多时相Landsat影像地表亮温辐射归一化方法

使用多时相遥感数据进行景观变化检测往往要求这些遥感数据能保持辐射一致性,但实际获取遥感数据时由于传感器性能、大阳照度几何和大气状态的变化,多时相遥感数据的辐射一致性无法保持。鉴于多时相遥感数据实际应用时需要实施相对辐射归一化操作,以南京市主城区1992年、1998年、2003年、2007年和2011年5景Landsat TM热红外波段数据为源数据,反算亮温图像并与8个地面气象站采集的实时温度数据建立回归模型,反演地表温度图像,然后采用伪不变特征相对辐射归一化方法和多元变化检测相对辐射归一化方法对5期地表温度数据做归一化处理,分级操作后评价南京市热岛效应的变化特征,最后通过引入统计特征参数均方根误差和变异系数,评价两种相对辐射归一化方法的优劣。结果表明:经过两种归一化方法调整后的数据均有利于对南京市热岛效应的分析;在后续的热岛效应分析中,多元变化检测相对辐射归一化法处理后的影像优于伪不变特征相对辐射归一化处理的影像;多元变化检测归一化法克服了人工选取样本点中存在的主观因素,但其计算相对较复杂。     

多时相遥感影像相对辐射校正方法对比

针对目前大区域多时相遥感影像在进行相对辐射时,如何选择合适的校正方法的问题,该文对比分析了目前比较流行的相对辐射校正方法,分析影响因素和适用条件。选择直方图匹配法、基于统计量的校正方法、图像回归法、伪不变特征法和暗集-亮集法5种相对辐射校正方法,以大兴安岭地区两期TM遥感数据为实验数据,运用均方根误差、归一化植被指数与像元灰度值变动范围3种统计特征参数和差值法对采用5种方法校正后的遥感图像进行分析与评价。研究结果表明:5种相对辐射校正方法都减小了遥感图像之间的变化程度,提高了动态监测精度。综合研究区域特征、校正方法对图像变化程度的影响以及易操作性等因素分析,暗集-亮集法和伪不变特征法校正效果最好。     

遥感动态监测中的相对辐射校正方法研究

本文从遥感动态监测实际出发,提出利用图像差值与质量控制相结合的方法选取不变特征点(PIF),较好地克服了样本选择的主观性,得到样本的相关系数达到98%以上,采用最小二乘法求解线性关系式,对待校正图像的灰度值进行线性变换,使两幅图像上同名地物具有相同辐射值,实现遥感动态监测中多时相遥感图像的辐射归一化.     

基于季相变化特征的撂荒地遥感提取方法研究

在我国西南地区耕种条件差,地块比较破碎,地块类型比较复杂,中低分辨率遥感数据难以满足撂荒地提取的需要。选取贵州修文县为试验区,基于高分辨率卫星遥感数据（哨兵2号）,探索单期或多期影像在中国西南地区的撂荒地检测能力,构建撂荒地遥感监测方法,为今后我国西南地区撂荒地统计调查提供参考。结合野外调查数据,在划分不同撂荒地类型基础上,综合遥感影像的光谱特征、植被指数特征以及多时相植被指数变化特征分析,优选不同类别撂荒地遥感提取敏感特征集,利用CART决策树分类方法,提取不同类型的撂荒地。结果表明：①单个时相对不同类型的撂荒地识别能力差异显著,基于单时相影像,难以开展撂荒地高精度遥感监测提取;②不同时相的植被指数变化特征对撂荒地的识别能力较强,其中比值植被指数优于差值植被指数和归一化植被指数;③以贵州修文县为例,开展了撂荒地空间分布制图及撂荒面积统计分析,修文县撂荒地面积约为6 460 hm²,占修文县耕地面积的13%;④基于多时相高分辨遥感数据,通过季相变化特征构建的撂荒地检测方法,能够满足我国西南地区撂荒地高精度遥感监测提取,为大范围撂荒地遥感调查和制图提供技术参考。     

多时相影像的冬小麦种植面积提取及估产

针对多时相影像的农作物种植面积难以实现统一精确提取、不能高效地进行遥感估产研究的问题,以河南省濮阳市为研究区,基于Landsat TM影像,采用基于伪不变特征的相对辐射校正方法,在深入分析濮阳市内6类典型地物光谱的基础上,构建决策树提取冬小麦种植面积。然后,基于MODIS植被指数产品,结合相应年份统计数据进行植被指数校正,分别利用校正后关键生育期的归一化植被指数累计值和增强型植被指数累计值与冬小麦产量进行回归分析,建立冬小麦产量预测模型,利用2011年的产量进行验证。结果表明:各年份冬小麦的提取面积精度均在96.3%以上,利用归一化植被指数和增强型植被指数构建的估产模型,R2分别为0.834和0.926,估产精度分别为95.36%和96.44%。该研究可为市域冬小麦种植区的统一高效提取以及冬小麦产量预测提供参考。     

基于正则化IR-MAD的GF-1影像辐射归一化

针对绝对辐射校正处理过程复杂不易实现,现有的相对辐射校正方法域值确定困难、样本点质量不稳定的问题,提出采用辐射归一化方法提高影像辐射质量。以GF-1卫星PMS和WFV数据为研究源,经过简单大气校正后进行相对辐射归一化;在正则化迭代加权多元变化检测(IR-MAD)方法的基础上,通过控制未变化集的线性关系、逐步筛选不变特征点,获得不同传感器影像(Landsat-8OLI和Sentinel-2A MSI)对应波段的反射率归一化方程。结果表明,该方法能够有效减少影像间的辐射差异,与其他方法相比具有较高的精度,为遥感信息定量化获取较高精度的地表反射率提供可参考的方法。     

一种稳健的多时相遥感图像相对辐射校正方法

变化检测是通过分析多时相遥感图像实现土地利用动态监视的一种有效方法，但在变化检测 分析前，需要经过辐射校正消除光照等因素对地物光谱辐射的影响，使同一地物在不同时相 影像中具有相同的辐射量。根据地物在不同时相遥感图像中的光谱特性满足线性关系的 特点，提出一种自动实现多时遥感图像相对辐射校正的稳健方法，首先通过最小差分回归找 出非变化地物在多时相遥感图像中的辐射关系 |然后利用变化区域证实过程消除变化区域对 辐射校正处理的影响 |最后通过循环迭代实现图像间的辐射校正。提出的方法不仅可以自动 地实现多时相遥感图像的相对辐射校正，而且能够保证图像的辐射分辨率不会因为辐射校正而降低。     

一种基于SIFT特征的快速逐层遥感图像配准方法

当前SIFT特征分层配准方法中存在特征点匹配复杂度高以及不同时相地物变化导致特征点误匹配等问题,提出一种基于SIFT特征的“低分辨率配准\,高分辨率验证”快速逐层遥感图像配准方法。该方法针对同源同分辨率不同时相的遥感图像,通过在金字塔的低分辨率图层匹配特征点对并建立仿射变换模型,在金字塔的高分辨率图层评估并修正模型。实验表明：提出的方法在保证配准精度的前提下,有效提高了配准算法的效率。
     

尺度不变特征变换法在SAR影像匹配中的应用

通过几组可代表合成孔径雷达(Synthetic aperture radar, SAR)影像配准主要实际应用情景的实验, 对尺度不变特征变换法(Scale invariant feature transformation, SIFT)在SAR图像配准中的应用能力进行了系统的评价. 发现SIFT方法可以实现同轨获取的多时相斜距影像之间、斜距与地距影像之间、地距影像与经过地理编码的斜距影像之间的精确配准. 为了利用SIFT实现整景遥感影像间的配准, 提出了分块处理的方法. 实验发现分块寻找特征点虽然可引起特征点总数的降低, 但特征点的重复出现率仍大于76\%, 可满足大影像间配准的需要. 同时也发现SIFT匹配过程过于耗时是阻碍其在遥感领域实际应用的技术瓶颈. 本文指出了解决该瓶颈的技术方向, 并对不变特征匹配法在遥感领域的应用进行了展望.     

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明：该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。     

基于双目视觉的新型并联机构末端位姿检测

针对一种新型3-DOF驱动冗余并联机构,为提高双目视觉末端位姿检测的实时性和精度,首先采用Harris-SIFT算法对图片进行预匹配,通过Harris提取图像特征点,并采用SIFT特征描述子对图像进行匹配,使得匹配结果兼具实时性和稳定性;为解决匹配算法存在的误差匹配和错误匹配问题,提出一种改进的RANSAC算法对预匹配结果进行提纯,该改进方法通过分格取点和提前取点验算临时模型克服常规RANSAC算子匹配不准确、算法费时的缺点.实验结果表明,采用改进的RANSAC算法提纯较常规RANSAC算子不仅可以大幅度降低图像处理时间,而且可以更大程度提高匹配正确率,进而位姿检测的实时性和精度得以提高.     

基于支持向量机的连续超声图像集分割算法

针对传统的支持向量机（SVM）模型对连续超声图像集进行分割时需要为图像集中每张图片提取样本点来建立分割模型的问题,提出了一个对整个连续超声图像集的统一的SVM分割模型。首先,从图像的灰度直方图中提取灰度特征作为表征图像集中图像连续性的特征;其次,从图像集中选取部分图像作为样本,并从中提取像素点的灰度特征;最后,将各像素点的灰度特征与各像素点所在图像中表征图像集连续性的特征相结合,用SVM的方法训练出分割模型对整个图像集进行分割。实验结果表明,与传统SVM分割方法相比,新模型在面对大量的有连续变化的图像集的分割问题上,大幅地减少了人工选取样本点的工作量,并且在分割的准确率上也有保证。     

Radiometric correction of multi-temporal Landsat data for characterization of early successional forest patterns in western Oregon

Detecting and characterizing continuous changes in early forest succession using multi-temporal satellite imagery requires atmospheric correction procedures that are both operationally reliable, and that result in comparable units (e.g., surface reflectance). This paper presents a comparison of five atmospheric correction methods (2 relative, 3 absolute) used to correct a nearly continuous 20-year Landsat TM/ETM+ image data set (19-images) covering western Oregon (path/row 46/29). In theory, full absolute correction of individual images in a time-series should effectively minimize atmospheric effects resulting in a series of images that appears more similar in spectral response than the same set of uncorrected images. Contradicting this theory, evidence is presented that demonstrates how absolute correction methods such as Second Simulation of the Satellite Signal in the Solar Spectrum (6 s), Modified Dense Dark Vegetation (MDDV), and Dark Object Subtraction (DOS) actually make images in a time-series somewhat less spectrally similar to one another. Since the development of meaningful spectral reflectance trajectories is more dependant on consistent measurement of surface reflectance rather than on accurate estimation of true surface reflectance, correction using image pairs is also tested. The relative methods tested are variants of an approach referred to as “absolute-normalization”, which matches images in a time-series to an atmospherically corrected reference image using pseudo-invariant features and reduced major axis (RMA) regression. An advantage of “absolute-normalization” is that all images in the time-series are converted to units of surface reflectance while simultaneously being corrected for atmospheric effects. Of the two relative correction methods used for “absolute-normalization”, the first employed an automated ordination algorithm called multivariate alteration detection (MAD) to statistically locate pseudo-invariant pixels between each subject and reference image, while the second used analyst selected pseudo-invariant features (PIF) common to the entire image set. Overall, relative correction employed in the “absolute-normalization” context produced the most consistent temporal reflectance response, with the automated MAD algorithm performing equally as well as the handpicked PIFs. Although both relative methods performed nearly equally in terms of observed errors, several reasons emerged for preferring the MAD algorithm. The paper concludes by demonstrating how “absolute-normalization” improves (i.e., reduces scatter in) spectral reflectance trajectory models used for characterizing patterns of early forest succession.     

一种基于边缘特征的图像配准方法

采用一种基于边缘特征的图像配准方法,首先通过小波变换来提取图像的边缘,然后将人工选择的边缘点代入仿射变换模型,得到配准参数（每选择一组不同的边缘点,就会得到不同的配准参数）。在不同的配准参数条件下,计算两幅图像的交互方差。取交互方差最小时所对应的配准参数为最终的配准参数。最后再利用仿射变换模型对待配准图像进行平移、旋转、缩放得到最终的配准图像。     

Temporal generalization of sub-pixel vegetation mapping with multiple machine learning and atmospheric correction algorithms

Temporal generalization allows a trained classification algorithm to be applied to multiple images across time to derive reliable classification map products. It is a challenging remote-sensing research topic since the results are dependent on the selection of atmospheric correction methods, classification algorithms, validation processes, and their varying combinations. This study examined the temporal generalization of sub-pixel vegetation mapping using multiple Landsat images (1990, 1996, 2004, and 2010). All Landsat images were processed with two atmospheric correction methods: simple dark object subtraction (DOS) and the Landsat Ecosystem Disturbance Adaptive Processing System (LEDAPS) algorithm. For the sub-pixel vegetation mapping of the 2004 Landsat image, we used high-resolution OrbView-3 images as a training/validation data set and compared three machine learning algorithms (neural networks, random forests, and classification and regression trees) for their classification performance. The trained classifiers were then applied to other Landsat images (1990, 1996, and 2010) to derive sub-pixel vegetation map products. For the 2004 Landsat image classification, cross-validation shows similar classification results for neural networks (root mean square error (RMSE) = 0.099) and random forests (RMSE = 0.100) algorithms, and both are better than classification and regression trees (RMSE = 0.123). Pseudo-invariant pixels between 2004 and 2010 were used as validation points to evaluate the temporal generalizability of classification algorithms. Simple DOS and LEDAPS atmospheric correction resulted in similar accuracy statistics. The neural-network-based classifier performed best in generating reliable sub-pixel vegetation map products across time.     

肌骨超声图像特征检测及拼接

目的 肌骨超声宽景图像易出现解剖结构错位、断裂等现象,其成像算法中的特征检测影响宽景图像的质量,也是超声图像配准、分析等算法的关键步骤,但目前仍未有相关研究明确指出适合提取肌骨超声图像特征点的算法。本文利用结合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法对肌骨超声图像序列进行图像拼接,并对各算法的性能进行比较评估,为肌骨超声图像配准、宽景成像提供可参考的特征检测解决方案。方法 采集5组正常股四头肌的超声图像序列,每组再采样10幅图像。利用经典的图像拼接算法进行肌骨图像的特征检测以及图像拼接。分别利用上述4种算法提取肌骨超声图像的特征点;对特征点进行特征匹配,估算出图像间的形变矩阵;对所有待拼接的图像进行坐标变换以及融合处理,得到拼接全景图,并在特征检测性能、特征匹配性能、图像配准性能以及拼接效果等方面对4种算法进行评估比较。结果 实验结果表明,与SIFT、SURF、ORB算法相比,FAST-SIFT算法所提取的特征点分布更均匀,可以检测到大部分肌纤维的端点,且特征点检测时间最短,约4 ms,其平均匹配对数最多,是其他特征检测算法的25倍,其互信息和归一化互相关系数均值分别为1.016和0.748,均高于其他3种特征检测算法,表明其图像配准精度更高。且FAST-SIFT算法的图像拼接效果更好,没有明显的解剖结构错位、断裂、拼接不连贯等现象。结论 与SIFT、SURF、ORB算法相比,FAST-SIFT算法是更适合提取肌骨超声图像特征点的特征检测算法,在图像配准精度等方面都具有一定的优势。     

The identification of pseudo-invariant targets using ground field spectroscopy measurements intended for the removal of atmospheric effects from satellite imagery: a case study of the Limassol area in Cyprus

This study proposes five types of commonly located surfaces that were evaluated to be determined for use as pseudo-invariant targets (PITs) in order to apply the so-called ‘empirical-line’ atmospheric correction method. Spectroradiometric measurements were taken over wet and dry conditions to obtain the spectral signatures of the targets. From the acquired in situ spectroradiometric campaign, it was found that the proposed commonly found PITs (sandy, concrete and asphalt) are suitable non-variant targets. An accuracy assessment of the empirical-line atmospheric correction method using the five PITs was performed using other calibration targets and aerosol optical thickness (AOT) values from MICROTOPS hand-held sun photometers acquired simultaneously with the satellite overpass. The radiative transfer equation was used to determine AOT levels, using the reflectance values derived from the empirical-line method, in order to conduct an accuracy assessment with in situ AOT measurements. It was also shown that precipitation conditions should be considered when using non-variant targets in atmospheric correction methods.     

虚拟结肠镜中皱襞预匹配的结肠配准

目的 虚拟结肠镜是一种采用CT或者MRI图像重建出结肠3维结构,通过漫游虚拟结肠来检测结肠组织,一般用于早期结直肠癌筛查。结肠配准能够有效提高息肉检测的效率和精确度,但由于仰卧和俯卧位下的结肠图像形变太大,现有的配准方案中特征点的提取没有考虑到较多特殊情况,因此需要寻找一个新的配准方案完成完整的结肠配准。方法 提出了一种新的结肠图像配准方法,能够完成不同体位获取的虚拟结肠图像之间的配准。首先提取可以反映结肠结构信息的皱襞特征,用模板匹配和特征匹配方法找出两幅结肠中匹配的皱襞对。然后将匹配对的中心点作为标记点,做基于标记点的非刚性粗配准,最后将两幅图做B样条配准完成细配准。这种方法能够将结肠内部较大的形变先矫正,使得两幅图之间的形变缩小到一定范围,然后利用传统配准方法能够完成配准。结果 在5套数据中,找到能够成功匹配的皱襞区域数量占所有分割出的皱襞区域总数量的62%左右,匹配错误率为4.7%左右。完成皱襞粗配准后,结肠形变明显趋于一致,灰度值相对误差减小,最终完成了结肠配准。结论 先进行皱襞匹配再做基于匹配好的皱襞的映射关系做结肠配准,能够将存在较大形变的两套结肠匹配起来。在之后的工作中需要量化特征点选取对配准结果的影响,同时在做配准评估时,单纯采用灰度差值不能很好完成评估,因为灰度特征只能一定程度反映整体差异,不能很好体现结构差异,需要添加其他评估标准辅助配准评估。     

新的基于图像显著性区域特征的织物疵点检测算法

鉴于织物疵点类型的多样性和传统人工检测方法的低效率,为更有效地检测织物疵点,提出一种新的基于图像显著性特征的织物疵点检测方法——SGE。将原织物图分成相同两份:一份利用改进的基于频率的显著性区域(FSR)方法提取区域特征,粗定位疵点位置。另一份先Gabor滤波,取Gabor模图为输出特征;再利用基于像素的显著性区域(PSR)方法进行区域特征提取,细定位疵点位置;然后利用最大熵分别对粗细定位的疵点图进行分割,再融合;最后描绘轮廓,计算周长和面积,去除孤立点,得最终检测结果。采用OpenCV算法库,选取了4种具有代表的织物疵点图片进行验证。实验结果表明,这种粗细定位疵点的方法能够获得较好的检测结果,无需事先学习,能够满足实时性要求。     

一种基于偏转角度的AAM人脸特征点定位方法

对有偏转角度的人脸特征点定位来说,拟合初始位置和模型的角度对人脸特征点定位效果有很大的影响。而传统的AAM（Active Appearance Models）人脸特征定位方法没有具体考虑这一问题,对有偏转角度的人脸特征点的定位准确率和速度并不理想。为解决这个问题,文中提出了一种利用两眼中心坐标和嘴中心坐标来计算人脸偏转角度,根据坐标和角度确定拟合初始位置和模板的方法。用Adaboost和YCbCr对人脸进行预检测,根据找到的特征区域计算偏转角,用反向算法结合该角度的模板进行特征点定位。实验的测试结果表明本方法对有偏转角度的人脸的特征点定位比传统方法在准确度和速度上都有了提高。