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。     

一种遥感图像振动模糊复原方法

针对如何消除和减轻载体不规则角振动带来的成像质量退化,提出了一种全新的在轨遥感图像抖动模糊复原方法.该方法根据星敏感器或者其他载荷拍摄的星图或星空背景自适应估计载体的振动点扩展函数(PSF),然后将该点扩展函数映射到遥感图像,最后应用Richardson-Lucy(RL)复原方法消除和减轻抖动模糊,以提高成像的分辨率和峰值信噪比(PSNR).仿真实验表明:该方法避免了传统复原方法PSF难以估计的问题,有效提高了遥感图像复原的精度和鲁棒性.     

一种改进的图像清晰度评价函数

提出了一种基于Prewitt模板的图像清晰度评价函数的改进方法,并给出了实验结果和分析．设计了包括最低阈值、最高阈值与图像清晰度评价函数的归一化的一种改进算法,使得改进的图像清晰度评价函数与原Prewitt评价函数相比较,有很大提高．经过实验结果表明,该算法不仅具有单峰性强、无偏性好、灵敏度高等特点,而且还具有很好的抗噪声性能．     

用于高光谱遥感图像分类的空间约束高斯过程方法

高光谱遥感图像分类是遥感图像处理的一项重要内容.高光谱遥感图像具有非线性属性.图像中不同方位光谱特征的变化将使得仅从标记训练样本得到的分类器分类精度不会太高.为了提高分类的精度,一方面应对光谱信息的合理利用;另一方面,对空间信息的利用也非常重要.高斯过程(Gaussion process,GP)是一种贝叶斯统计学习方法,能够建立概率模型,并且使得分类结果更易于解释.传统GP分类方法中核函数的构造仅利用光谱信息.本文提出了一种加入空间关系的新分类方法.利用遥感图像空间相关性,在GP分类方法中通过构造新的核函数(spatial Gauss kernel,SGK)来实现空间约束,部分消除了同物异谱和同谱异物造成的分类错误.实验结果表明,该方法对于提高高光谱遥感图像的分类精度具有积极意义.     

不同杂散光模型对光刻掩膜特征尺寸影响研究

杂散光仿真模型在光刻投影系统应用中具有重要的作用。由于杂散光对光刻掩模特征尺寸CD(Critical Dimension)成像有一定的影响,亟需一种恰当的杂散光成像模型。通过采用PSF_F函数杂散光拟合模型和Kirk杂散光模拟模型,提出了一种改进的考虑杂散光成像的光刻模型。利用改进的杂散光模型研究了在相同杂散光总量下,不同比例中程、远程杂散光对特征尺寸的影响。结果显示,当总杂散光量相同时,仿真分析得出远程杂散光的影响大于中程杂散光,即远程杂散光的比例占的越大,显影后的特征尺寸比实际特征尺寸越小。     

一种自动聚焦方法及其应用

分析了一般的图像清晰度评价函数,提出了一种改进的图像清晰度评价函数,阐述了自动聚焦方法的应用并分析了实验结果。     

基于图像分析的显微视觉自动调焦方法研究

定义了一种基于边缘灰度的显微图像清晰度评价函数,该函数采用改进的线性微分拉普拉斯算子和阈值滤波的方法以减少图像聚焦的误差.将该函数用于显微镜的自动调焦中,具体方法包括:对显微图像的噪声进行中值和同态滤波以提高显微图像的质量;通过带门限的帧差技术以区分背景与前景,同时,为减少噪声和图像前景变化的影响,在评价函数中引入了阈值参数.实验结果表明,该方法准确、稳定和可靠,精度较高.     

一种消除锯齿的图像放大算法

为了最大程度消除图像放大后出现的锯齿现象,提出了一种新的二次导数连续的多结点立方卷积插值函数,通过增加结点使得插值曲线更加的平滑;同时对插值函数引入逆梯度约束条件,然后根据图像放大的倍数定义一个适当的模板对图像进行卷积操作,自适应的消除图像放大后出现的锯齿现象。实验结果表明,该算法在对图像执行高倍放大时,几乎看不到锯齿,同时图像的清晰度也保持的较好。     

基于边缘检测和小波变换的遥感图像融合算法

针对多光谱图像和全色图像的特点,提出一种边缘检测和小波变换相结合的遥感图像融合方法。该方法在传统图像小波变换的基础上,选择Canny算子对图像进行边缘检测。在小波域中,在各个尺度层对高频子带采用边缘检测,将边缘点完整保留,低频子带利用加权法,再进行小波逆变换重构融合图像。实验结果显示,该方法在保证光谱信息的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。与传统小波变换法遥感图像融合相比,信息熵提高了6.63%,清晰度提高了32%,相关系数提高了0.36%。     

基于遥感图像梯度特征的运动模糊检测方法

为了精确描述由于高分辨率卫星在轨动力学环境不确定干扰造成的光学传感器拍摄遥感图像退化的过程,在自然图像的运动模糊点扩散函数检测方法的基础上,提出一种基于遥感图像梯度特征的运动模糊检测方法. 该方法利用图像分割和梯度特征选择处理区域,对遥感图像进行预处理,使图像的梯度特征更加符合检测方法的先验知识,采用基于概率分布的点扩散函数估计方法获得图像的退化模型. 结果表明该方法提高了图像模糊的检测精度,获得了更准确的遥感图像运动模糊点扩散函数的检测结果.      

基于加权小波分析的遥感图像融合算法

提出一种基于加权小波分析的遥感图像融合算法. 首先在光照色度饱和度空间上提取多光谱图像的光照强度分量, 对光照强度分量进行主成分分析获得修正的光照强度, 再将修正的光照强度与小波分析高频区域进行加权融合, 最后进行小波分析与光照色度饱和度空间逆变换获得遥感图像的最终融合结果. 该方法有效解决了在低频空间分辨率与高频空间分辨率的图像融合过程中, 小波分析方法丢弃低频分量易产生分块模糊现象, 且主成分分析方法易产生光谱图像信息域失真的问题. 在不同场景遥感图像的融合上进行仿真实验, 结果表明, 该算法在一定程度上解决了图像融合后边缘模糊、 融合结果中出现模糊块状阴影等问题, 并在清晰度、 纹理细节和真实性上获得了较大提升, 且能针对不同的融合需求调整合适的加权系数, 使遥感图像的融合达到最佳效果. 在光照色度饱和度空间, 加权小波分析进一步提升了遥感图像融合的效果, 不仅充分表达了各种遥感图像的细节, 而且能较好地保留原始光谱信息.     

高光谱遥感技术在悬沙水体研究中的应用

水体中悬浮泥沙影响到水体的透明度和水色等光学性质，还密切关系到河口海岸冲淤变化过程。采用高光谱遥感技术获得悬沙水体的反射光谱数据，同时从原理上来计算反射率。针对传统水体遥感测量的局限性，地物光谱仪测量方式更加合理。选用地物光谱仪和光纤光谱仪进行研究，得到以下结论：随着悬沙浓度的增高，反射率也增高，且发生反射的波段范围有所增大；离水面一定距离时测得的悬沙反射率的误差主要来自于天空光，近水面虽然减少了天空光的部分影响，但光纤光谱仪较敏感，受水面波动的影响较大；到水面下光强变弱，利用光纤光谱仪可以不受天空光影响直接获得水体反射率。     

基于卷积神经网络的卫星遥感图像拼接

针对传统算法不适用于外观发生较大变化的图像拼接问题, 提出一种基于卷积神经网络的遥感图像拼接方法, 通过深度学习使模型实现对遥感图像的配准和拼接. 通过两次实验将该算法与传统算法进行对比. 首先, 以欧氏距离作为评价指标, 分别通过两种算法在不同图像数据集上进行统计, 对它们的图像配准能力进行评估. 其次, 在真实的遥感图像拼接应用场景下对比两种算法实现的遥感图像拼接效果. 实验结果表明, 卷积神经网络模型对外观发生较大形变的图像具有更好的配准能力, 因此对于外观产生较大变化的遥感图像, 可采用该算法代替传统算法实现图像拼接, 得到更精确的全景图像.     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

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.     

基于量子粒子群算法选择特征的遥感图像分类

针对目前遥感图像分类算法存在精度低、 速度慢等问题, 提出一种基于量子粒子群算法的遥感图像分类算法, 以提高遥感图像的分类效果. 首先分析目前遥感图像分类算法存在的不足及其原因; 然后提取多种类型的遥感图像原始特征, 采用量子粒子群算法对特征进行筛选, 以提取对遥感图像分类结果较重要的特征; 最后采用最小二乘支持向量机(LSSVM)建立遥感图像分类器, 实现遥感图像分类和识别, 并进行遥感图像分类的仿真对比实验. 实验结果表明, 该算法克服了当前遥感图像分类算 法存在的局限性, 大幅度提高了遥感图像的分类精度, 有效减少了图像分类误差, 提高了图像分类效率.     

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。     

基于独立分量分析的遥感影像分类方法

多光谱遥感影像反映了不同地物的光谱特征,其分类是遥感应用的基础。独立分量分析对未知的源信号的混合信号进行估计,可以获得相互独立的源信号的近似。独立分量分析利用了信号的高阶统计信息,对于多光谱遥感影像而言,其去除了波段影像之间的相关性,获得的波段影像是相互独立的。最后通过TM遥感影像数据的分类试验,验证了基于独立分量分析的线性光谱混合分析模型应用于多光谱遥感影像非监督分类的有效性。     

基于小波变换与LBP算子的遥感图像融合研究

提出一种新的基于小波变换与LBP算子相结合的遥感图像融合算法.该算法在源图像小波变换的高频子带内,利用局部LBP算子极大的方法得到小波重构高频系数,而低频系数则利用源图像小波分解后低频子带系数的非线性加权得到.然后由此高频和低频系数进行小波重构得到融合图像.实验采用可见光图像与SAR图像融合,结果表明这种方法可以很好地在保留源图像各自信息的同时融合源图像的细节信息,并且能够有效抑制源图像中孤立噪声点.