基于联合稀疏模型的高分辨率SAR与光学遥感影像融合研究

遥感影像融合技术能通过综合不同卫星传感器获取影像互补信息达到对地物进行提取的效果。针对合成孔径雷达(Synthetic Aperture Radar,SAR)与光学影像融合的光谱扭曲和空间细节信息丢失问题,提出一种基于联合稀疏模型的高分辨率SAR与光学影像融合方法。该方法借鉴信号联合稀疏表示思想,假定SAR与光学影像均可由共有和专有稀疏表示部分组成,分别对应影像冗余信息中的有效部分与影像互补信息:其中共有部分用离散余弦字典表示,专有部分用离散余弦字典和学习字典组成的混合字典表示。在求解出融合影像在联合稀疏模型下的稀疏系数之后重建出融合影像。实验结果表明,该方法能同时保持高分辨率SAR影像空间细节信息和光学影像光谱信息,提高了高分辨率SAR与光学遥感影像的融合效果。     

基于多分辨率分析的GF-5和GF-1遥感影像空—谱融合

针对空间分辨率比率较大尺度差异下的高分五号(GF-5)与高分一号(GF-1)卫星影像的空—谱融合问题,提出多传感器影像融合策略:一方面,通过现有空—谱融合方法的分步融合得到融合影像;另一方面,在分步融合理论基础上,推导得出一体化融合基础框架,并进一步提出基于多分辨率分析的多传感器一体化融合方法,缓解现有方法因空间分辨率比率过大导致影像空、谱互补信息难以有效集成的问题。其中,提出的一体化融合方法基于调制传递函数MTF (Modulation Transfer Function)滤波对多传感器影像空间(高频)和光谱(低频)分量进行分解提取,并充分考虑多传感器高空间分辨率影像与高光谱分辨率影像之间的关系,以及高光谱分辨率影像波段间关系,设计合理的融合权重,最终可得到具有最高空间分辨率和最高光谱分辨率的融合影像。通过GF-1全色影像、GF-1多光谱影像、GF-5高光谱影像数据对提出方法进行实验验证,结果表明:本文方法可有效集成多传感器影像间的空、谱互补信息,得到较优融合结果。     

多源遥感影像融合技术初探

遥感影像融合技术是图像处理领域的新技术,通过富集同一地区不同数据源的信息大跨度特征像数据的融合,提供有关各单个传感器的互补信息,使分类更精确。本文对多源遥感影像融合技术的技术路线及影像配准,影像融合的一些技术方法思路做了初步的探讨。     

高分辨率影像深度学习概率决策融合建筑提取

为了充分融合不同深度学习模型在建筑提取中的互补信息,该文提出一种基于深度学习概率决策融合的高分辨率影像建筑物提取方法,将不同深度学习模型的类别分割概率进行融合作为最终建筑提取的依据,以实现不同模型之间的优势互补,最后采用形态学后处理方法进一步优化建筑提取结果.采用3组不同分辨率,具有多种地物形态的建筑数据集验证该文方法的有效性.实验表明该文提出的概率决策融合方法取得了满意的精度(F指数分别为92.45％,90.56％,79.95％),优于单一模型的结果,并且显著提升了建筑提取结果的可靠性.     

多源遥感影像像素级融合分类与决策级分类融合法的研究

首先探讨了基于像素的多源遥感影像高频调制融合法，根据成像系统特性和Heisenberg测不准原理，设计的高斯滤波器对高分辨率影像滤波的方法是合理有效的。在研究BP神经网络的基础上，采用动量法和学习率自适应调整的策略，提高了BP神经网络学习算法收敛速度，并增强了算法的可靠性。提出并实现了多源遥感影像像素级融合分类与决策级分类融合两种分类方法，并进行了比较。采用Landsat TM3，4，5和航空SAR影像进行试验，结果表明两种分类方法是行之有效的，均适用于多源遥感影像分类。     

深度学习在光学和SAR影像融合研究进展

遥感影像融合作为影像处理领域中最具有挑战的工作,一直是学术界研究的热点。合成孔径雷达SAR（Synthetic Aperture Radar）具备全天时、全天候、穿透云雾等多种特点,却因存在相干斑噪声等问题,使得影像难以解译。相比之下,光学影像可以反映地物的光谱和空间信息,易于解译,但容易受到云雾干扰,造成信息丢失,将光学与SAR影像数据融合可以实现不同类型传感器成像之间的信息互补,能够更好地为后续的影像分析与解译提供方便。本文首先对光学和SAR影像融合进行了系统性回顾,包括传统融合方法和基于深度学习方法在影像融合方面的最新工作,重点阐述了卷积神经网络CNN（Convolutional Neural Network）、生成式对抗网络GAN（Generative Adversarial Networks）等框架在光学和SAR影像融合中的进展;然后总结了光学和SAR影像融合在深度学习领域开发的数据集,并做了简单介绍和说明;最后,从数据集、时间序列影像融合、融合评价体系和算法轻量化等4个方面对光学和SAR影像融合的未来发展趋势进行了展望。     

Quickbird遥感影像融合技术对比研究

将影像高分辨率的优势和多光谱的特点相结合进而提高单一影像的分辨度是影像融合技术的亮点。以quickbird影像为实验对象,综合对比brovey变换,G-S变换,PC变换和P-S变换四种影像融合方法,并得出不同融合方法特点。结果表明不同的融合方法都不同程度提高了影像的光谱信息,四种方法中融合效果最佳的为P-S融合,该方法所得结果最大程度保留了影像的原始纹理和分辨率信息,成为最合适的融合方法。     

基于同名点对的小面元影像微分纠正及融合方法

多源遥感影像数据融合是提高海量遥感影像数据利用率，获取更多决策辅助信息的有效手段之一。目前一些商业遥感图像处理软件在进行多源遥感影像融合时，存在效率低、精度难以达到实用要求等问题。本文提卅了基于图像线特征的遥感影像精确配准、纠正、融合新方法，该方法运用线特征算法提取图像边缘特征点作为控制点，然后通过全自动图像匹配获取密集同名点对，由这些同名点对构成密集三角网（小面元）实现影像精确配准；最后进行影像纠正融合处理。大量实践表明，该方法是一种高效实用、高精度的遥感影像配准、纠正、融合方法，能大大改善山区等特殊地区的配准精度。     

基于像素级遥感图像融合方法对比与评价

多时相、不同空间分辨率遥感图像数据融合能较大幅度提高融合图像的解像力,在遥感影像解译中一种好的融合方法可以提高影像的质量,从而提升影像的解译结果。本文以隆昌县为试验区,采用Brovey、PCA、HIS和Gram-Schmidt 4种融合方法对试验区ETM+影像的高空间分辨率Pan波段和多光谱432波段进行融合。通过平均值、标准差、平均梯度、信息熵、相关系数和扭曲程度对这些融合方法进行评价。评价结果表明4种融合方法都能不同程度的改善影像质量,其中Brovey融合法光谱失真度小,清晰度和空间分辨率较高,影像所含信息量丰富,更适合于隆昌ETM+影像的融合处理。     

协同模型与遗传算法的集成

提出协同模型中蚁群算法和遗传算法集成的方案，用于生成纹理分类的模板。介绍了蚁群算法的原理和集成方案的实施步骤，以及在搜索最优解过程中蚁群移动方向的决策方法。为了验证集成方案的正确性，对航空影像的居民地、灌木、水田、山地、旱地5种目标进行了识别试验，并与仅使用遗传算法的结果进行了比较。试验结果表明，该集成方案的识别效果有明显的提高。     

DCT域遥感影像的自适应遗传优化增强

本文在DCT域中提出了一种基于遗传算法的遥感影像增强技术,针对DCT域遥感影像增强参数需人工设定的问题,利用自适应遗传算法对其进行优化选取:设计了一种考虑偏差的适应度函数以驱动遗传算法进化,通过无分块思想的使用实现了无人工干预、无块效应的遥感影像增强。该方法不但保持了遥感影像的原始色调而且显著提升了遥感影像方差、平均梯度、信息熵等质量测度,有效改善了遥感影像的视觉效果,便于后续影像处理及应用。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

顾及遥感影像场景类别信息的视觉单词优化分类

传统词包模型的视觉词典忽略了场景本身包含的类别信息,难以区分不同类别但外观相似的场景,针对这个问题,本文提出一种顾及场景类别信息的视觉单词优化方法,分别使用Boiman的分配策略和主成分分析对不同场景类别视觉单词的模糊性和单词冗余进行优化,增强视觉词典的辨识能力。本文算法通过计算不同视觉单词的影像频率,剔除视觉词典中影像频率较小的视觉单词,得到每种场景的类别视觉词典,计算类别直方图,将类别直方图和原始视觉直方图融合,得到不同类别场景的融合直方图,将其作为SVM分类器的输入向量进行训练和分类。选取遥感场景标准数据集,验证算法,实验结果表明:本算法能适应不同大小的视觉词典,在模型中增加场景类别信息,增强了词包模型的辨识能力,有效降低场景错分概率,总体分类精度高达89.5%,优于传统的基于金字塔匹配词包模型的遥感影像场景分类算法。     

利用小波变换的高分辨率多光谱遥感图像多尺度分水岭分割

为了减少仅用分水岭变换而导致的过分割问题,本文提出利用小波变换的多尺度处理方式用于融合后多光谱QuickBird图像的分割。整个分割过程包括多尺度图像表示、图像分割、区域合并和结果映射等过程。首先,依据原始图像的大小确定分解尺度并用小波变换产生各波段的低尺度图像。采用相位一致模型提取各近似系数的梯度,并逐尺度地融合各梯度图。分析不同尺度下的不同地物的局部梯度方差,以选择最佳的小波分解尺度。然后,通过移动阈值与扩展最小变换,利用多层次标记提取方法标记均质区域。进而,在梯度重建的基础上利用标记分水岭变换得到分割图像。其次,采取空间相邻关系、面积、光谱与纹理等多约束策略,以搜索最小合并代价的方式合并最初分割区域中的邻接区域对。最后,修改细节子图并进行小波逆变换将最初分割结果投影到更高尺度图像,同时处理边界上的像元以保持区域边界直至原始图像。实验结果表明本文方法不仅能够用于高分辨率多光谱遥感图像的分割,而且缓解了过分割问题且取得了较准确的分割效果。     

波段选择协同表达高光谱异常探测算法

高光谱遥感影像具有光谱分辨率极高的特点,承载了大量可区分不同类型地物的诊断性光谱信息以及区分亚类相似地物之间细微差别的光谱信息,在目标探测领域具有独特的优势。与此同时,高光谱遥感影像也带来了数据维数高、邻近波段之间存在大量冗余信息的问题,高维度的数据结构往往使得高光谱影像异常目标类和背景类之间的可分性降低。为了缓解上述问题,本文提出了一种基于波段选择的协同表达高光谱异常探测算法。首先,使用最优聚类框架对高光谱波段进行选择,获得一组波段子集来表示原有的全部波段,使得高光谱影像异常目标类与背景类之间的可分性增强。然后使用协同表达对影像上的像元进行重建,由于异常目标类和背景类之间的可分性增强,对异常目标像元进行协同表达时将会得到更大的残差,异常目标像元的输出值增大,可以更好地实现异常目标和背景类的分离。本文使用了3组高光谱影像数据进行异常目标探测实验,实验结果表明,该方法与其他现有高光谱异常目标探测算法对比,曲线下面积AUC(Area Under Curve)值更高,可以更好地实现异常目标与背景分离,能够更有效地对高光谱影像进行异常目标探测。     

改进的自适应遗传算法在图像模糊增强中的应用

本文在图像增强中应用了模糊集理论,实现了以空间域—模糊域—空间域为主要过程的的图像模糊增强。首先通过Fibonacci数列对遗传算法做了自适应改进,而后以改进的适应度函数为惟一内在驱动力,利用遗传算法对模糊参数进行了自动选择,最后与传统的线性增强、直方图均衡进行了对比实验。实验结果表明该方法能改善原图像视觉效果,便于后续的图像分析。     

傅里叶谱纹理和光谱信息结合的高分辨率遥感影像地表覆盖分类

以高空间分辨率遥感影像为研究对象,将纹理特征与影像的光谱特征结合起来,用于地表覆盖类型分类。设计了一种基于傅里叶谱纹理的分类策略,对主成分分析后的第1、2主分量特征影像,利用径向谱（r-spectrum）提取纹理特征,并将纹理与光谱特征结合起来,构建了不同的分类特征用于支持向量机分类模型。以Salinas数据集和QuickBird影像为例,验证该算法。结果表明,纹理与光谱信息的结合可以明显提高高分辨率遥感影像的分类精度;由傅里叶径向谱提取的纹理特征可以很好的应用到高分辨率遥感影像的分类问题中,分类精度高于基于傅里叶总能量谱和灰度共生矩阵的分类精度;利用该算法对PCA变换后的第1和第2分量提取的纹理特征具有一定的互补性,并且结合多特征图像的纹理特征提取优于单特征图像的纹理特征提取。     

Hyper Redundancy for Accuracy Enhancement in Automated Close Range Photogrammetry

A generic network design in close range photogrammetry is one where optimal multi-ray intersection geometry is obtained with as few camera stations as practicable. Hyper redundancy is a concept whereby, once the generic network is in place, many additional images are recorded, with the beneficial impact upon object point precision being equivalent to the presence of multiple exposures at each camera position within the generic network. The effective number of images per station within a hyper redundant network might well be in the range of 10 to 20 or more. As is apparent when it is considered that a hyper redundant network may comprise hundreds of images, the concept is only applicable in practice to fully automatic vision metrology systems, where it proves to be a very effective means of enhancing measurement accuracy at the cost of minimal additional work in the image recording phase. This paper briefly reviews the network design and accuracy aspects of hyper redundancy and illustrates the technique by way of the photogrammetric measurement of surface deformation of a radio telescope of 26 m diameter. This project required an object point measurement accuracy of σ  = 0·065 mm, or 1/400 000 of the diameter of the reflector.     

多源遥感图像融合发展现状与未来展望

近年来,随着遥感技术的发展,高光谱、红外、雷达等多源遥感成像手段在精准农业、资源调查、环境监测、军事国防等重要领域发挥着越来越重要的作用.同一场景多源遥感图像观测的地物对象相同,但观测的维度不同,图像的空间、光谱与时间分辨率存在差异,提供的信息既具有冗余性,又具有互补性和合作性.多源遥感图像融合能够综合利用不同来源获取...     

基于特征点引导的多视影像择优匹配方法

从冗余数据中选择一个或者多个最为显著的立体像对,在最少“伪信息”的影响下,获取最佳影像匹配效果,降低其它质量较差影像的负面平均效应,是提高多视影像匹配性能的关键。基于准确匹配的特征点,通过匹配测度的鲁棒性分析,提出一种多视影像的匹配质量分析方法;在此基础上,提出了一种基于特征点引导的多视影像择优匹配方法及基本思想、计算基础和择优匹配步骤。利用ADS40多度重叠影像数据进行了择优匹配实验。结果表明,该方法能够有效选取匹配质量较优的影像,获取更加准确的多视匹配结果,在一定程度上,比传统的多视匹配方法更加有效。