基于区域网平差的遥感影像色彩均衡算法

针对不同区域、不同时相的卫星遥感影像的整体匀光匀色这一问题,将区域网平差的方法引入遥感影像的色彩均衡处理中。对影像重叠区域划分均匀格网,利用方向梯度直方图(histogram of oriented gradient,HOG)算法提取各个格网特征,并根据其梯度距离和其灰度均值差值的3倍中误差进行同名格网的筛选,并将这些筛选后的同名格网平均灰度值作为待平差变量,基于二次多项式为平差模型求解各影像的色彩变换参数,得到的参数对每景影像做色彩校正,从而得到色彩均衡的影像序列。利用存在色彩差异的多时相Landsat5真彩色影像进行实验验证,从目视评价、处理前后影像质量定量分析以及平差精度等方面验证了基于区域网平差的遥感影像色彩均衡算法的可行性和有效性。     

基于CUDA的卫星影像快速Mask匀光方法研究

针对大数据量的卫星遥感影像进行匀光处理的过程计算量大,效率低的情况,本文提出了一种基于CUDA平台的卫星影像快速匀光并行处理方法,根据现有算法结构上的特点,将处理过程中的主要运算部分交由GPU完成。实验通过对资源三号卫星所得影像做匀光处理,对比了GPU与多核CPU运行速度和效果,分析了该方案的加速性能和实用性。实验表明,在保持原处理质量的同时,该方法构建的并行处理模型有效地提高了原有匀光算法的处理速度。     

改进的Mean-Shift遥感影像分割方法

基于高斯核Mean-Shift(MS)算法因收敛速度慢难以满足遥感图像处理的实时应用要求,提出一种改进的MS算法应用于遥感图像分割.针对传统MS算法需多次人工试用来确定固定带宽的问题,给出几种类型遥感影像的空间带宽参考值,且不同波段影像用plug-in规则分别计算值域带宽.针对遥感影像数据量大、MS迭代计算时间长的不足,使用一些加速策略来加速收敛;由于采用MS算法检测出的模点数较多,采用基于全局模点融合来稳定遥感影像分割结果;可用于分割遥感影像的特征很多,模点检测时用灰度特征,全局模点融合时用纹理特征,这样充分利用了遥感影像多维特征且不降低计算速度.采用Quickbird影像进行分割试验,研究结果表明:本文算法自适应程度高,速度和精度也能满足应用要求,是一种稳健的自动分割方法.     

基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.     

基于均匀驱动计算架构的卫星影像快速Mask匀光方法研究

针对大数据量的卫星遥感影像进行匀光处理的过程计算量大,效率低的情况,提出了一种基于均匀驱动计算架构(compate unified device architecture,CUDA)平台的卫星影像快速匀光并行处理方法。根据现有算法结构上的特点,将处理过程中的主要运算部分交由GPU完成。实验通过对资源三号卫星所得影像做匀光处理,对比了GPU与多核CPU运行速度和效果,分析了该方案的加速性能和实用性。实验表明,在保持原处理质量的同时,该方法构建的并行处理模型有效地提高了原有匀光算法的处理速度。     

约束全局最优化的一种新的辅助函数法

对于非凸的约束优化问题,如何从一个局部极小点获得全局极小点,这是一个重要的问题。在本文中,作者构造了一种超越当前局部极小点的平稳点函数,并给出了相应的全局下降算法,并且由此得出约束全局优化问题的一个全局极小点。利用本文中的全局下降算法,仅仅搜索原约束优化问题的局部极小点以及通过给定的平稳点函数构造一些无约束优化问题就能够获得约束优化问题的一个全局极小点。数值实验的计算结果均比已有文献所计算的最优值更好,证明本文提出的这种全局下降法是非常有效的。     

约束全局最优化的一种新的辅助函数法

对于非凸的约束优化问题,如何从一个局部极小点获得全局极小点,这是一个重要的问题。在本文中,作者构造了一种超越当前局部极小点的平稳点函数,并给出了相应的全局下降算法,并且由此得出约束全局优化问题的一个全局极小点。利用本文中的全局下降算法,仅仅搜索原约束优化问题的局部极小点以及通过给定的平稳点函数构造一些无约束优化问题就能够获得约束优化问题的一个全局极小点。数值实验的计算结果均比已有文献所计算的最优值更好,证明本文提出的这种全局下降法是非常有效的。
     

一种基于粒子群优化算法对基于点表示的模型进行特征检测的新方法

基于粒子群算法, 提出一种针对基于点表示模型的新特征检测方法, 解决了大规模数据模型特征的快速显示问题. 该方法对粒子群优化算法进行优化, 将其应用于物体空间的特征检测上, 实现了多目标搜索. 通过对粒子群算法中的粒子、适应度函数、 初始结束条件、 局部最优解、 全局最优解和迭代公式的重新定义, 将局部搜索与全局搜索相结合, 可快速搜索到多个目标. 该算法通过构造可估计局部曲面变化的适 应度函数检测特征点, 并对特征点做标记, 以快速显示出模型的特征. 实验结果表明, 所提出的特征检测算法适用于对基于点表示的模型的快速特征检测, 尤其适用于大规模数据模型     

遥感图像的无缝处理算法

分析遥感影像色彩差异的成因,讨论了遥感影像无缝处理涉及的关键技术和典型算法,并在此基础上提出了一种遥感影像无缝处理的解决方案.该方案先对每幅图像进行匀光处理,再采用四叉树色彩平衡算法,使得图幅间的色彩趋向一致,然后采用平滑滤波消除图幅边界.研究结果表明:该方法对于遥感图像的色彩均衡以及边缝消除有较好的效果,同时还具有算法简单、易于实现的特点.     

0.2 m分辨率航空数字正射影像制作技术

针对高分辨率数字正射影像制作中的数字高程模型编辑环节自动化程度低、编辑效果差引起的地物变形、移位及匀光匀色环节中影像整体匀色不一致、接边痕迹明显、去雾气效果差的问题,从实际应用角度,分析了高分辨率数字正射影像图制作的关键技术。利用滨州市域9600 km² 0.2 m分辨率DMCIII航空影像数据,基于测区地理地貌特征,探讨了利用Inpho、GEOWAY CIPS、Pixel Factory等集群式影像处理系统制作1:2000数字正射影像图的技术难点及解决方法。对高分辨率航空影像的处理提出建设性意见,有助于提高今后类似项目的质量与效率,为基础测绘助力国家建设奠定基础。     

一种改进的多光谱遥感图像超像素分割算法

针对简单线性迭代聚类算法在多光谱遥感图像超像素分割中存在的未充分利用图像特征信息及超像素尺寸、 数量固定导致分割精度较低的问题, 提出将流形 简单线性迭代聚类算法引入到遥感图像超像素分割任务中, 并对其进行改进. 首先, 给出一种基于彩色局部二进制模式改进的多光谱遥感图像纹理特征提取方法; 其次, 扩展流形 简单线性迭代聚类算法的光谱空间, 使算法可以适应高维图像数据; 最后, 改进流形 简单线性迭代聚类算法的聚类距离度量, 融合图像的多段光谱特征、 空间特征及纹理特征对像素进行迭代聚类, 实现内容敏感超像素分割. 实验结果表明, 与现有方法相比, 该算法对多光谱遥感图像的超像素分割结果更准确, 在边缘召回率、 欠分割误差、 可达细分精度指标上均有提升, 能改善多光谱遥感图像分割预处理方法中精度较低的问题.     

强光束干扰下低轨高清遥感图像无缝拼接方法改进研究

由于受到强光束的干扰,低轨高清遥感图像拼接处的拼接边界容易出现突变。当前图像拼接方法因不能避免外界因素的干扰,无法实现图像的无缝拼接。为此,提出一种新的强光束干扰下低轨高清遥感图像无缝拼接方法。通过Retinex理论对强光束干扰下低轨高清遥感图像进行预处理,利用原始低轨高清遥感图像的照射光得到物体的反射性质,以获取物体自身的面貌。介绍了尺度不变特征变换(SIFT)算法的基本思想,通过SIFT特征匹配法对遥感图像进行配准处理;针对SIFT法效率低的弊端,利用区域分块法对其进行改进。通过幂比值拉伸方法对拼接缝进行消除。实验结果表明,采用所提方法得到的拼接图像拼接处无重叠,较为平滑,在保证拼接图像信息量、清晰度和整体质量的同时,效率较高。     

基于支持向量机的遥感图像分类研究

支持向量机(Support Vector Machine,SVM)是一种基于统计学习理论的新型机器学习算法.通过解算最优化问题,在高维特征空间中寻找最优分类超平面,从而解决复杂数据的分类及回归问题.将支持向量机理论应用到遥感图像分类的研究还处在初级阶段,传统分类算法应用于遥感图像分类存在运算速度慢、精度比较低和难以收敛等问题.从支持向量机基本理论出发,建立了一个基于支持向量机的遥感图像分类器.用遥感图像数据进行实验,并将结果与其它方法的结果进行了比较分析.实验结果表明,利用SVM进行遥感图像分类的精度明显优于神经网络算法和最大似然算法分类精度.     

基于模糊分析的多光谱遥感图像的纹理特征

模糊分析的方法是用均一表面不确定性对原始图像进行模糊纹理滤波,在滤波图像上计算空间均一不确定性,对不确定性进行模糊纹理光谱分析,其光谱曲线直观地反映了多光谱遥感图像的纹理特征;通过采用不同的洲量窗口,在不同的类别提取纹理样品进行实验.研究结果表明:多光谱遥感图像在小区域纹理特征不稳定,不同波段的纹理特征不同,不同类别的最小测量区域不同;模糊纹理分析的方法可用于图像分割.     

基于透射率模型和极值先验的杂散光消除方法

针对杂散光对空间光学系统的影响,结合实际研究中光机结构无法更改,且无法精确估计系统点扩散函数的情况,提出了一种基于透射率模型和遥感图像极值先验知识的消除遥感图像杂散光的新方法。该方法能够有效地消除杂散光对遥感图像的影响,提高图像对比度,使图像细节变清晰。实验中使用多个图像清晰度评价函数对图像的清晰度进行了计算。实验结果表明,采用此方法使图像清晰度提高了15%以上。     

一种多源多光谱遥感图像特征点匹配技术

 在多源多光谱遥感图像中,针对匹配图像的像素之间非线性变化而导致正确匹配点对下降的情况,提出了一种基于主成分分析的多源多光谱遥感图像特征点提取算法。利用尺度不变特征变换(SIFT)算法的基本原理,首先对两幅多源的多光谱遥感图像进行主成分变换,再用变换后各自的第一主分量图像作为待匹配图像;其次,在构建尺度空间时提高尺度参数并且在进行特征匹配时,利用尺度限制条件进行匹配,这样既能提高匹配精度又能提高运算速度;最后,采用随机抽样一致性算法剔除误匹配点。这种算法能减少多源多光谱遥感图像之间像素灰度值的非线性变化对特征点匹配的影响,提取到一定数量的正确匹配点对。通过实验对比分析,所提算法比通用算法有更高的精度和更好的适用性。     

基于 SIFT 算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、 宽视野的图像, 在利用 SIFT(Scale-Invariant Feature Transform)算法初 步检测候选点步骤中, 加入自适应阈值去除部分候选特征点; 结合无人机图像的经纬度坐标及重叠区域位置关 系剔除部分无效特征点, 并进行特征点粗匹配; 利用随机采样一致算法消除误匹配点对, 并求解投影变换矩阵 完成相邻两幅农田遥感图像的拼接; 设计了金字塔拼接策略, 完成 128 幅高分辨率图像的拼接。 实验结果表 明, 基于 SIFT 算法, 利用改进的特征点精简方法, 特征点粗匹配时间平均减少了52%, 精匹配时间平均减少了 25%; 基于 6 个图像融合评价参数的对比实验发现, 从定性和定量两个方面, 基于多分辨率的图像融合均优于 其他融合算法。     

融合彩色模型空间的非线性低照度图像增强

低照度图像存在图像整体亮度偏低、亮度不均匀、色彩饱和度过高、图像模糊等问题,针对此类问题,提出了一种融合彩色模型空间的低照度图像增强算法。在该算法中,将图像的亮度增强与图像色彩恢复转换至不同的彩色模型空间分别进行处理:在RGB彩色模型空间中,首先对图像的高灰度级进行预处理,随后进行滤波处理,最后再用三分量增强函数对图像进行亮度恢复;在HSV彩色模型空间中,利用非线性色彩饱和度校正函数与亮度增强函数进行图像的色彩恢复,最后将两个空间中的处理结果进行加权融合。最终的对比实验结果表明,该方法在避免图像出现过度增强、色彩恢复与图像照度增强方面有着良好的效果,所处理的图像符合人眼视觉特性。     

高光谱图像半监督局部稀疏嵌入降维算法

针对目前高光谱图像半监督降维算法中基于流形学习的开放性选择近邻参数问题,以及利用传统算法不能有效地获取标签数据的局部信息,提出了一种无需考虑近邻参数的半监督局部稀疏嵌入（SELSE）算法.该算法基于稀疏表示理论,通过求解范数优化问题构建稀疏系数图,并且利用有限的标签数据最大化类间信息,提取高光谱图像的特征.在AVIRIS高光谱遥感图像的Indian Pine数据集上进行仿真实验,结果表明所提出算法在分类精度和计算效率上都有所提高.