基于高分7号卫星立体像对的DEM提取及其精度评定

测绘卫星立体像对提取DEM效率高、提取速度快,在无控制点的情况下,利用立体像对提取DEM的方法提取DEM成本低、精度高。高分7号(GF-7)卫星是我国首颗民用亚米级高分辨率的立体测绘卫星,实现我国民用1∶10 000比例尺高精度卫星立体测图。主要目的是利用ENVI软件对高分7号卫星立体像提取DEM,并在有无控制点的情况下对提取的DEM进行精度评定。以福建省龙岩市测区为实验区,论述了基于立体像对提取DEM的基本原理,介绍了采用ENVI软件对高分7号立体像对的相对定向、绝对定向、核线影像生成、提取DEM等一般步骤,基于RPC模型即无控制点和1个地面控制点、5个地面控制点生产的DEM。比较在有无控制点及控制点个数不同的情况下提取DEM的效果,并采用检查点法对不同情况下提取的DEM进行高程精度评定。结果显示,无控制点情况下提取的高程精度为14.6 m,增加控制点的个数可以提升DEM的精度。在1个控制点情况下提取的高程精度达到2.4 m。在有控制点的情况下,DEM高程精度可达到山地地区1∶10 000的精度要求。     

基于海量遥感影像数据的影像快速校正试验研究

地面控制点的选取是遥感影像处理过程中的一项基础工作,当待校正影像数据量较大时手动选点的效率较低。为提高地面控制点提取的效率,以台湾省台中市为研究区,对云端瓦片影像数据进行挖掘,测试SIFT(scale invariant feature transform)算法并用它来开展自动提取地面控制点的试验。首先,分别提取目标影像和参考影像的特征点;然后,通过特征点匹配和错误匹配剔除,计算特征匹配点相对于参考影像特征点的地理坐标;最后,生成目标图像与参考图像特征点的地面控制点文件。实验结果表明：SIFT算法能够自动提取地面控制点,且精度达99%以上,实现了用较低分辨率校正较高分辨率的影像,表明采用SIFT算法挖掘云端遥感影像特征,可以智能、快速地提取待校正遥感影像的地面控制点,对遥感影像智能化处理具有重要意义。     

基于SIFT算法的无人机烟株图像快速拼接方法

无人机由于受到飞行高度及携带相机焦距的限制,拍摄的图像范围很小,单个图像难以反映实际采集情况,为了获取拍摄区域全景图像,需将多个遥感图像进行拼接。传统的图像拼接算法具有计算量大、拼接耗时等缺点,无法满足无人机图像拼接的实时性要求。本文提出了一种基于SIFT特征向量的烟株遥感图像拼接方法,该方法在对无人机图像畸变进行预处理的基础上,利用相位相关算法确定图像重叠区域并检测该区域特征点,构建特征向量图来进行特征点匹配,最后根据两幅图像中相应特征点的坐标关系,采用RANSAC算法计算最优匹配变换矩阵。按照上述方法对获取的烟株图像进行拼接,结果表明:该方法快速有效,较传统SIFT拼接算法在速度上提高了49.8%。     

无人机遥感多载荷任务规划方法

针对装载多个载荷的无人机遥感问题,研究一次飞行可对遥感区域进行多种类型勘测的任务规划方法.根据不同载荷对无人机飞行高度、飞行速度、航路精度等指标的特殊要求,对航路与任务载荷进行建模和规划.采用基于XML（eXtensible Markup Language）对遥感任务进行建模,制订通用性好的任务规划规范标准,提高无人机遥感飞行效率以及适应性;且通过KML（Keyhole Markup Language）对规划结果在Google Earth上实时显示,对规划结果进行基于地理信息系统的直观显示和有效评估.     

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.     

中低分辨率遥感影像控制点对自动提取方法

遥感影像配准是遥感影像融合与校正的基础,而控制点提取是遥感影像配准的关键。针对中低分辨率遥感影像配准时产生的控制点少且分布不均匀、正确匹配率低等问题进行研究,提出了一种自动提取其控制点对的方法。该方法采用区域匹配策略,首先将参考影像与待配准影像的公共区域进行网格划分,对2幅影像中相同地理范围的小区域进行一致编号,接着建立影像的多尺度空间,对每一个尺度影像区域块采用Harris进行角点检测,用SIFT特征描述符描述Harris角点的特征向量,最后利用区域匹配策略进行特征点的匹配。实验表明,该方法能提取出均匀分布且精度高的控制点对,有利于提高中低分辨率遥感影像配准的精度。     

基于无人机激光雷达技术的开采沉陷监测方法与参数反演

矿区开采沉陷监测与预测对于煤炭安全生产来说至关重要,目前煤矿地表沉陷监测的主流手段均有一定的局限性,存在精度与效率不能兼得的问题。利用无人机激光雷达(unmanned aerial vehicle lidar, UAV LiDAR)技术可以实现矿区地表三维点云的快速获取,建立多期数字高程模型(digital elevation model, DEM),两期DEM相减即可得到沉陷盆地,具有高效高精的特点。对无人机激光雷达地表沉陷监测的原理流程和概率积分预计参数动态反演方法进行了分析讨论,以内蒙古唐家会煤矿为例,设计了无人机激光雷达飞行方案,采集了两期激光点云数据,并对实测数据进行了组合解算、融合、滤波,建立两期DEM,求取了观测时间段内的地表下沉盆地,并进行了全盆地动态反演,得到测区概率积分预计参数。结果表明：DEM精度分别为34 mm和37 mm;下沉盆地精度为50 mm,结果对于煤矿开采沉陷监测与预测来说是相对可靠的,为无人机激光雷达应用于地表监测提供了案例。     

基于改进ORB算法的无人机遥感图像拼接技术

针对ORB算法尺度不变性较差,运行速度较慢,不适合应用于无人机遥感图像上的特点,提出了一种改进的ORB无人机遥感图像拼接算法。首先利用ORB特征中FAST特征检测算法对Shi-Tomasi算法进行加速,获取快速且准确的图像特征点,然后用ORB描述算法对特征点进行特征描述,在对特征点进行粗匹配和精匹配后,最后使用改进过的SPHP算法融合图像。实验结果表明,这种改进的ORB算法有着更高的匹配精度和匹配速率,能够生成更好的拼接结果。     

基于AOI的遥感图像几何精校正

在遥感图像几何精校正中，选择足够数量和精度的控制点是影响校正精度的重点与难点。对于已进行几何粗校正的遥感图像，利用任意绘制的AOI多边形顶点作为控制点，可以不受地面控制的．限制，而且能提高选点精度与速度。     

基于北斗/GPRS/3G技术的无人机遥感网络体系关键技术研究

无人机遥感网络是继卫星遥感网和有人机航空遥感网之后的我国遥感技术体系的重要组成部分。但我国无人机遥感系统机型多、装备分散、应用面广,缺乏统筹规划,难以实现快速调度与合理配置,整体效能较低,而且无人机遥感系统属于"低、慢、小"的飞行目标,我国现有空管技术手段和系统"看不到、管不到",无人机飞行安全管理存在隐患。所以为了充分发挥无人机遥感技术整体优势,统筹无人机遥感科技资源、优化配置,提高无人机遥感科技创新能力、应急救灾快速反应能力,2013年科技部组织863课题"基于北斗/GPRS/3G技术的无人机遥感网络体系关键技术研究与示范",开展基于北斗/GPRS/3G技术的无人机遥感网络体系关键技术研究。该文主要论述了无人机遥感网络运行管理机制与规范的研究过程与方法,并形成无人机组网系列标准规范初稿,将弥补国内民用无人机标准规范空白;论述了基于北斗/GPRS/3G技术的无人机遥感系统飞行监管的关键技术,实现无人机遥感网络对无人机超视距测控和信息传输,将改变我国无人机遥感系统用现有的空管系统监管手段"看不到、管不到"的现状;论述了无人机遥感网络综合运行管理平台的设计思路与技术,为统筹无人机遥感科技资源、优化配置,促进开放共享和综合利用提供技术平台支撑;论述了基于无人机遥感系统的灾害应急节点灾情提取与综合验证节点无人机遥感数据快速处理等关键技术研究,将为应用示范节点构建提供技术支撑。该文初步形成了无人机遥感网络运行管理机制与规范研究报告,5个无人机组网系列标准初稿,形成了无人机导航通讯技术研究、无人机遥感系统网络数据库结构和管理系统概要设计书等研究方案,进行了北斗/GPRS/3G技术的无人机遥感系统飞行监管与无人机遥感网络综合运行管理平台的原型系统的设计与开发,为该课题的"无人机组网关键技术攻关,社会化无人机遥感网络体系初步构建"的研究目标提供了技术支撑。     

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。     

基于地面约束的滨岸湿地微地貌LiDAR检测研究

 应用激光雷达数据生产高精度的数字地面模型,可为滨岸环境的研究提供精细的微地貌数据。提出用地面特征约束斜率分割区域,对陆面点采用小角度多重迭代分割,提取沟槽特征的方法;设计了一个综合应用斜率分割、密度和反射强度分割、高度分割来提取水下地形、出露沙洲、有水沟槽地等地面特征的技术方案。以佛罗里达州西海岸Citrus County滨岸地带作为研究区域,根据滨岸湿地地面要素在激光雷达点云中的特征,将其划分为滩涂、沟槽、出露沙洲、浅水水下地形,建立了的微地貌地面模型。通过对地面的拟合度检验以及光学影像目视解译对比,证明所采用的分割方法与常规建模方法相比,能更有效的处理地面破碎和水域环境下的点云分割工作,提高了DEM建模精度。     

基于VirtuoZo全数字摄影测量系统的无人机遥感数据后处理

针对无人机遥感数据特点,介绍了利用VirtuoZo全数字摄影测量系统和PATB平差软件进行空三加密及制作数字高程模型DEM以及数字正射影像DOM的无人机影像数据后处理方法。     

DGPS和SPOT-5异轨立体像对在岷江源构造地貌研究中的应用

以川西岷江源一带为研究区,利用DGPS方法获取野外校正点和验证点,应用SPOT-5异轨立体像对数据生成分辨率为2.5 m的DEM数据和相应的正射影像。获取野外测量校正点22个,验证点15个,实测剖面1条。使用检查点法和剖面检查法进行数据质量评价,进一步获取岷江断裂带沿线的岷江河谷横剖面形态及河流阶地等详细的构造地貌信息。研究表明,利用DGPS在获取少量野外校正点的基础上,可生成用于活动构造及构造地貌详细研究的高质量DEM和正射影像。     

多时段不同定位精度的无人机影像点云的对比分析

利用两个不同地形特征的实验区(平地和山地),使用大疆精灵4 RTK设计实施多种无人机影像采集和处理方案(3个时段、使用或关闭集成的RTK功能、数据处理时是否引入地面控制点),两个区域共采集12个架次的无人机影像,生成24个不同类别的影像点云模型.比较、验证不同条件下无人机影像点云模型的精度,评价不同方案的精度差异.结果显示,无人机能在一定程度上仅凭借集成的RTK功能实现免像控采集高精度数据,但仍然建议同时使用RTK模块采集数据,并引入少量地面控制点进行数据处理,此时获取的数据精度最好;中午时段的影像数据质量最佳,成果精度最高,两个实验区中午时段垂直方向最小平均差可达0.01～0.02 m,其他时段结果次之;地表特征对影像点云模型精度也有影响,地势平坦、地表特征丰富有利于模型重建,提高模型质量.     

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。     

基于无人机多光谱数据的农田土壤水分遥感监测

为了提高农田精准管理效率,基于无人机(Unmanned Aerial Vehicle,UAV)实时获取和传输的遥感数据设计了一种快速监测农田土壤水分的方法:首先,利用UAV飞行采集农田的多光谱数据,在农田选取一个代表性的重点观测区域进行随机样点土壤水分探测;然后,利用垂直干旱指数(Perpendicular Drought Index, PDI),结合样点土壤水分数据快速构建农田土壤水分反演模型,进而获得大范围的农田土壤水分监测结果.并通过6个时相获取的UAV数据和样点土壤水分数据,进行方法实验和模型精度分析,结果表明利用该方法进行农田土壤水分监测的精度较高:6个时相土壤水分反演结果的决定系数R2均在0.8以上,其中5个时相的均方根误差RMSE和系统误差SE值均小于0.1.这证明了基于UAV数据设计的农田土壤水分监测方法的有效性和可行性,可以为大范围农田土壤水分的快速监测提供方法参考.     

基于梯度倒数的无人机遥感图像融合滤波方法

为了实现对无人机遥感图像去噪处理时兼顾滤波和边缘保持效果,提出了一种基于梯度倒数的无人机遥感图像融合滤波方法——梯度倒数自适应开关均中值滤波。首先计算出模板内中心像素点与邻近像素点的梯度导数;然后选取局部梯度变化阈值,并定义标志数组来标记各像素点是否超过梯度变换阈值。最后,如果当前滤波像素点超过梯度阈值,则采用提出的自适应开关均中值滤波;否则采用梯度倒数加权平滑方法处理。该方法结合了图像的梯度信息,利用图像的连通性和相关性原理以及自适应开关均中值滤波算法去噪的优点,在去除高斯噪声和脉冲噪声同时可以很好地保持图像的边缘和细节信息。实验结果表明:与传统梯度倒数加权平滑方法相比,算法滤波后图像的平均梯度提升3. 16%,MSE下降了约5%,可以有效提升滤波后无人机遥感图像质量,应用价值明显。     

基于陆面过程模式的热红外卫星遥感影像模拟

遥感服务于气象、气候领域的一个关键环节就是建立地表过程模式与遥感数据之间的联系,利用过程模式的可靠输出参数来模拟卫星影像,并与真实的观测数据进行对比.本文建立了一个以通用陆面过程模式(CLM)相关参数为地表输入信息,以再分析大气廓线为大气输入信息的卫星影像模拟系统,以期通过模拟数据与真实卫星数据的比较,为模式背景场、强迫场的修订及预报精度的提高服务.模拟结果表明,对于由植被和土壤等组成的自然地表,模拟的热红外卫星信号主要取决于过程模式输出的地表温度,模拟的地表方向性辐射温度与模拟的大气层顶部表观辐射温度相关性高达0.99.模拟到的表观辐射温度与AVHRR影像对应的辐射温度差异比较大,最大值超过30 K,大多数像元温差分布在-20～20 K之间.温差在高海拔地区普遍比较大,这可能是由于CLM对高海拔地区的温度估计偏低导致的.     

基于DEM与遥感信息的秦淮河流域数字水系提取方法

利用数字高程模型DEM提取流域数字水系的方法存在精度差、提取出的流域水系与平坦地区和山区流域实际情况差别较大等缺陷.为了克服这一流域数字水系提取方法所存在的缺陷,引入了利用遥感信息来弥补DEM缺陷的方法;提出了一种利用遥感影像提取流域水系信息,采用基于数字河流和湖泊网络(DRLN)的水流方向修正法修正DEM中平坦地区主干河流及湖泊地区栅格的水流方向的流域数字水系提取方法,并以秦淮河流域数字水系提取为例对该方法进行了实验.实验结果表明,该方法能消除大量的平行河道,修正与实际偏差较大的主干河流,在平坦地区和山区均能提取出较符合实际情况的数字流域水系.