基于形态学重构运算的地面目标识别算法

针对在热红外遥感图像上识别背景复杂的地面目标较为困难这一问题,提出了基于形态学重构运算的地面目标识别算法。该算法首先对形态学重构运算的背景抑制原理及其算法的适应性进行了分析,并将该算法应用于对原始图像的背景抑制与处理;然后,对处理后的图像进行分割,获得感兴趣的目标区域;最后,通过对感兴趣区域特征的提取与匹配识别目标。实验结果表明,该方法能从复杂自然场景中有效地识别出目标。     

TM图像中桥梁目标识别方法的研究

提出了一种新的TM图像中桥梁目标的识别方法。算法充分利用了TM图像的特点,在底层处理中运用形态学的方法提取出潜在桥梁目标;在中层处理中使用链码表示目标并提取其特征参数;最后在高层处理中进行桥梁识别和一些后处理。算法识别速度快、准确率高,整个算法可以进行自动的识别,也可以有少量人工干预使得算法更稳健。实验证明该算法对于TM图像中的桥梁识别是很有效的。     

基于直线和区域特征的遥感影像线状目标检测

针对高分辨率航空遥感影像中线状目标的特点,提出一种结合区域和直线特征识别线状目标的方法。在基于标记点分水岭变换进行初始分割的基础上,利用关于目标的知识和区域邻接图(RAG)对感兴趣区域进行合并,得到最终检测结果。实验结果表明,本文方法可以有效地从遥感影像中提取线状目标。     

基于区域特征的航拍图像水上桥梁自动识别

针对航拍图像中水上桥梁目标的自动识别问题,提出了基于区域特征的水上桥梁自动识别算法。首先对航拍图像进行基于梯度均方差的图像二值化;再进行基于像素密度的二值图像去噪;然后进行基于像素的二值图像连通区域标记,区域标记算法采用6邻域连通规则进行标识,能够有效获取水域的区域特征;最后进行桥梁的精确提取。实验结果表明,该算法能够有效地识别低对比度、低空侧拍等复杂航拍图像中的水上桥梁目标。     

基于高低帽变换的图像迭代分割方法

针对现有的迭代阈值分割算法作用于一些低对比度或一些变化较大的图像时精度不高、存在过度分割难以识别目标区域的问题,引入数学形态学模型,提出一种基于形态学中高低帽变换预处理后再进行迭代分割的改进优化算法。该算法利用高低帽变换来增大原始图像的灰度动态范围同时锐化图像,使图像清晰,再通过迭代阈值分割出目标区域,针对一些难以分割的目标,可以再次采用低帽变换凸显目标区域,最后通过二值图像连通区域标记,按面积擦除噪声区域完成分割。实验结果表明,不论是针对较小目标物体或是较大目标物体都能取得良好的分割效果,改进后算法的稳定性、适应性和分割精度都得到提升,具有广阔的应用前景。     

区域化模糊聚类SAR图像分割

将图像域规则划分与模糊聚类方法结合,提出了一种区域化模糊聚类算法,并将该算法用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像分割,以解决分割过程中像素模糊聚类难以处理SAR图像中存在的大量固有斑点噪声问题。首先,利用规则划分技术将图像域划分成大小相等的规则子块;假设每一子块内像素对聚类的隶属度相同,并以此为基础定义区域模糊聚类目标函数;通过迭代最小化上述目标函数实现SAR图像初步分割;最后,采用中值滤波方法进行后处理操作,以消除规则划分对不同类别之间边界的影响,实现SAR图像精准分割。为了验证提出算法的有效性,用模拟及真实SAR图像实现了算法测试;对算法分割结果进行定性与定量评价。结果表明算法的分割精度较高,可以有效降低SAR图像中斑点噪声对分割结果的影响。     

基于改进CycleMLP的高分遥感图像采石场识别

石矿区生态修复是改善区域生态系统功能的重要环节,识别采石场、确定采矿区边界是完成修复任务的前提。目前,基于深度学习的语义分割技术,能够精准识别高分遥感图像中的感兴趣地物,为采石场识别提供了有效途径。本文基于CycleMLP框架,利用金字塔结构,将多级特征输入到一个轻量级MLP解码器中,聚合来自不同层次的特征信息,同时获取局部和全局特征。在前馈网络中嵌入卷积层,避免位置编码插值导致的精度下降现象。引入福建省南安市石矿区语义分割数据集,以训练网络和验证算法精度。结果表明,改进后的CycleMLP能够从高分遥感图像中有效识别石矿区,与其他基于自注意力机制的方法相比,精度更高,且可以准确界定石矿区边界,能够为修复石矿区生态系统提供可靠支撑材料。     

高分辨率SAR图像中建筑物特征融合检测算法

针对高分辨率SAR图像中的建筑物检测问题,提出了一种基于视觉注意和特征融合的检测算法。首先,根据SAR图像中建筑物目标与背景存在较大差异的特点,采用视觉注意机制进行建筑物的感兴趣区分割;然后,提取位于感兴趣区域内的高亮线条和阴影区域;最后,采用D-S证据理论对注意焦点、高亮线条和阴影区域进行特征融合,实现建筑物目标的检测。实验结果表明,本文算法对矩形建筑物具有较高的检测精度。     

高分辨率遥感图像道路分割算法

为了提高从高分辨率遥感图像(high-resolution remote sensing image,HRI)中提取道路信息的自动化程度和准确性,发展了一种HRI道路分割算法,主要包括光谱合并、边界合并和基于形状特征的道路区域提取等3个步骤。其中,前2个步骤是基于区域生长的图像分割算法。光谱合并综合考虑了区域的均值、方差等统计特征量,以提高分割精度;边界合并采用了基于矢量梯度的边界计算方法,以准确提取多光谱HRI中的边界强度;结合全局最优合并算法实现光谱和边界合并,以得到最优化的分割结果。在道路区域被完整分割出来的基础上,利用形状特征提取道路,采用圆形度特征区分道路和非道路。利用2景Orb View3多光谱图像进行道路提取实验的结果表明,该方法的道路提取结果总精度和Kappa系数分别在97%和0.8以上,明显优于SVM监督分类方法。     

基于CFAR的高分PolSAR影像桥梁自动识别方法

桥梁的自动解译具有重要的应用价值,而在影像分辨率为分米级、桥梁场景复杂、桥梁目标较小的复杂情况下,准确地进行桥梁目标的自动识别比较困难。在分析高分辨率SAR（synthetic aperture radar）影像的统计特征和桥梁特征的基础上,提出了一种新的桥梁自动识别方法。首先采用基于Weibull分布的CFAR（constant false alarm rate）算法检测出潜在桥梁目标,然后基于Wishart-H-Alpha分类和形态学处理提取出桥梁场景区域,随后引入霍夫变换并利用桥梁的场景特征、几何特征和散射特征识别出桥梁目标。采用国产机载XSAR数据和美国AIRSAR数据进行验证,结果表明,该识别方法在复杂情况下能够取得令人满意的识别结果,具有较好的适应性。     

基于形状与纹理特征的高分辨率SAR影像桥梁目标自动提取方法

基于高分辨率SAR影像中桥梁目标特征的分析,提出了一种桥梁目标自动提取方法。首先使用多影像时序平均法对SAR影像进行预处理,去除SAR影像噪声;再使用阈值法对水体分割;最后采用形状特征与纹理特征相结合的方法提取桥梁目标。本方法在提取效果上明显优于传统桥梁目标提取方法,其提取准确率可达87.5%。证明本文方法在面向高分辨率雷达影像的桥梁目标自动提取应用上的可靠性和可行性。     

Stereo analysis of high-resolution SAR images for building height estimation in cases of orthogonal aspect directions

SAR stereo image analysis for 3D information extraction is mostly carried out based on imagery taken under same-side or opposite-side viewing conditions. For urban scenes in practice stereo is up to now usually restricted to the first configuration, because increasing image dissimilarity connected with rising illumination direction differences leads to a lack of suitable features for matching, especially in the case of low or medium resolution data. However, due to two developments SAR stereo from arbitrary viewing conditions becomes an interesting option for urban information extraction. The first one is the availability of airborne sensor systems, which are capable of more flexible data acquisition in comparison to satellite sensors. This flexibility enables multi-aspect analysis of objects in built-up areas for various kinds of purpose, such as building recognition, road network extraction, or traffic monitoring. The second development is the significant improvement of the geometric resolution providing a high level of detail especially of roof features, which can be observed from a wide span of viewpoints. In this paper, high-resolution SAR images of an urban scene are analyzed in order to infer buildings and their height from the different layover effects in views taken from orthogonal aspect angles. High level object matching is proposed that relies on symbolic data, representing suitable features of urban objects. Here, a knowledge-based approach is applied, which is realized by a production system that codes a set of suitable principles of perceptual grouping in its production rules. The images are analyzed separately for the presence of certain object groups and their characteristics frequently appearing on buildings, such as salient rows of point targets, rectangular structures or symmetries. The stereo analysis is then accomplished by means of productions that combine and match these 2D image objects and infer their height by 3D clustering. The approach is tested using real SAR data of an urban scene.     

利用边界链编码和HMM进行SAR图像阴影建模和分类

针对利用合成孔径雷达图像中的阴影信息进行目标识别的问题,提出了一种边界链编码和隐马尔可夫模型(HMM)相结合的合成孔径雷达图像目标识别方法。该方法利用链编码技术来描述SAR图像阴影边界的形状,可以很好地反映形状的特性,且计算上很有效;利用HMM统计建模方法对阴影边界的链编码进行建模和分类,从而实现SAR图像的自动目标识别。使用MSTAR数据库中的SAR图像数据对该方法进行了验证和分析,分类结果证明只利用阴影信息进行分类的可行性,且该方法可以有效地实现SAR图像的目标识别。     

相位误差、位置误差和灰度误差三者关系及SAR原始图像像元不确定性

由于SAR遥感的独特优势，使它得到了广泛的应用。因此，对SAR图像的不确定性研究也越来越必要和迫切了。针对数据分析方法的不足，该文着重从机理的角度探讨SAR原始像元的不确定性。相位误差、位置误差和灰度误差三者关系、各种误差分类和综合以及这些误差对SAR原始像元不确定性作用等问题往往是困扰从机理角度对SAR图像不确定性研究的主要障碍，该文重点讨论这些问题。     

相位误差、位置误差和灰度误差三者关系及SAR原始图像像元不确定性

由于SAR遥感的独特优势，使它得到了广泛的应用。因此，对SAR图像的不确定性研究也越来越必要和迫切了。针对数据分析方法的不足，该文着重从机理的角度探讨SAR原始像元的不确定性。相位误差、位置误差和灰度误差三者关系、各种误差分类和综合以及这些误差对SAR原始像元不确定性作用等问题往往是困扰从机理角度对SAR图像不确定性研究的主要障碍，该文重点讨论这些问题。     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

Fully constrained linear spectral unmixing based global shadow compensation for high resolution satellite imagery of urban areas

Shadows commonly exist in high resolution satellite imagery, particularly in urban areas, which is a combined effect of low sun elevation, off-nadir viewing angle, and high-rise buildings. The presence of shadows can negatively affect image processing, including land cover classification, mapping, and object recognition due to the reduction or even total loss of spectral information in shadows. The compensation of spectral information in shadows is thus one of the most important preprocessing steps for the interpretation and exploitation of high resolution satellite imagery in urban areas. In this study, we propose a new approach for global shadow compensation through the utilization of fully constrained linear spectral unmixing. The basic assumption of the proposed method is that the construction of the spectral scatter plot in shadows is analogues to that in non-shadow areas within a two-dimension spectral mixing space. In order to ensure the continuity of land covers, a smooth operator is further used to refine the restored shadow pixels on the edge of non-shadow and shadow areas. The proposed method is validated using the WorldView-2 multispectral imagery collected from downtown Toronto, Ontario, Canada. In comparison with the existing linear-correlation correction method, the proposed method produced the compensated shadows with higher quality.     

提高无控制点星载SAR影像的定位精度研究

针对无控制点情况下星载SAR地面目标高精度定位问题,提出在整个成像条带中任选一景SAR影像,并基于全球DEM数据生成模拟的SAR影像,然后通过自动或半自动匹配方式寻找一个控制点,修正整个条带的轨道参数,从而消除了系统误差的影响,提高了整个SAR条带影像的定位精度。     

Evaluating the Sensitivity of Image Fusion Quality Metrics to Image Degradation in Satellite Imagery

Referring to the high potential of topographic satellite in collecting high resolution panchromatic imagery and high spectral, multi spectral imagery, the purpose of image fusion is to produce a new image data with high spatial and spectral characteristics. It is necessary to evaluate the quality of fused image by some quality metrics before using this product in various applications. Up to now, several metrics have been proposed for image quality assessment; which are also applicable for quality evaluation of fused images. However, it seems more investigations are needed to inspect the potentials of proposed Image Fusion Quality Metrics (IFQMs) to registration accuracy, especially in high resolution satellite imagery. This paper focuses on such studies and, using different image fusion quality metrics, experiments are conducted to evaluate the sensitivity of such metrics to a set of high resolution satellite imagery covering urban areas. The obtained results clearly reveal that these metrics sometimes do not behave robust in the whole area and also their obtained results are inconsistence in different patch areas in comparison with the whole image. These limitations are in minimum situation for an image quality metric such as SAM and are completely tangible for image quality metrics such as ERGAS in case of multi modal and DIV and CC from mono modal category.