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.     

遥感图像融合评价系统的设计与实现

图像融合是遥感图像处理的重要环节之一,本文基于MATLAB图像用户界面设计实现了遥感图像融合评价系统,该系统可实现遥感图像的小波法、PCA法及IHS法融合,并对图像进行九种客观评价.实验表明,本系统具有良好的实用性和可行性,可为图像融合与评价工作提供便利.     

一种新的基于稀疏表示及自学习遥感图像超分重建算法

【目的】遥感图像重建容易引入噪声或边缘出现不规则性,而它又在遥感图像的处理中能起到非常重要的作用,提出新的算法来得到更好的处理结果。【方法】通过对遥感图像进行分块,利用K-SVD算法对遥感图像自身进行字典学习,获得能够稀疏表示高分辨率遥感图像的字典,然后进行特征提取、独立成分分析降维、高分辨率遥感图像的重建等操作。【结果】实现了对遥感图像超分辨率的重建。【结论】该方法提高了图像的峰值信噪比,通过实验验证了算法高效性。
     

遥感图像的子空间边缘融合算法改进

遥感图像进行边缘融合处理提高图像的识别和分析能力,受到数据在采集、传输、处理各个环节的影响。传统的遥感图像边缘融合算法采用统计形状模型重构算法,在遥感图像的帧点分布不均下,融合性能不好。本文提出一种基于子空间降噪和梯度边缘差拍控制的遥感图像边缘融合算法。先进行遥感图像采集和子空间降噪处理,采用梯度边缘差拍控制进行边缘亮度均衡处理,提高了遥感图像的色彩饱和度,对遥感图像融合进程进行高频、低频并行处理,提高运行速度。仿真结果表明,采用该算法实现遥感图像的边缘融合,输出信噪比较高,性能优越。     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

基于2D-Mesh的并行处理拓扑结构设计及性能分析

为克服遥感图像预处理计算量巨大,实时处理困难的问题，快速有效地完成图像预处理,以遥感图像预处理中的几何校正为例,集中讨论了基于2D-Mesh的网络拓扑结构对几何校正过程中数据重分布的影响,设计了基于2D-Mesh的并行处理拓扑结构,实现对遥感图像的预处理。该设计改善了遥感图像的并行处理体系结构，很好地提高了预处理系统的性能.     

一种新的基于稀疏表示及自学习遥感图像超分重建算法

【目的】遥感图像重建容易引入噪声或边缘出现不规则性,而它又在遥感图像的处理中能起到非常重要的作用,提出新的算法来得到更好的处理结果。【方法】通过对遥感图像进行分块,利用K-SVD算法对遥感图像自身进行字典学习,获得能够稀疏表示高分辨率遥感图像的字典,然后进行特征提取、独立成分分析降维、高分辨率遥感图像的重建等操作。【结果】实现了对遥感图像超分辨率的重建。【结论】该方法提高了图像的峰值信噪比,通过实验验证了算法高效性。     

遥感图像处理与展示平台的设计与实现

遥感图像具有数据来源多、处理算法复杂、应用领域广等特点,一个合适的算法测试与展示平台对于技术研究和工程应用都有重要意义.在工程项目研发中,针对一些常用的遥感图像和处理算法,采用面向服务的架构,设计和实现了一个可伸缩的处理与展示平台,可以实现多源遥感数据的管理与查询,方便的测试算法并展示结果.实际应用中,图像处理者只要专注于算法的设计和实现即可,其他任务都可以交给平台去做.此外,该平台也可以根据具体应用改造成专用系统,节省大量的重复劳动.     

基于数据挖掘聚类分析的图像分割的研究和应用

目的探究基于聚类分析k-means算法的图像分割以及在遥感图像中的应用。方法首先研究聚类分析算法,其次基于RGB和HSV颜色空间下通过软件编程实现算法,最后应用于遥感图像。结果与结论优点是可以比较好地实现遥感图像分割的效果,HSV颜色空间下的图像分割效果较好;缺点是由于算法自身的限制,只能达到局部最优,便利性较差。     

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.