超分辨率图像重建技术

超分辨率重建技术就是由一些低分辨率变形图像(或视频序列)来估计一幅较高分辨率的非变形图像,同时还能够消除加性噪声以及由有限检测器尺寸和光学元件产生的模糊.超分辨率重建可以应用在遥感图像、医学成像、高清晰度电视标准和合成视频变焦等领域.     

遥感测绘技术在测绘工作中的应用

本文首先分析分析遥感测绘技术的应用优势,然后从在地质测绘工作中的应用、在图像处理工作中的应用、在能源资源勘测中的应用、在矿藏开采和预测中的应用、在地质环境灾害问题中的应用五方面探讨遥感测绘技术在测绘工作中的应用,旨在为以后相关的工作提供参考。     

基于稀疏表示的遥感图像超分辨重建

为了获取高质量的超分辨遥感图像,提出了一种改进特征提取算子的稀疏表示遥感图像超分辨率重建方法。该算法通过设置模板,对一阶和二阶梯度滤波算子进行改进,在有效提取低分辨率图像边缘特征的同时,减少噪声干扰。利用遥感图像库训练得到高、低分辨率图像块字典,再应用低分辨率图像块及其字典求出稀疏表示系数。高、低分辨率图像块具有相同的稀疏表示系数,可根据已求的稀疏表示系数得出超分辨重建图像。实验结果表明,改进算法的超分辨重建效果的客观评价指标,比以往稀疏表示超分辨方法有很大提高,峰值信噪比提高近0.24 dB,均方根误差降低近0.15。     

稀疏表示遥感图像超分辨重建

为获取地物信息更丰富、空间分辨率更高的遥感图像,提出了一种改进的稀疏表示遥感图像超分辨重建算法。对遥感图像预处理,得到所需训练样本图像;利用字典学习算法进行学习,得到遥感图像结构相似的高低分辨率字典对;对图像特征块进行稀疏表示时,采用改进的自适应滤波方法进行特征提取,同时引入均值滤波法改进超分辨重建迭代计算。实验结果表明,改进后的稀疏表示超分辨方法,有效地避免了重建图像边缘信息的丢失,获取了较好的超分辨重建效果。与当前最先进的稀疏表示超分辨算法相比,主观视觉上纹理细节信息更丰富,客观评价指标峰值信噪比提高约1 d B,结构相似性提高约0.02。     

基于级联残差对抗生成网络的超分辨重建

图像超分辨率技术在遥感领域的应用越来越多,卷积神经网络(Convolutional neural network, CNN)在图像超分辨率任务方面取得了比传统方法更显著的改进。为了解决超分辨重建算法重建图像细节不清晰的问题,对基于对抗生成网络的超分辨重建算法进行了研究,以恢复接近人眼感知质量的超分辨重建图像。对抗生成网络分为生成器子模块和判别器子模块,生成器模块提取的低频图像特征在进入残差块前进行分组卷积,达到了降低参数量的目的。每3个残差块构成一个级联块,级联块通过级联的方式聚合不同级联块之间图像的特征,以实现信息流传递到更加深层的网络中,经过上采样完成生成器中的图像重建过程。判别器网络用于判别是否为生成器重建图像和真实的高分辨率图像,在真实高分辨率图像的判别过程中提高模型能力。同时,研究了加入感知损失对超分辨重建图像的影响,使重建图片纹理细节更加丰富。实验结果表明,重建图像的峰值信噪比较原来算法提高了0.48 dB,结构相似度提高了0.023,该模型在主观视觉评价和客观量化评估上有所提升。     

基于ENVI的高分辨率遥感图像在道路提取中的应用研究

道路是一种重要的人工地物,道路信息提取对城市规划、交通管理等都具有重要意义.随着遥感技术的进步,利用遥感图像进行道路信息的提取已成为研究的热点.探讨了基于ENVI的高分辨遥感图像在道路信息提取中的应用,从精度检验可以看出,基于ENVI软件从高分辨率遥感图像中提取道路信息的精度较高.     

基于压缩感知的遥感图像重构方法研究

针对遥感成像高分辨率、高光谱和多时相趋势所带来的高数据率的问题,应用ShannonNyquist采样技术难以胜任未来遥感应用中对海量信息的处理需求。为解决遥感图像采样数据量大、采样时间长以及数据传输存储量大等资源浪费的问题,提出了一种基于压缩感知的遥感图像重构方法。基于遥感图像的先验知识得到改进联合稀疏表示模型,并采用一种广义迭代收缩方法对该模型进行有效求解,实现了低采样率、低复杂度的遥感图像重构算法,获得了较高质量的图像重构效果。实验结果表明,所提出的重构算法具有一定的正确性和有效性,并且在PSNR方面比目前的主流算法要好。     

COFDM技术及其在消防无线图像传输系统中的应用

本文主要介绍了COFDM技术及其优势,同时讨论了基于COFDM技术的设备在消防无线图像传输系统中的应用。     

角点检测技术的研究

角点是图像的重要局部特征,通过处理图像的角点可大大减少图像处理过程中的计算量.角点检测在图像特征提取、图像配准、超分辨率重建等方面都有重要的应用;根据实现方法不同可将角点检测的方法分为三大类.指出角点检测技术的研究和发展方向.     

超分辨率复原技术中基于分级块匹配的运动估计

超分辨率复原技术中的运动补偿(或图像配准)是超分辨率复原过程中的首要环节.运动补偿的基本前提是运动估计问题.运动估计的方法中,在基于多目标场景的平移运动中多采用分级块匹配的方法.本文着重介绍了分级块匹配的方法极其可信度验证,并将其优缺点做了简单对比.     

高分辨率光学与SAR影像在建筑物信息提取中的应用

利用高分辨率航天遥感数据对建筑物实现三维重建,具有重要的理论与实用价值.光学与SAR图像是应用较为广泛的两种遥感数据,高分辨率是当代遥感发展的一个重要趋势. 归纳了建筑物检测与高程估算的研究现状,分析了建筑物在高分辨率SAR影像中的物理散射特性,并进行模拟仿真. 以采用的数据源为序,分别介绍了建筑物检测与高程估算的研究现状及存在的问题. 对基于高分辨率光学与SAR影像的建筑物三维重建进行了展望.     

基于深度卷积网络的红外遥感图像超分辨率重建

针对红外遥感图像的超分辨率重建问题,提出了一种深度卷积残差学习网络。通过加深网络来扩大感受野,使在重建过程中能够利用到更多的邻域信息,提高了重建图像质量。使用残差网络,使模型能够更好的学习到先前信息,在提高数据稀疏性的同时,提高了算法效率,在亚像素卷积层提高红外遥感图像的尺度。实验结果表明,与常用深度学习网络相比,该网络得到的重建图像具有更好的重建效果。     

基于深度卷积神经网络的遥感图像超分辨率重建

针对基于卷积神经网络(Convolutional Neural Network,CNN)的遥感图像超分辨率重建算法训练时间较长问题,提出了一种超深的卷积神经网络来重建遥感低分辨率图像的方法。卷积神经网络共有20层,每层包含卷积层和非线性层,层与层之间采用级联的网络结构。其过程为从插值的低分辨率图像(Interpolated Low Resolution Image,ILR)中提取特征,将提取出来的特征通过残差学习预测到高频信息,ILR结合预测的高频信息重建出高分辨率图像(High-resolution Images,HR)。在训练过程中,通过梯度裁剪来防止梯度爆破,使训练保持平稳。实验表明,本文算法与其他算法相比较,主观视觉明显改善,客观评价指标显著提升。     

微小卫星低照度遥感成像的信噪比

为了实现低照度环境下遥感图像的正常采集,对遥感平台与遥感传感器进行了研究.分析对比了微小卫星平台现有遥感图像成像模式,利用敏捷性微小卫星平台,提出了在凝视模式下增加积分时间获取星载卫星低照度图像的方法,并对凝视情况下遥感图像信噪比进行建模和分析,给出了遥感图像信噪比与光学系统相对孔径、积分时间之间的函数关系.搭建了实验平台,可实现在低照度环境下进行不同积分时间的实际靶标图像采集及信噪比分析.     

一种基于自适应高提升滤波的遥感影像的阴影处理方法

利用遥感影像的颜色特性,基于亮度的阈值检测方法,将阴影区和光照区进行分割;通过高提升滤波方法对阴影区域进行补偿处理.实验证明,对分割出的遥感影像的阴影区域进行补偿处理后,区域内形状信息更加明显.经如上方法预处理后,明显提高了遥感图像超块分割的精确度,进而提高目标物体提取的精度.     

区域生长滤波算法在机载LiDAR数据城市建筑物提取中的应用

随着我国城市化进程的不断加快,城市布局和城镇化扩张已成为国情监测的主要内容之一。地理信息系统的发展为市政管理带来了极大的方便,但在国情监测方面,主要还是依赖遥感图像人工解译等半自动方法、机载激光雷达扫描技术,为地理国情监测提供了一种快速有效的新方法。基于此,分析区域生长滤波在LiDAR数据建筑物提取中的应用,描述LiDAR作为地理信息系统新型数据源在地理国情监测中的重要作用。     

基于小波的遥感影像特征信息融合模式研究

在数字图像小波多分辨率分析的理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B 3个波段的图像进行小波分解,得到相应的低频图像,并对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,然后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.最后通过融合实验验证了上述结论.     

遥感技术在土地变更调查中的应用

遥感技术具有高效性、动态性、覆盖面积广、获得信息速度快等优势。基于遥感影响的优点应用与土地变更调查中能够充分发挥其在动态监测中的准确性、高效性进行科学的决策服务。高分辨率遥感影像因为具有很高的分辨率,在土地变更调查中被广泛应用。本文利用高分辨率遥感影像介绍了遥感技术在登封市土地变更调查的实际应用。     

遥感图像的预处理

由于时间、太阳光强及大气状态的变化，或者遥感器本身的不稳定性，致使获取不同遥感图像上的对比度及亮度值存在差异，因而有必要对多景相邻图像进行遥感数据的预处理过程，这有助于后期所需相关指数的一致性提取与准确评价．作者在ERDAS软件的支持下，经研究、对比，采用回归分析法进行大气辐射校正、自创多样本均值法进行辐射匹配，最后运用图像镶嵌技术达到完整、美观呈现研究范围的目的．文章从头至尾，系统表述了一整套针对多景相邻遥感图像前期预处理的方法过程，达到较好效果，值得借鉴．     

基于二维主成分分析的高光谱遥感图像降维

提出一种以高光谱图像分析为目标的基于二维主成分分析的高光谱遥感图像的降维方法。通过多变量线性变换对高光谱数据进行特征提取,应用二维主成分分析的方法对高光谱遥感图像进行降维。对AVIRIS图像应用二维主成分分析的方法,可将能量主要集中在少数几个特征值中,这就为降维提供了可能。计算机仿真结果表明,该算法计算量小,方差小,峰值信噪比(PSNR)、分类准确性均显著提高,MSE有所下降。