分布共享存储的遥感图像并行预处理系统结构研究

随着遥感技术的发展,遥感图像的分辨率和采样率越来越高,对遥感图像预处理系统性能的要求也日益提高。本文介绍一种能高效实现遥感图像预处理的分布共享存储并行处理系统结构。     

海量遥感图像数据库设计

针对复杂的Tif/Tiff格式的遥感特大图像,本文利用libtif功能库,通过Firebird引擎连接Delphi程序实体和Interbase数据库,设计并实现了基于快速缩略图提取的数据库。本设计具有如下创新:缩略图与原图数据表通过外键相连;原图动态显示;模块化架构设计提高了可重用性以及可扩充性,方便管理;改进了对程序图像的处理方式,使处理速度增加了20几倍。实验结果有效。     

遥感图像海量存储系统的设计与分析

海量数据存储系统是遥感图像信息系统的关键组成部分之一。存储系统的研究包括硬件体系结构和关于存储调度的软件算法两个重要的方面，其中系统的设计和评价是其研究的核心内容。本在有关研究的基础上，主要从系统体系结构以及抽象的系统描述角度，研究和探讨了海量存储系统设计与分析中的基本技术问题。指出了视频数据存储系统和图像数据存储系统之间在要求上的差异，并提出了海量数据存储系统的抽象民相应的评价指标，紧后给出了一个适合海量图像数据存储的实际系统设计方案。     

数据密集型计算的遥感图像预处理方法

针对大数据时代,数据密集型计算已经成为国内外的一个研究热点. 遥感数据具有多源化、海量化特点,是名副其实的大数据. 研究适用于遥感影像自动化、业务化处理的数据密集型计算方法,是目前遥感应用技术面临的挑战所面临的挑战,本文提出了一种基于数据密集型计算的遥感图像处理方法. 在文中,首先围绕遥感数据自动化、业务化预处理等问题,深入调查和分析了国内外研究现状,进而介绍了系统体系结构,通过工作流灵活组织多种算法模型协同工作,设计以“5并行1加速”的计算体系解决数据密集型的遥感图像预处理,并通过产品生产实例对其性能进行测试. 结果表明,该系统在保证处理精度的前提下,大大提高了遥感大数据预处理的效率.     

面向遥感图像BNs分类的预处理技术及算法实现

遥感图像BNs分类分为预处理、BNs模型构建和分类3个前后联系的过程。其中对预处理技术是后面两个步骤的基础，其算法实现过程对分类结果的影响很大，预处理的目标是高效、准确地提取图像分类所需要的重要特征，剔除干扰因素。该文介绍了一种简单数据预处理技术和其算法实现过程。针对遥感数据的特点和BNs方法的需要，将该预处理过程分成波谱空间分割和关系信息计算两个部分，分别介绍了两部分的原理并给出了实现的算法。对于遥感数据分类预处理技术的研究和实现具有很强的借鉴作用。     

遥感图像波谱角并行分类算法

针对海量遥感数据处理提出了一种遥感图像波谱角并行分类算法.该算法是基于单机波谱角算法.针对其处理遥感图像数据速度慢、效果差、内存不足等缺点,提出了在集群环境下遥感图像波谱角并行分类算法的同步、互斥和负载均衡等策略,以及在多台设备上并行处理的方法.通过对算法的时间复杂度、加速比进行分析,并在集群环境下进行实例验证,将分类图像与知名软件ENVI进行对比,验证了算法的优越性和有效性.     

基于网格环境的遥感图像并行分类

随着遥感技术的发展,高分辨率大容量遥感数据的应用,对图像处理效率提出了更高的要求。网格计算因具有分布式、高性能和充分的资源共享性,为海量遥感图像的处理提供了有效的解决途径。针对遥感图像分类,提出基于网格环境的遥感影像并行模型,分析构建此模型的网格服务机制,设计网格服务及任务调度的算法流程。搭建网格实验测试平台,采用封装的SVM分类服务,实现了遥感图像并行分类处理。实验结果及分析表明,测试平台实现了网格环境下的遥感图像并行分类的架构,有效提高大容量遥感数据的分类效率,为分布式并行处理遥感图像提供了有效的途径。     

遥感图像的图像镶嵌方法

图像镶嵌技术是近年来发展迅速的图像处理技术之一，是计算机视觉领域和计算机图形学领域都十分关注的研究热点之一。通过对现有遥感图像镶嵌方法的研究，时其进行了归纳和总结，并介绍了几种常见的图像镶嵌关键技术。     

基于遥感影像的三维地形景观模拟技术初探

回顾了三维地形景观模拟技术发展过程,探讨了以遥感影像为纹理的区域三维景观模拟技术方法和技术路线,并以杭州西湖地区三维景观模拟为例,展示了模拟后的实际效果和在景观规划中的应用。     

获取均匀控制点的遥感影像自动空间匹配方法

提出了两种可以获取均匀分布的控制点的遥感高分辨率影像空间域匹配方法。常规的灰度模板匹配方法为先进行手工选点粗匹配,然后用特征提取算子在原始图像中提取控制点,最后根据控制点提取灰度模板进行精匹配。基于上述方法,提出了两种控制点均匀化方法,分别为在控制点提取时和模板匹配后对控制点进行均匀化,并用实验证明匹配精度因均匀化的控制点分布得到有效提高。     

遥感影像的高性能并行处理技术研究

随着空间遥感技术和对地观测技术的不断发展,光学、热红外和微波等不同技术手段可以获取同一地区的多种遥感影像数据（多时相、多光谱、多传感器、多平台和多分辨率等）,每天获取的遥感数据量越来越大。同时,大量的遥感应用需要快速地对这些遥感数据进行处理与分析,提供辅助决策信息。因此,如果不能及时进行数据处理,这些数据就会失去时效性,甚至失去数据本身的价值。高性能计算与并行处理技术,加速了遥感影像数据处理与信息提取的进度,如大规模多处理系统、网格与云计算技术、通用图形处理器（GPGPU）等。文中综述了高性能计算、并行处理及云计算技术应用于遥感领域的最新进展,给出了一些研究与应用范例,并提出了当前高性能遥感影像处理所面临的一些挑战。     

基于MTF的遥感影像复原算法研究

对引起遥感影像模糊的因素进行了分析,从光学系统、大气及传感器与地面的相对运动三方面出发,导出了遥感影像的调制传递函数,从而利用维纳滤波算法对遥感影像进行复原处理。考虑到遥感影像数据量大的问题,对图像采用分块处理的方法。实验结果表明该方法能有效的对退化的遥感影像进行复原。     

基于可拓分类器的高分辨率遥感影像分类

可拓学作为一种新的人工智能方法,在遥感图像智能分类研究中应该有着广泛的应用前景。本文以无人驾驶的小飞机在低空拍摄的高分辨率遥感影像的分类为例,说明了可拓分类器的构造和使用。实验结果表明,像元分类精度达到了91.1%,Kappa系数达到0.893,具有较高的图像分类精度。     

面向遥感图像小目标检测的改进YOLOv3算法

针对YOLOv3目标检测算法在遥感图像小目标检测方面精度较低的缺点,提出了一种改进的YOLOv3目标检测算法--YOLOv3-CS。根据对backbone中不同尺度特征重要性的分析重构了backbone,即增加具有丰富位置信息的浅层特征对应的卷积层深度,以此增强backbone对小目标特征的提取能力,引入RFB结构增大浅层特征图的感受野来提升小目标检测精度,优化了anchor boxes及其分配原则。在RSOD数据集的实验结果表明,YOLOv3-CS算法与YOLOv3相比,mAP提高6.49%,F1提高4.85%,所需存储空间降低12.58%,其中backbone的改进和RFB的引入对小目标检测的精度提升较为明显,说明提出的目标检测算法在遥感图像小目标检测方面有较高的优势。     

基于EBPNN模型的遥感图像变化检测研究

对不同时段获取的特定图像进行自动变化检测是遥感图像研究的主要问题;通过自适应中值滤波(AMF)去除遥感图像中的噪声,结合Tamura和Law掩模方法提取图像中的次级特征,并将研究区域划分为植被、水域和城区三类,利用增强型反向传播神经网络(EBPNN)对特征提取结果进行分类并实现不同时期遥感图像的变化检测;与现有的FFNN和CNN分类技术相比,利用EBPNN进行分类可以有效地检测出图像中的变化且具有更好的检测性能。     

一种改进的遥感图象准无损压缩JPEG—LS算法

为适应遥感图象较高倍率准无损压缩的需要 ,改进了 JPEG- L S算法 ,该算法首先通过放宽游程检测门限 ,并通过引入局部梯度控制下的预测来增加平均游程长度 ,以提高压缩比 ;然后通过在游程编码区域附加误差修正编码及通过重构图象平滑滤波来改善重构图象的目视效果和提高 PSN R值 ;最后 ,采用 Golomb- Rice Coding技术来对越界误差进行编码 ,以保持 JPEG- L S算法误差界可控的优点 .综合利用以上措施 ,在相同单像素误差界 (±7)下 ,不仅压缩比略有提高 ,而且重构图象的视觉效果得到明显改善 ,PSN R提高约 1～ 3d B.