫星SAR回波信号的数学模型,给出了一种改进的成像算法:对每个接收机受到的回波信号进行最小均方误差滤波处理,并用空域滤波合成多颗接收卫星对应的单视复图像,从而得到高分辨率SAR图像。该方法充分利用系统的先验知识和不同接收机间的位置信息来实现高分辨率成像,突破了传统匹配滤波算法对SAR空间分辨率的限制,实现了均方差最小意义下的最优估计。仿真结果验证了本算法的有效性。     

基于Ecogniton的光学遥感图像舰船目标检测

利用卫星遥感技术对海上舰船目标进行识别定位具有重要的意义。提出了一种基于面向对象的图像分割和分类软件Ecognition的技术方法来提取高分辨率遥感卫星图像中的海上舰船目标。利用多尺度分割算法和光谱差异分割算法对高分辨率卫星图像进行初步分割;利用归一化差异水体指数（NDWI）或灰度共生矩阵（GLCM）同质性纹理特征对陆地和海洋进行辨别;利用对象的相邻关系特征和形状特征来获取潜在的舰船目标;利用数学形态学算子实现舰船目标的连续化,从而获得最终的海上舰船目标。利用高分辨率卫星图像进行了实验验证,实验结果说明了所提出的技术可以有效地实现海上舰船目标的识别与定位。