一种基于SSEQ算法的低空无人机影像快速成图方法

针对现有的无人机因飞行高度较低、视野小、获取影像像幅较小导致影像处理时数量剧增且部分影像质量较差等问题,提出一种基于SSEQ算法的无人机影像快速成图方法。该方法首先对无人机影像进行降采样和分块处理,提取影像局部块上的空间熵和频谱熵信息;然后利用SVM和SVR进行训练、预测和回归,评定影像质量;最后依据评定结果筛选出高质量影像完成拼接实验,并提取控制点的图上坐标,记录实验耗时。实验结果表明,基于SSEQ算法筛选后生成的正射影像与原始影像拼接生成的正射影像精度接近,拼接效率提高39.27%。     

一种利用卷积神经网络重建的遥感影像Curvelet融合方法北大核心CSCD

针对传统多光谱与全色影像融合方法容易产生畸变、忽略多光谱影像本身的空间细节特征等问题,提出了一种基于超分辨率卷积神经网络与Curvelet变换的影像融合方法,以提升多光谱影像的空间细节,加强其与全色影像的相关性,减少融合产生的畸变。该方法首先利用高分辨率全色影像进行超分辨率重建学习,利用学习得到的网络参数对多光谱影像进行超分辨率卷积神经网络重建,提升其空间细节特征;其次,在Gram-Schmid变换融合基础上,根据Curvelet变换具有保持影像空间细节的特点,将全色影像与替换分量进行融合;最后,通过逆变换得到高分辨率遥感影像。实验结果表明,该算法在影像光谱信息和空间细节表达能力上,整体优于其他传统算法,且对不同数据具有很好的适应性。