面阵摆扫热红外航空影像分步几何校正方法

针对航空面阵摆扫数据无控制点几何校正问题,提出了一种基于POS数据的面阵摆扫热红外影像的分步几何校正方法,主要包括利用视矢量法对影像校正、投影至高斯地辅平面进行拼接、及提取虚拟控制点三个步骤。利用最小二乘法对全局影像进行第二次几何精校正,实现研究区热红外图像几何校正。实验图像验证了该校正算法的有效性,平面两点距离相对误差为0.81%,平面两点方位角相对误差为0.72%,相较于直接利用POS校正误差有显著改善。该研究方法可推广应用于其它面阵摆扫无地面控制点的航飞图像几何校正。     

低维超平面结构在高光谱图像异常检测中的应用

异常检测在高光谱军事应用领域具有重要的意义,它能够在没有光谱库和大气校正的条件下检测出与图像背景存在光谱差异的目标.由于高光谱图像的统计特性复杂,基于统计的异常检测方法在统计模型和参数估计方面存在一定误差,往往不能取得理想的结果.从数据集流形结构的角度,提出了一种基于高维空间超平面结构的高光谱图像异常检测方法.从线性混合模型入手,根据图像数据集合在高维空间中的几何分布的特点,提出了利用超平面的几何特性来检测图像异常的方法.由于算法不使用多元统计模型,具有较强的实用性.最后,利用仿真数据和真实数据对算法的有效性进行检验.     

基于高程和地物光谱约束的多光谱图像预处理算法

分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时,受云、水等特殊地物的影响,利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法,该算法利用三维信息约束的SIFT算子提高配准精度,同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明,利用该方法对分视场多光谱相机数据进行预处理时,即使图像上存在云、水等特殊区域的地物,结果图像仍能保持高精度配准且无条带噪声。     

基于GPU的遥感图像前期处理算法研究与应用

针对传统的遥感图像前期处理算法在面对海量地面数据时计算时间很难满足需求的问题,基于RPC模型的遥感成像几何校正算法的并行加速和基于SIFT特征提取的图像匹配技术的并行加速研究。针对几何校正的主要步骤及其速度瓶颈问题,提出了可采用的并行加速方法,同时结合SIFT的特点提出了并行优化加速的方案。采用基于数据划分的并行方法对遥感图像的几何校正和SIFT特征提取算法进行加速。最后利用CUDA环境,在CPU+GPU异构系统下,设计试验对两个算法优化并行提速,试验结果表明,提出的加速方案和优化算法能大幅提高遥感图像的前期处理效率。     

航空滤光片阵列多光谱图像条带灰度校正算法

针对航空滤光片阵列多光谱图像中存在的条带灰度差异问题,提出条带灰度校正算法。首先,对多光谱图像构建条带图像模板,基于SIFT(Scale-Invariant Feature Transform)算法提取图像特征点并计算图像间坐标转换矩阵,用于确定条带图像重叠区域；其次,依次计算各条带图像重叠区域像素灰度均值,并以中间图像各条带灰度为基准,依次拟合相邻图像间灰度校正系数；最后,利用投影后的图像模板依次提取序列单波段条带并进行拼接,得到灰度一致的单波段图像。实验结果表明:该方法可以有效解决航空滤光片阵列多光谱图像条带灰度差异,且能够最大限度保持地物光谱信息特征。     

基于测地线距离和正交投影的端元提取算法

端元提取是高光谱遥感图像混合像元分解的关键步骤。传统线性端元提取方法忽略了像元内地物的非线性混合因素,制约了混合像元分解精度的提升。针对高光谱图像数据的非线性结构,提出一种基于测地线距离的正交投影端元提取算法,将测地线距离引入端元单体提取过程,利用正交投影方法逐个提取端元。为了降低测地线距离计算量,在端元提取前先利用自动目标生成方法和无约束最小二乘法对原始高光谱数据进行数据约减。模拟和真实高光谱图像实验表明,该方法能够表征光谱数据中非线性因素,端元提取结果优于传统自动目标生成端元提取方法。     

基于多核CPU和GPU的高光谱数据并行几何校正

针对高光谱几何校正计算复杂,大数据量频繁传输降低处理效率,无法满足实时需求等问题,提出基于多核CPU和GPU的并行计算模型。实现基于GPU的并行几何校正,并引入流水线并行思想提出基于多线程的数据读写优化方法,实现重采样部分的数据I/O优化。应用航空推扫成像仪所得高光谱数据进行实验,验证该方法能够有效地隐藏部分硬盘与内存间的数据I/O时间,几何校正加速比达到4.03,在基于GPU的并行计算基础上提高了1.74倍。     

基于图像欧式距离和拉普拉斯特征映射的端元提取算法

由于多重反射和散射,高光谱图像中的混合像元实际上是非线性光谱混合。传统的端元提取算法是以线性光谱混合模型为基础,因此提取精度不高。针对高光谱图像的非线性结构,提出了基于图像欧氏距离非线性降维的高光谱遥感图像端元提取方法。该方法结合高光谱数据的物理特性,将图像欧氏距离引入拉普拉斯特征映射进行非线性降维以更好地去除高光谱数据集中冗余的空间信息和光谱维度信息,然后对降维后的数据利用寻找最大单形体体积的方法提取端元。真实高光谱数据实验表明,提出的方法对高光谱图像端元提取具有良好的效果,性能优于线性降维的主成份分析算法和原始的拉普拉斯特征映射算法。     

基于多特征多分辨率融合的高光谱图像分类

由于数据维数高,利用高光谱数据对地物进行分类,常规方法难以获得令人满意的结果,在基于小波多分辨率融合方法进行特征图像的提取过程中,提出了利用多个空间特征所构成的特征矢量确定多分辨率融合权值的算法,有效地降低了原始图像的数据维并获得了用于后续分类的特征图像．对AVIRIS数据进行的实验表明,利用新方法提取的特征进行分类,获得了高于传统方法确定融合权值的结果。     

基于SAR影像模拟几何校正算法参数误差影响分析

基于SAR影像模拟的几何校正算法以其不需要提供地面控制点、精确的成像参数以及所有操作可自动完成等优点,在SAR图像几何校正中受到了广泛的关注和应用。然而测量设备误差的存在,使得算法输入参数（航向角、飞行高度、近端斜距、DEM高程）存在误差,这会引起SAR模拟图像特征发生变化,严重时还会引起图像匹配参数（控制点）误差,降低几何校正精度。论文分析了算法输入参数和控制点对SAR影像模拟和图像匹配的影响,在此基础上完成了关于参数误差影响的较完整的分析,导出了一套相应的计算公式,弥补了现有文献中的一些空缺。      

全景畸变正切改正的高光谱影像视场拼接方法

静止轨道全谱段高光谱成像仪需采用通道分离、视场和机械拼接的方式,并通过扫描镜摆扫获得宽视场、高空间分辨率的高光谱影像,若直接拼接,子视场间不一致的几何变形将使地物光谱信息失真。假设子视场间同名像点坐标的差异是由各子视场内部参数变化引起的,提出以全景畸变正切改正公式为数学模型的区域网平差方法,实现像方坐标系内的视场拼接。并在可见光近红外通道4个子视场仿真影像的基础上完成了视场拼接实验,达到了0.72 pixel的拼接精度。与基于共线条件方程区域网平差的视场拼接方法相比,该方法精度与其相当,且算法更简单,不需要控制点和DEM辅助,适用于初级影像生产。     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

基于分数阶微分和SIFT算法的图像匹配方法研究

提出了一种采用分数阶微分与尺度不变特征变换算法(SIFT)相结合的方式进行图像识别及匹配方法.该方法首先采用分数阶微分方法对图像的细节纹理部分进行加强,从而提高图像的分辨率,然后采用尺度不变特征变换算法对旋转缩放后的图像进行特征关键点提取和匹配,从而提高图像识别的准确率.应用该方法对Lena图像进行图像处理实验,结果表明:采用阶次为0.6的分数阶微分算法与SIFT相结合可最大化地提取图像的关键点和提高图像匹配的准确率(94.59％).     

面阵CCD航空相机斜视图像的几何校正

为增大机载光电侦察系统的视场角,航空相机多采用扫描方式对地摄影成像,文章针对面阵CCD航空相机斜视摄影引起的图像变形进行校正。由于该类相机与载机之间存在方位和俯仰两轴运动,文章同时考虑相机相对载机的旋转角度和载机相对地面的姿态角,建立了更符合该类相机工作状态的六姿态角投影校正模型,推导出同一地物在畸变图像和标准图像上的像素坐标变换关系,采用双线性插值算法对坐标变换后的像素灰度值进行重采样,对航空图像进行自动校正。最后,对某机场的航拍图像进行校正实验,并与基于地面控制点的多项式校正方法以及基于畸变图像和参考图像配准的校正方法进行比较。实验结果表明,六姿态角投影校正模型能够取得比较高的校正精度(可达像素级),当姿态角的测量精度为3′,图像大小为512pixel×512pixel时,图像校正的均方根误差为1.174 7pixel。该方法不需要提供参考图像和野外采集地面控制点数据,便于工程实现,基本满足航空图像处理的稳定可靠、精度高、实时性强等要求。     

Delaunay三角网优化下的小面元遥感影像配准算法

针对遥感影像配准中控制点分布不均匀而影响配准精度的问题,论文提出三角网优化模型下的小面元遥感影像配准算法。首先利用RFM模型与DSM数据对其进行正射纠正;其次采用SIFT算子匹配特征点,通过RANSAC算法对其优化;同时设置影像边缘格网点,综合利用仿射变换、核线约束和灰度相似性约束匹配边缘格网点;构建初始Delaunay三角网,通过三角单元面积与角度双重约束优化三角网;最终通过扫描线填充算法实现小面元影像配准。多组实验结果表明该算法在遥感影像配准中的适用性和有效性,影像配准精度可达到亚像素级,使得存在地形起伏的遥感影像配准问题得到了有效解决。      

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于全方位视觉的移动机器人运动目标检测*

针对移动机器人动态背景下运动目标的检测,提出一种基于全方位视觉的检测算法。首先,改进了SIFT算法中的特征点提取方法,在将图像划分为若干网格后,再根据特征点所在位置的局部区域熵对每个网格中的候选特征点进行筛选;其次,在SIFT点匹配后采用RANSAC算法去除误匹配点,以提高背景补偿的精度;最后用帧差法检测出运动目标。实验表明,该算法减少了SIFT点的获取时间,并具有良好的鲁棒性,能准确地在机器人运动过程中检测出运动目标。     

基于尺度不变特征变换的快速景象匹配方法

传统基于特征的景象匹配方法存在冗余点多、匹配精度低等问题,难以同时满足实时性及鲁棒性要求,对此,论文提出一种基于尺度不变特征变换(SIFT)的快速景象匹配方法。在特征提取阶段,采用高速分段特征检测器(FAST)在多尺度检测角点作为初始特征,经过高斯差分(DOG)算子在尺度空间中进行特征的2次筛选,简化原有遍历式的特征搜索过程;在特征匹配阶段,采用仿射模型模拟变换关系建立几何约束条件,克服SIFT算法由于忽略几何信息而产生的误匹配。实验表明:该方法在匹配精度和实时性方面均优于SIFT算法,且对光照、模糊、尺度等变换具有良好的鲁棒性,能够更好地实现景象匹配。