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。     

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。     

基于各向异性的遥感影像匀光匀色算法

为解决现有的遥感影像匀光匀色方法关注重点停留在全局、半全局统计参数的变换基础上，存在全局性的特点，缺乏局部特征信息引导的内容驱动，无法顾及到每张影像内容的差异性，导致匀色效果不佳，影像对比度损失，残留色差明显等问题，本文通过分析影像间出现色差的本质原因，把同名特征在不同观测环境下的观测值作为观测条件，并辅助加以局部空间约束与改正量正则约束，研究构建针对具有重叠区影像集的各向异性优化方法，利用凸优化理论求解出特征点处的改正量，然后以此改正量作为锚点空间辐射至整幅影像，线性加权改正得到最优匀光匀色效果。结果表明本文提出的基于各向异性的遥感影像匀光匀色算法，相对于传统的匀光匀色算法，理论跟完备，无假设条件，效果更佳，重叠区域影像局部范围内色差更小。可见本文提出的匀光匀色算法具有效果的有效性，和对各向异性匀光匀色算法研究的参考价值。     

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.     

基于隐私保护的MASK挖掘算法研究

数据挖掘是近年来随着人工智能和数据库技术的发展而出现的运用比较频繁的技术.它是从大量数据中筛选出隐含的、可信的信息的一种处理过程.在筛选的过程中,对数据的隐私保护便成了一个大的问题.本文针对隐私保护关联规则数据挖掘中的MASK挖掘算法进行了分析,就MASK算法在求频繁项集中涉及到的矩阵求逆问题上提出了两种改进的算法,通过实验表明,有效地提高了传统MASK算法的运行时间.     

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。     

一种基于ORB算法的无人机影像匹配

针对无人机影像局部区域特征点探测难度大,导致无人机影像匹配效果不佳等问题,通过引入BEBLID算法构建高效的二值描述符,提升了影像匹配率。该算法首先采用ORB算法检测特征点,其次采用FLANN快速搜索筛选特征点,最后利用BEBLID描述符以及采用RANSAC算法剔除误匹配,从而实现了无人机影像的高精度匹配。试验结果表明:在保证有足够特征点对的前提下,将ORB+BEBLID算法应用于两组无人机影像匹配中,影像匹配率分别为81.97%和89.72%,相比ORB算法分别提高13.60%和9.90%。验证了ORB+BEBLID算法在无人机影像匹配中的有效性,获得的正确特征匹配点对冗余度低、全局性优。     

基于影像定位的无人机侦察视频超分辨率重建方法

 为了改善无人机侦察视频质量,针对目前无人机摄像、照相数据特点,提出了一种基于前方交会的无人机航摄影像定位方法。首先,对所有无人机侦察视频帧和航片分别进行特征匹配,得到影像间关系;然后,提出基于前方交会与抗差估计的无人机航摄影像定位方法,来实现航摄影像的定位;最后,对侦察视频帧进行高频补偿与凸集投影迭代优化,得到重建后侦察视频。实验结果表明,基于前方交会与抗差估计的无人机航摄影像定位方法加强了无人机视频与航片的对应性,凸集投影迭代优化法增强了重建的边缘保持能力。该方法增强了重建图像的一致性与保真度,特别是对图像边缘细节部分等效果极为明显,且处理速度更快。     

一种基于特征表达的无人机影像匹配像对提取方法

针对无人机(unmanned aerial vehicle, UAV)影像三维重建中匹配像对提取适应性差、效率低、需准确的先验知识等问题,提出一种基于特征表达的无人机影像匹配像对提取方法。首先利用SiftGPU算法对一组无人机影像进行尺度不变特征转换(scale-invariant feature transform, SIFT)特征提取。其次,对SIFT特征向量集合构建分层词汇树,并分别计算各个影像与影像集中各影像的综合权重因子并按得分大小进行排序。最后,自适应计算影像检索阈值,得到最终的影像匹配像对。通过对不同地形地貌的无人机影像进行试验。实验结果表明:所提方法能快速、有效获取查询影像的匹配像对。与常规词汇树检索方法相比,查准率提高了19%～24%,查全率提高了17.4%～30.9%。尤其针对海量的无人机影像数据,所提方法具有更高的处理效率。     

基于影像定位的无人机侦察视频超分辨率重建方法

 为了改善无人机侦察视频质量，针对目前无人机摄像、照相数据特点，提出了一种基于前方交会的无人机航摄影像定位方法。首先，对所有无人机侦察视频帧和航片分别进行特征匹配，得到影像间关系；然后，提出基于前方交会与抗差估计的无人机航摄影像定位方法，来实现航摄影像的定位；最后，对侦察视频帧进行高频补偿与凸集投影迭代优化，得到重建后侦察视频。实验结果表明，基于前方交会与抗差估计的无人机航摄影像定位方法加强了无人机视频与航片的对应性，凸集投影迭代优化法增强了重建的边缘保持能力。该方法增强了重建图像的一致性与保真度，特别是对图像边缘细节部分等效果极为明显，且处理速度更快。     

改进的Wallis变换在特征提取中的应用

经典的Wallis变换能在增强原始影像局部反差的同时压制噪声,但它在运算过程中需要对影像进行分块,并对每一块进行独立的处理,这会导致块效应现象。提出了一种双线性插值的Wallis变换方法,视觉分析表明,它有效避免了块效应现象,并将改进的方法应用于Blob特征提取。对比实验证明,由于块效应现象,经典的Wallis变换会在特征提取时提取不少伪Blob特征;而改进后的方法显著减少了提取的伪Blob特征,保证了提取特征的准确性。     

低空遥感影像全自动快速匹配方法研究

无人机低空数字摄影测量影像处理中,全自动快速匹配影像对实时性要求高的应用来说极为重要.针对无人机影像像幅数多、数据量大等特点,采用Harris算法进行角点检测和简化的sIFr描述子,根据梯度累加值与描述子Freeman形状链码作为二度约束,进行像对间角点相似性度量,然后,通过RANSAC算法剔除误匹配点和粗差,从而实现影像精准快速匹配.实验验证了该方法的稳健性和高效性.     

基于CV模型与改进ME模型的肺癌检测算法

针对CT影像中恶性肺结节病灶难以自动检测的问题,提出了一种基于CV模型与改进ME模型分割区域之间的面积差异的肺部CT影像癌症检测算法.该方法利用在肺部CT影像中结节边界的模糊程度是判断恶性肺结节的最重要指标这一特性,首先通过CV模型和改进ME模型两种交互式目标分割算法分别对肺部CT影像分割,因这两种分割方法收缩效果不同,故得到两种不同的结节区域,再计算这两种区域之间的面积差异得到该区域的模糊程度,最后计算得到模糊程度比较阈值,以此判断是否存在癌症.实验结果表明,该算法对于肺部CT影像中的癌症检测具有较高的准确率.     

基于CSIFT算法的UAV影像配准技术研究

无人机(Unmanned Aerial Vehicle,UAV)影像配准作为无人机数据处理的必要环节,一直是业界研究的关键技术.在传统配准中,由于只对灰度影像进行处理难免会产生特征混淆、误匹配等问题.本文分析了UAV影像的成像特点,采用CSIFT(Colored scale invariant feature transform)算法对UAV影像进行配准处理,并结合分块策略对配准结果进行优化.实验证明,CSIFT算法比传统SIFT(Scale invariant feature transform)算法在提取困难特征点时有非常明显的优势,尤其是在影像有较大倾角或较多水体等情况下,可以有效提高UAV影像配准效率.     

基于超像素空间关系特征的无人机影像拦河坝提取

针对目前无人机影像提取内河目标存在的人工解译依赖高等问题,提出一种基于超像素空间关系特征的内河设施提取算法.首先,采用简单线性迭代聚类(SLIC)算法分割无人机影像生成超像素;其次,对分割得到的超像素区域进行颜色及纹理特征计算,基于支持向量机(SVM)实现水陆分割;最后,基于空间关系特征实现拦河坝的自动提取.实验结果表明,该方法能够有效提取无人机影像中的拦河坝区域,对内河航运发展和航道设施监测具有一定的应用价值.     

无人机影像自动拼接校正

无人机影像可获得海量的高空间分辨率影像,在国土资源、林业调查、农业、灾害快速响应等多方面具有广阔的应用前景,不过如何立刻收集这些数据,是无人机快速应用的一个难题。如何拼接一系列具有重叠区的相邻影像,构成无缝可用的总影像,是应用的一个重要问题。研究采用浙江省富阳的无人机影像,预处理后基于参考影像,先对待匹配影像进行均质化变换,以减小影像间的明显差异,再寻找匹配特征并寻优。在影像之间的重叠区域,为尽量达到影像间无缝连接,采用平滑处理。拼接算法在Matlab 6.5中实现所得到的最终结果,较好地实现了影像间的结合,总体连接平滑并且接缝不明显。研究能够为实现无人机影像的自动化处理,加快无人机在各领域的应用。     

一种小型无人机的FastSLAM算法

为解决未知环境中小型无人机自主飞行问题,将SLAM算法从地面机器人的二维环境扩展到小型无人机的三维环境.首先,建立了小型无人机的SLAM算法数学模型,得到其非线性状态方程;然后,将小型无人机的SLAM问题分解成路径估计与环境地标估计两部分,分别采用粒子滤波器和扩展卡尔曼滤波器进行估计,提出了一种小型无人机的FastSLAM算法;最后,分别采用扩展卡尔曼滤波和FastSLAM算法进行仿真实验,仿真结果表明FastSLAM算法具有更好的定位精度.     

基于改进SIFT算法的无人机影像匹配

针对SIFT算法特征描述符计算复杂、时间效率较低的问题,提出了一种改进的SIFT算法,并将其应用于无人机倾斜影像匹配.算法首先利用SIFT算法进行特征点检测,基于BRISK描述符对提取的特征点进行描述生成其特征描述符,并基于Hamming距离作为特征匹配的相似性测度,在此基础上,利用比值提纯法(NNDR)进行粗匹配,最后采用RANSAC算法并结合均方根误差(RMSE)进行约束,对粗匹配结果进行筛选,剔除错误匹配点对,得到精确匹配结果.为了验证该算法的有效性,利用4组无人机影像数据进行实验并与SIFT算法和SURF算法进行比较,结果表明:算法在保证较高准确率的同时能够得到亚像素级的精度,且能够有效地提升时间效率,具有较好的稳定性.     

基于匀光处理的自适应裂缝分割与提取算法

针对光照不均匀与水体模糊效应导致水下图像中建筑物裂缝提取难度增加的问题,提出一种基于匀光处理的自适应阈值分割算法。首先,通过对全局图像进行匀光处理。在保护纹理信息的同时消除亮度分布不均的问题。然后,使用Hessian矩阵去除部分非裂缝信息,根据处理前后图像直方图的变化自适应确定分割阈值。最后,使用张量投票对分割结果进行线性增强,以实现去除噪声、连接裂缝片段的效果。实验结果表明:该算法不仅能对水下光照不均匀图像中的弱裂缝进行有效分割提取,同时也适用于常见水上裂缝图像。     

基于SURF算法和极线约束的无人机影像匹配研究

针对无人机影像受光照、拍摄角度及区域环境等因素的影响造成匹配效果不佳,局部区域匹配困难的问题,本文基于SURF算法,通过引入极线约束来提高特征匹配效果。该匹配算法首先利用SURF算法检测影像特征点,用RANSAC(Random Sampling Consensus)方法计算出基础矩阵,通过基础矩阵计算出所有特征点的极线,最后用极线过滤掉错误匹配。实验结果表明:与传统SURF算法的单一约束条件的无人机影像匹配相比,极线约束条件下的无人机影像匹配在误匹配减少的前提下能获得更多准确的特征匹配集。