粒子群优化的分块压缩感知影像融合

针对传统像素级影像融合算法中存在的计算量大、融合系数不能自适应等问题,提出一种基于粒子群优化的分块压缩感知影像融合算法。该算法结合了压缩感知及粒子群优化算法的优点,通过对采样后的少数测量值进行融合减少了影像融合过程的计算量,同时通过全局寻优的特点可以确定最优融合系数。首先利用分块压缩感知(block-based compressive sensing,BCS)对待融合影像进行压缩采样,然后以粒子群优化算法确定的最优融合系数矩阵作为融合权值进行影像融合,最后通过正交匹配追踪算法进行影像重构并消除分块效应,得到融合后影像。该算法保证了融合效果的最优化选择,具备一定的自适应性。实验结果表明,基于粒子群优化的分块压 缩感知影像融合取得了比传统影像融合算法更好的效果。     

多源遥感的中国NO2浓度在时空上的对比

鉴于研究NO2柱浓度的长时间变化趋势时,不同卫星数据之间是否存在一致性非常重要,且不同卫星数据在不同空间尺度和季节上的对比研究较少,对比了GOME、SCIAMACHY、GOME-2和OMI反演的中国地区对流层NO2柱浓度在栅格尺度、省尺度、区域尺度和4个季节间的差异。结果表明,不同传感器的对流层NO2柱浓度在不同空间尺度和不同季节间具有良好的一致性,但是也有差别。NO2柱浓度平均值在省尺度上最大,区域尺度次之,栅格尺度上最小。SCIAMACHY反演的NO2柱浓度值低于GOME,高于GOME-2A和OMI,平均NO2柱浓度的最大差异出现在冬季,最大差异为SCIAMACHY比GOME、GOME-2A和OMI分别高-10.16%、17.51%和72.8%。GOME-2A和GOME-2B对流层NO2柱浓度均高于OMI,平均NO2柱浓度较大差异在春季和夏季,GOME-2A和GOME-2B分别比OMI高48.5%和41.55%。最后,卫星NO2柱浓度和地面NO2浓度验证结果表明,OMI数据和地面NO2浓度拟合的R2（0.72）大于GOME-2A数据与地面数据拟合的R2（0.6）。     

合成孔径雷达影像相关参数的获取与计算

以ERS－2产品为全,好雷达产品相关参数获取与计算的方法，对于雷达影像的几何处理、辐射处理以及其它相关处理都具有基础意义。     

MODIS 地表产品数据的相关算法及处理过程

以MODIS积雪覆盖产品和地表温度产品为例,详细介绍了MODIS 地表产品数据的相关算法、处理过程及产品级别,对MODIS产品的数据结构及数据项的具体含义做了较为详尽的阐述。最后介绍了处理MODIS数据的常用软件,为MODIS地表产品在各领域的应用打下了良好的基础。     

基于自编码网络特征优化的城市高分遥感影像分类

高分遥感影像不仅地物比较清晰,而且可分辨能力强,能提供丰富的地物细节信息.为了更好地将各地物从遥感影像中提取出来,需要一些比较好的特征提取与特征优化方法.以北京市大兴区的WorldView-2高分遥感影像作为研究对象,基于eCognition软件和Matlab的DeepLearn Toolbox,利用自编码网络方法,进行遥感影像的特征提取与特征优化.实验中首先利用eCognition进行多尺度分割并提取42个特征,再利用自编码网络算法进行特征优化得到12个特征,最后将原42个特征影像分类结果与优化后特征子集影像分类结果进行对比.实验结果表明,经过自编码网络的特征空间优化后,减少了特征冗余,降低了干扰信息对分类精度的影响,分类精度、分类效果及分类效率都有所提高,优化后的特征空间是适用于高分遥感的地物分类的.     

腐蚀算法在遥感影像建筑物边缘提取中的应用

基于高分辨率遥感影像建筑物识别与分析是目前摄影测量与遥感领域的研究热点之一。而腐蚀算法在建筑物提取和识别中的应用相对较少。本文主要叙述了腐蚀算法在其中的应用。通过边缘提取、二值化处理、建筑物主方向分析、边缘结构元素选取,用腐蚀算法将非建筑物边缘腐蚀掉的同时也能获得较好的建筑物轮廓信息并对其进行标绘。通过多次实验验证,结果表明该算法识别率较高,准确性较好,具有一定的实用和参考价值。     

星载合成孔径雷达影像正射纠正算法的研究与实现

概述了目前国内外对雷达影像进行正射纠正的算法,分析了星载合成孔径雷达的成像几何原理。阐述了距离-多普勒理论,并将该理论应用到SAR正射纠正,进行了计算机实现,设计了相应的程序模块。用ERS-2产品进行实验的结果表明,这种纠正方法精度比较高,纠正后影像效果好,可以应用到SAR产品的几何处理上。     

顾及影像尺度与旋转的光流点跟踪算法

传统的光流点跟踪算法在处理相机不规则运动和影像弱纹理场景时存在点位分布不均、匹配精度不高等问题,针对该问题提出一种尺度旋转不变的改进光流点跟踪算法.在光流跟踪点的基础上,构建匹配相似三角形;在匹配三角形内提取当前尺度图像的DOG特征点,基于角度交会原理获取待跟踪点的初始位置;利用匹配三角形间的尺度旋转参数计算DOG特征...     

基于Harris的快速3-D特征点检测算子

图像匹配是数字摄影测量和计算机视觉领域中的关键技术.目前,基于特征点的匹配广泛应用于图像匹配中,至关重要的是如何定位特征点,高精度的特征点产生高精度的匹配结果.本文提出了3-D Harris特征点检测算子,分两个步骤实现:采用高斯算子平滑灰度突变点和利用Harris算子提出视频中的像素角点.实验结果表明了3-D Harris算子的高效性和精确性.     

粒子群优化的分块压缩感知影像融合

针对传统像素级影像融合算法中存在的计算量大、融合系数不能自适应等问题,提出一种基于粒子群优化的分块压缩感知影像融合算法。该算法结合了压缩感知及粒子群优化算法的优点,通过对采样后的少数测量值进行融合减少了影像融合过程的计算量,同时通过全局寻优的特点可以确定最优融合系数。首先利用分块压缩感知(block-based compressive sensing,BCS)对待融合影像进行压缩采样,然后以粒子群优化算法确定的最优融合系数矩阵作为融合权值进行影像融合,最后通过正交匹配追踪算法进行影像重构并消除分块效应,得到融合后影像。该算法保证了融合效果的最优化选择,具备一定的自适应性。实验结果表明,基于粒子群优化的分块压缩感知影像融合取得了比传统影像融合算法更好的效果。