光学遥感图像舰船目标快速检测方法

针对当前的光学遥感图像舰船检测算法无法适用于不同复杂背景的问题,根据人造目标和自然景物的亮度、颜色、边缘特征,提出了基于区域协方差特征值的显著性检测方法,讨论了单一特征值对图像显著性做出的贡献,并使用图像信息熵来度量显著图的有效性。在没有后续虚警目标剔除过程的前提下,对云、雾、海杂波、存在岛屿等复杂背景下的舰船进行检测试验,结果表明:算法能够成功检测出舰船目标,有效抑制虚警,而且本文算法简单高效,适合于工程应用。对获得的包含舰船目标的光学遥感图像进行了试验测试,表明在AUC评价指标上也优于其他5种典型显著性算法。     

无人机地震遥感影像的快速拼接方法研究

近年来,无人机遥感影像可广泛应用于防灾减灾、搜索营救、国土资源监测、森林防火等领域,但目前无人机影像快速处理软件存在耗时长、自动化水平低等问题。本文基于SIFT（Scale Invariant Feature Transform）特征点提取方法提取高分辨率地震应急无人机影像尺度不变特征点,然后利用k-d树（k-dimensional树）对特征点建立索引,并利用RANSAC方法排除误匹配特征点,计算准确的单应性矩阵并运用图像融合技术得到图像拼接结果。在此基础上,与现有拼接软件相比较,探究其优劣之处。     

基于SVMs的大幅遥感影像目标快速检测方法

针对高分辨率遥感影像数据幅度大、内容复杂的现状，提出了基于分层分类器的检测方法。从简化分类器的结构和缩减检测区域探讨了提高系统效率的途径。实验表明，这种新的搜索策略提高了大幅遥感影像目标检测的效率。     

基于SG-SIFT的光学遥感影像配准

提出了一种基于信号理论和网格化的尺度不变特征变换(SG-SIFT)光学遥感图像配准算法.根据高斯差分尺度空间中各图像层间的频域关系设定各图像提取特征点的数目,使特征点在尺度域上分布均匀;再将各图像层网格化,使特征点在图像空间中分布均匀;然后用一致性检测法剔除有明显错误的匹配对.实验结果表明,利用SG-SIFT算法得到的特征点比尺度不变特征变换(SIFT)算法的特征点分布更均匀,正确匹配对数目比均匀鲁棒尺度不变特征变换(UR-SIFT)算法均多17.47%,且SG-SIFT算法的均方误差明显低于SIFT和UR-SIFT算法.     

光学遥感卫星凝视成像姿态规划及快速仿真方法

目前,遥感卫星凝视成像姿态规划通常只考虑横滚轴和俯仰轴,导致仿真图像出现小,角度旋转,降低了视频成像质量;仿真过程多数未考虑仿真实时性,仿真时间过长,难以满足工程应用.针对上述问题,进行了修正图像旋转的偏航补偿,并提出了一种针对平坦地形的凝视成像快速仿真方法.首先,推导了对地凝视成像时航天器三轴姿态的计算公式;然后,基...     

无人机海量遥感影像快速自动拼接算法研究

针对无人机遥感影像快速处理的需要,提出一种基于LM算法优化的同步配准影像拼接算法,算法首先提取影像的SIFT特征点,按照影像间的概率拓扑关系自动进行特征点匹配,接着按照同步配准的方式实现由两视图配准逐步合并到整个全区,每合并一次利用LM算法进行参数优化一次,直到所有影像对齐到统一坐标系,最后利用小波多层分解实现缝隙的消除和色彩的融合.实验证明,采用该算法可以有效提高影像拼接的速度和精度,为海量遥感影像的快速自动拼接提供一种有效的技术途径.     

QuickBird遥感影像数据融合方法研究

基于影像融合方法和波段组成对遥感影像质量的影响，从清晰度、信息熵等方面，对遥感领域应用较多的几种融合方法及提出的增强真彩色融合法，进行了分析研究。结果表明：增强真彩色融合法更适于QuickBird数据的融合。该方法不仅很好地保留了多光谱影像的光谱信息，而且增强了影像的空间细节表现能力，图像色调接近自然色彩。     

WorldView-2遥感影像融合方法研究

随着遥感技术的发展,遥感影像的处理变得越来越重要,其中遥感影像的融合是遥感图像处理的重中之重.近年来,提出许多遥感影像融合的方法,以WorldView-2全色、多光谱影像为数据源,采用Gram-Schmidt、HSV、Brovey、PCA融合算法,以ENVI4.8为处理平台进行影像融合,并利用定量评价指标进行定量化评价.试验结果表明,Gram-Schmidt融合方法对高分辨率影像融合效果最为理想.     

遥感影像信息量的计算方法研究

对遥感数据进行定量评价一直是遥感技术应用领域的一个难点。以信息论中的信息熵为理论基础,运用概率论的基本原理,建立了遥感影像信息量与灰度值、色彩、噪声之间的数学表达,提出了遥感影像信息熵、噪声疑义度、邻元相关性、互信息量及影像单像元的平均信息量、波段间的相关性、影像实际信息量的计算方法,并给出了多波段遥感影像信息量的计算流程,从信息量的角度提出了评价遥感数据质量的新方法。     

基于无人机遥感影像的水体提取方法

针对无人机（UAV）影像水体提取出现的噪声干扰、光谱混淆、分割尺度难把握、无法使用水体指数等问题,提出边缘检测算法结合面向对象方法的新水体提取方法（AUCSN）. 采用各向扩散滤波算法对影像去噪;采用Canny边缘检测算子对去噪后影像进行边缘提取,提取结果与去噪后影像进行波段重组,利用改进的邻域绝对均值差分方差比法对重组影像选取最优分割尺度,开展多尺度分割. 结合水体对象的光谱、形态、纹理特征建立模型,对分割后影像实现水体粗提取. 将粗提取结果利用形态学闭运算填充孔洞,实现水体提取. 实验结果表明,采用AUCSN方法进行水体提取,不仅提高了提取效率,而且提取精度能够达到96%.     

基于特征的SAR图像与光学图像自动配准

针对现有配准方法在用于SAR图像和光学图像配准时,存在受SAR图像相干斑噪声影响大,手工选取配准点精度低等缺点,提出了一种基于区域特征提取的图像配准方法．对SAR图像首先进行相干斑噪声抑制,并采用图像分割的方法提取出封闭区域的边界作为特征,然后与可见光中提取的边缘利用闭合区域边缘链码的相关寻求匹配,精确配准的误差达到子象素级水平．实验结果表明,该方法能够以较高的精确度从SAR图像中提取配准控制点,从而实现了多传感器图像的自动配准．     

Automatic road extraction method for high-resolution remote sensing images

Road extraction from high-resolution satellite images is very important. Due to image noise, the natural scene complexity, and the extraction algorithms limitations, it still needs to be further researched. In recent years, level set evolution has been used to extract the road, but it is difficult to automatically generate initial level curves for the level set evolution (LSE). In this paper, we propose an automatic approach to the generation of initial level curves and use it to extract the road. Firstly, the convolutional neural network(CNN) is used to classify the road or nonroad, then shape features are adopted to filter nonlinear features to get the accurate road region. And on this basis, we exploit tensor voting to detect the road junctions and utilize them as initial level curves; finally we fuse the results obtained by the CNN and LSE. Experiments show that this algorithm can get an accurate and complete road.     

海战场光学遥感图像舰船目标检测

针对海上舰船目标的检测,提出了一种适于海上区域特征的广域高分辨率光学遥感图像舰船目标检测方法.该方法基于舰船目标的视觉显著性特征,通过三个步骤实现海战场舰船目标的检测.首先,建立遥感图像的视觉显著性特征通道,根据生物视觉生理特性的原理,提取不同特征通道中目标的视觉显著性特征;然后,通过自适应特征图像选择算法,选择显著性权重最高的五幅特征显著图像,并将它们组合成一幅视觉显著性图像;最后,将视觉显著性图像分类,应用基于舰船特征的目标选择方法,将目标列表中的目标划分为舰船目标和未知类型目标.实验结果表明,此方法能以高可靠性和高精确度检测出海战场图像中的目标对象,有效地减少虚警.     

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.     

遥感影像矢量化图形的多层次优化方法

提出针对遥感影像矢量化图形的多层次优化方法.该方法对边界进行纳入共线点的平滑处理,以此削弱由栅格数据离散化造成的误差;通过单层次的压缩以去除大部分对形状影响不大的冗余节点;执行自适应多层次的压缩,从而使各类地物的边界最大限度地逼近真实轮廓.以多幅图形为例,从对影像分割尺度的适应性、空间分辨率的适应性2方面与传统方法作了大量对比实验,证明了该方法的有效性和鲁棒性.     

无人机航空遥感图像的多分辨率拼接方法

为了克服无人机在空中执行遥感监测任务时受摄像头硬件性能的限制,以获得高分辨率的大面积区域图像,给出一种基于小波包变换的多分辨率图像拼接方法。先将小波包变换多分辨率的性质应用于Canny算法边缘检测,消除噪声干扰,提取更加完整的边缘,再通过基于像素灰度值的双匹配方法进行图像匹配和融合。仿真实验结果表明,所给方法拼接图像效果良好,速度较快,可以达到30幅的连续拼接标准,满足实际应用的要求。     

基于稀疏表示的遥感图像超分辨率重建

根据稀疏定理,首先对遥感图像数据进行训练,得到高分辨率图像块字典与低分辨率图像块字典,然后利用低分辨率图像块字典求出稀疏表示系数,最后根据稀疏表示系数得到超分辨率重建图像.结果可以看出,经过改进后,重建图像的客观评价指标更优.