非参数Bayesian字典学习的遥感影像融合方法

针对现有高光谱成像技术因硬件条件限制而较难获取兼具高光谱及高空间分辨率高光谱影像的问题,提出一种基于非参数Bayesian字典学习的高光谱与多光谱影像空谱融合方法.该方法将目标影像的融合问题投影转换至较低维度的子空间内:首先,利用Beta-Bernoulli process的非参数Bayesian方法对观测影像进行字典学习,建立各隐变量的概率分布模型,使用Gibbs抽样方法来计算字典元素的后验分布;然后,采用正交匹配追踪算法进行稀疏系数学习;最后,采用交替方向乘子对目标图像及对应的稀疏系数进行交替优化更新,通过最小化目标函数来最大化目标影像的估计值.实验结果表明,方法因加入了更多的先验信息而获得较高的定量评价指标及目视效果,具有一定的普适性.     

基于红外光谱成像的纺织品上射击残留物检验技术研究

对红外光谱成像技术在法庭科学领域的研究工作尚处于萌芽状态,在探讨红外光谱成像检验物证的过程中我们发现该项技术是检验肉眼不可见物证的新方法。该研究利用改制的红外成像光谱仪采集被检纺织品的光谱影像集,并对光谱影像集进行分析和处理。研究表明,利用红外光谱成像检验技术能够检验纺织品上的射击残留物,红外光谱成像技术可用于纺织品上射击残留物的定性分析检验。     

频域高频调制融合法

高频调制融合法是一种应用较广的影像融合方法，其技术关键在于设计合适的低通滤波器。通常的滤波是在空间域进行的，笔者提出在频域中采用Butterworth滤波器进行低通滤波。文中给出了SPOT全色影像和TM多光谱影像的融合结果，通过与常用的几种融合方法得到的影像比较，证明了提出的方法在提高原TM多光谱影像空间分辨率的同时，较好地保留了多光谱影像频道的光谱信息，并且信息量也有很大提高。     

频域高频调制融合法

高频调制融合法是一种应用较广的影像融合方法,其技术关键在于设计合适的低通滤波器。通常的滤波是在空间域进行的,笔者提出在频域中采用Butterworth滤波器进行低通滤波。文中给出了SPOT全色影像和TM多光谱影像的融合结果,通过与常用的几种融合方法得到的影像比较,证明了提出的方法在提高原TM多光谱影像空间分辨率的同时,较好地保留了多光谱影像频道的光谱信息,并且信息量也有很大提高。     

联合空谱信息的高光谱影像半监督ELM分类

针对高光谱影像处理应用中,标记样本往往数量较小且质量不均而未标记样本大量存在的问题,结合半监督学习方法,提出一种面向高光谱影像分类的半监督极限学习机分类算法.首先根据图理论,联合高光谱影像空间光谱信息,对标记和未标记样本共同构建无向加权图;然后,考虑平滑性约束和结构最小化原则,构造分类目标函数;最后,利用核方法求解最优参数,进而实现高光谱影像的半监督分类.采用该方法进行分类对比实验,结果表明:该方法能够有效利用未标记样本信息,提高小样本下的高光谱影像分类精度.     

卫星影像反立体改正算法比较探究

太阳同步卫星成像时的光照方向与人类视觉习惯相反,导致影像中出现地形反转的感知现象,即反立体现象.现有的一些方法能够改正这种严重误导影像解译的现象,但针对算法的系统性比较研究较为缺乏.以SPOT-5与WorldView-2卫星影像为例,从反立体改正程度、空间细节的保持、光谱特性的保持方面选取几种代表性算法进行比较,进而归纳出各个算法的特点及适用情况,为实际应用打下基础.     

浅谈CR和DR的区别

<正>CR(Computed Radiography,计算机X射线成像系统)是以成像板IP(Image Plate)为影像载体来替代传统的X线胶片,采用与常规X射线摄影一致的投照技术,在X射线对成像板曝光的同时记录下X射线影像信息,经过信息的读取与处理后,即可获得数字化的X线影像信号。DR(Digital Radiography,数字化X射线摄影系统)是指在专用计算机控制下,直接读取感应介质记录到的X射线影像信息,并以数字化影像方式再现或记录影像的技术方式。它是由通过电缆串接在一起的探测板、扫描控制器、系统控制及影像显示器等构成。其使用方法更为简练:将探测板置于与X线管相对应的患者身后,接收到的X线信息被直     

基于HIS变换与atrous小波分解的遥感影像融合

针对多光谱影像与全色影像的融合，本文在分析HIS变换及基于Mallat小波算法的影像融合方法的基础上，提出了一种基于HIS变换与atrous小波分解相结合的遥感影像融合方法，并给出了实现的过程．通过主观视觉效果分析与客观性能参数分析，新方法的性能优于HIS变换融合法、PCA变换融合法、小波变换融合方法，不仅较大地提高了融合影像的空间细节表现能力，井保留了多光谱影像的绝大部分光谱信息．     

基于深度极限学习机的高光谱遥感影像分类研究

高光谱遥感数据越来越普及并为人们广泛使用,基于高光谱遥感数据的地面物体精确分类是高光谱遥感技术的核心应用之一.针对高光谱遥感影像的分类问题,提出一种基于深度极限学习机(D-ELM)的分类方法.该方法利用一种新的深度学习模型——深度极限学习机对高光谱遥感影像进行分类,并与基于极限学习机(ELM)、支持向量机(SVM)、核极限学习机(ELMK)分类方法进行了比较分析.研究结果表明:相对于ELM、SVM、ELMK分类方法,D-ELM分类方法能够更加准确地挖掘高光谱遥感影像的空间分布规律,提高分类的准确度.     

高光谱遥感影像分类算法并行处理设计与实现

探讨高光谱遥感影像分类算法处理遥感影像速度。通过光谱角度匹配（SAM）、光谱相关系数匹配（SCM）、信息散度匹配（SIDM）、光谱波形匹配（SWM）进行并行化改造设计,将改造的并行化算法应用到湖北大冶遥感影像数据分类处理中,结果表明并行化算法能够有效完成高光谱遥感影像分类,数据量增大,并行化处理速度加快,数据量为158×382×1092时, SAM 并行处理速度是串行处理速度的25．68倍、SCM 为25．41倍、SIDM 为17．55倍、SWM为23．68倍。并行分类算法处理遥感影像分类速度较串行分类算法处理快。     

基于Quickbird影像的耕地变化监测中影像融合处理方法研究

遥感影像预处理是一切工作的前提。以两期快鸟影像为例,以成都市郫县古城镇为研究区,分析了影像预处理中的融合技术。探讨耕地变化监测中影像融合方法选择问题。分别用相同传感器的相同时相的全色波段影像和多光谱影像进行融合,以及不同时相的全色波段和多光谱影像进行融合,得出三个结论。为耕地变化监测中影像融合处理方法问题提供一些好的建议。     

浅谈Sopix数字化影像成像系统在口腔颌面医学影像诊断学中的应用体会

口腔颌面医学影像诊断学是一门理论与实践结合相对紧密的学科。随着科学技术的突飞猛进以及科学与人的结合越来越密切，新型影像成像系统及检查设备正如雨后春笋般不断涌现，逐渐取代原有的影像技术手段。而技术含量较高的新型影像成像系统产生的影像资料正逐步成为实验室教学内容中的主导方。Sopix数字化影像成像系统作为近年来兴起的新型影像成像系统，在不断发挥其优势弥补旧系统的缺陷的同时，既在不断的完善自身系统也为实验教学带来了新的挑战。     

基于光谱范围的IHS改进融合方法研究

针对Intensity-Hue-Saturation(IHS)融合算法对高分二号卫星多光谱(MS)影像和全色(PAN)影像融合时所产生的光谱失真现象,提出了一种基于光谱范围的IHS融合改进方法(SIHS).该方法首先将多光谱影像进行重采样,使其与全色影像大小相同,然后使用光谱范围对重采样后的多光谱影像各波段加权平均获得亮度分量I,再对全色影像和I进行直方图匹配,最后使用快速IHS融合算法得到最终融合影像.通过实验,将该方法的融合结果与FIHS、Gram-Schmidt和NNDiffuse融合结果进行主客观评价.结果表明该方法在对光谱信息保留上优于其他融合算法,可以更好地支持影像信息的分类和检测.     

基于SPOT与ETM+影像融合方法的实验及融合质量评价

通过对SPOT影像全色波段和ETM+多光谱影像、ETM+全色波段和ETM+多光谱影像两组数据的实验,从定性、定量的角度对两种融合方法进行了分析和评价,归纳出适用于SPOT全色波段与ETM+多光谱影像和ETM+全色波段影像与ETM+多光谱影像的融合方法.     

E0—1Hyperion高光谱影像的FLAASH大气校正与评价

遥感影像的大气校正是遥感数据应用的基础．文章利用ENVI软件的FLAASH大气校正模块,对Hype—rion高光谱遥感影像进行大气校正,选取典型地物对校正效果进行评价．主观定性评价结果显示校正后的影像地物边界更清楚、对比度增强;光谱曲线对比分析显示,校正前后光谱曲线形状完全不同,林地的反射率图像的光谱曲线形状与USGS...     

无人机多光谱影像的几何与辐射校正

为了使无人机多光谱影像能够真实地反映地面目标的光谱特征和实际地理位置,需要对无人机多光谱影像进行几何与辐射校正.结合摄影测量方法和经验线性定标法对多光谱影像进行几何与辐射校正,并基于地面实测数据对几何与辐射校正精度进行评价.结果表明:基于上述方法处理后的无人机多光谱遥感影像与地面实测数据一致性良好.基于摄影测量方法处理...     

基于IHS变换的遥感影像融合方法

为了解决遥感影像空间分辨率与光谱信息不能兼顾的问题,即全色影像具有较高的空间分辨率但缺乏光谱信息,多光谱影像光谱分辨率高,光谱信息丰富,但其空间分辨率低的问题,采用MATLAB实验工具,基于IHS原理对遥感影像数据进行融合处理,试验结果表明使用该融合方法显著提高了多光谱影像的空间分辨率,同时保留了丰富的光谱特征,提高影像的判读、识别、分类能力,融合后图像的信息量比原始图像有明显增加,而且图像的细节反差、纹理和清晰度得到较大的提高,融合图像质量明显改善.     

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。     

P6影像数据融合及其最佳融合方法在漓江两岸土地利用调查中的应用

遥感影像融合对影像分类、特征提取和目标识别具有重要的意义。针对印度P6卫星LISS-4全色数据和LISS-3多光谱数据进行多种融合实验,融合方法包括HIS变换、Brovery变换、PCA变换和Gram-Schmidt变换。根据融合结果的最终应用目的——目视解译和屏幕矢量化,采用信息熵、标准差、相关系数和视觉效果对融合方法进行定量和定性评价。分析结果表明,Brovey变换后的图像空间信息详细程度最差;HIS变换后的图像光谱保真能力最差;PCA变换和Gram-Schmidt变换方法融合效果图纹理信息清晰,光谱保真度好,适合P6卫星影像融合。最后选择2%线性拉伸后的PCA融合影像为工作底图,在此基础上对漓江两岸土地利用状况展开遥感调查。     

多源遥感影像融合的图像质量评价及变化区域识别

遥感技术的发展以及遥感数据的广泛应用,使得影像信息及其变化信息的自动识别的需求日益迫切.论文利用TM(1998)、SPOT(2002)、ALOS(2006)3个时相的不同传感器接收的影像数据,进行小波变换与IHS变换相结合的影像融合处理,并进行融合影像的评价以及变化区域的识别研究,得出以下主要结论:小波变换与IHS变换相结合的影像融合方法既提高了影像的信息量,又较好地保持了影像的光谱特征;融合影像信息量的增加程度与原始多光谱影像的空间分辨率相关,原始多光谱分辨率越低,融合后信息量增加越多;从融合影像上还可以直观地看出,不同时相的影像融合时,有利于地物变化区域的自动显现,以此进一步地进行变化区域的自动提取与分类,促进遥感影像的应用.