用于单幅影像匀光的Wallis算法

匀光处理是消除光学遥感影像中亮度和色彩分布不均匀现象的过程。经典的Wallis算法仅用于保持两幅或多幅影像间的色调和亮度一致性。这里提出了一种用于单幅影像匀光的Wallis算法,讨论了从待处理影像中选择校正标准的方法;同时利用以像点为中心的局部参数统计值代替分块参数值,有效地避免了"分块效应"。通过实验并与现有Retinex匀光算法进行比较,结果表明改进后的Wallis算法能够有效减小图像反差,取得更好的匀光效果。     

最小传递路径的正射影像色彩一致性处理方法

针对区域范围内多幅正射影像之间色彩不一致问题,设计了一种基于重叠区域的正射影像匀色方法,提取正射影像的有效区域外部轮廓并进行多边形拟合,利用Wallis滤波器根据有效区域的重叠区域进行处理。为了减小多次匀色造成的积累误差,提出一种结合Voronoi图和Dijkstra算法的方法确定最小传递路径。最后,通过相应实验验证了最小传递路径的正射影像色彩一致性处理方法的有效性。     

基于Wallis滤波器的异源遥感影像匀光方法

针对异源遥感影像由于辐射水平差异导致地物在相邻图像上亮度值存在差异的现象,分析了造成影像间色调差异的各种原因以及现有处理方法在进行影像间色彩平衡处理时存在的问题,实现了基于Wallis滤波器进行匀光的相关算法,并通过多组匀光实验取得了较好的色彩平衡效果。     

面向无重叠区多源瓦片的拼接匀色技术研究

五层十五级瓦片在并行计算和分布式数据库存储方面具有很大的优势,能极大地提高遥感产品的生产速度。针对瓦片离散、无重叠和色彩差异问题,提出一种基于Wallis滤波的无重叠多源瓦片拼接匀色方案。对多源遥感影像瓦片进行匀色处理,使得拼接后的多源瓦片影像色彩一致,无拼接缝。采用GF1和Landsat8数据进行实验和质量评价。结果表明,该方法能够有效消除多源瓦片之间的缝,水平方向上和竖直方向上均能实现多源无重叠瓦片的无缝拼接和匀色,为进一步利用瓦片数据价值提供参考。     

彩色点云匀色的Wallis算法

通过可见光相机与三维激光扫描仪之间的精确标定,可以生成具有颜色信息的点云,在文物建模、移动测图、地下空间调查等领域具有广泛应用。点云的色彩质量依赖可见光相机的成像质量,受硬件水平、光照条件、拍摄参数等诸多因素干扰,经常出现偏暗、过曝、不均匀等现象,然而目前缺乏点云色彩匀色方法的研究。因此,本文将Wallis匀色算法从二维拓展到三维,利用模板影像的颜色信息,改善三维点云的色彩效果。实验证明,三维Wallis匀色算法可以有效改善点云的波段比例、亮度与对比度。     

基于辐射不变特征点的卫星影像辐射归一化方法

针对多时相卫星影像辐射差异大的特点,克服了现有基于辐射不变特征点的路径传播法因误差传递易导致整体色彩偏差的缺陷,提出了一种基于辐射不变特征点的辐射区域网平差方法,实现了多时相卫星影像的匀色处理。该方法以辐射不变特征点为辐射连接点构建误差方程,通过区域网平差求解线性辐射变换参数。实验证明,该方法可有效消除多时相卫星影像间的辐射差异,并保持自然色彩。     

基于无人机航空影像的薄云去除方法研究

提出一种新的结合面向对象分类方法进行同态滤波的薄云去除方法,该方法采用Ecognition软件,将无人机影像划分为有云区域和无云区域,并对无人机影像进行同态滤波,用滤波后影像的有云区域代替原影像的有云区域,无云区域保持不变.并对处理后的影像进行监督分类,再对整幅影像进行Wallis滤波匀光匀色处理,使得有云区域的色调、对比度和亮度与无云区域趋于相同.实验结果表明方法效果较好,能有效地消除或减弱薄云对无人机影像的影响.     

GF-1卫星WFV影像间匀色方法

影像匀色方法是决定拼接后影像能否进一步用于遥感定量化应用的重要环节之一。本文针对我国高分辨率对地观测系统的首发星——GF-1卫星宽覆盖WFV传感器4相机拼接成像特点,提出了一种基于交叉辐射定标的影像间匀色方法。该方法首先利用传统的交叉定标方法获取某一台WFV相机在轨绝对辐射定标系数,然后采用统计分析和仿真模拟方法建立了相邻相机影像间DN值、表观辐亮度的相关模型,在完成相机间绝对辐射性能传递的同时,实现了影像间匀色处理。试验结果表明利用本文获取的交叉辐射定标系数能够有效地消除相邻相机影像重叠区域辐射不一致性的问题,实现WFV影像间匀色。该匀色方法可为其他类似卫星传感器影像间匀色提供参考依据。     

基于改进同态滤波的无人机影像匀光匀色应用

针对传统的同态滤波无人机影像匀光匀色算法,传递函数存在多个不确定性参数,且匀光匀色效果存在色彩失真严重等问题,本文提出了一种基于改进同态滤波的无人机影像匀光匀色方法。该算法先构造一种新的且参数量较少的传递函数,将该传递函数使用到同态滤波算法,用改进的同态滤波算法分别对无人机影像的RGB各分量进行匀光匀色处理。实验结果表明,本文算法比传统的同态滤波算法匀光匀色效果好。     

超分辨率重建影像Wallis匀光拼接算法

由于计算机内存的限制,遥感影像的超分辨率重建一般采用分块算法进行处理,重建后的影像由于亮度、反差分布不均匀很难实现无缝拼接。针对超分辨率重建影像无重叠、规则大小的特点,本文提出了一种改进的加权Wallis匀光算法。该方法采用一种新的影像调整顺序,并使用加权法计算匀光参数,可以减少影像调整时误差的空间传递和累积,避免过度计算造成影像信息损失。最后,采用本文方法对900幅超分辨率重建后的资源三号影像进行匀光处理。试验结果表明：该方法能够使大幅面超分辨率重建影像达到亮度、反差一致性,取得了较好的匀光效果,达到了消除拼接缝的目的。     

基于自分类和颜色空间变换的遥感图像色彩校正方法

提出了一种基于遥感自动分类和lab 颜色空间变换的色彩校正方法, 并用此方法对不同时间的ETM遥感图像进行了多景色彩校正后的拼接实验。实验结果显示, 相对于重叠区域校正、直方图匹配等常规方法, 该方法能够很好地校正不同获取时间所导致的景间颜色、亮度差异, 提高遥感图像后续分类、变化检测的准确性以及多景遥感图像的拼接效果。     

西藏矿产资源潜力评价遥感专题中典型问题初探

西藏矿产资源潜力评价项目遥感专题通过提取各1:25万标准图幅及全区遥感异常信息和编制遥感推断地质构造图,为项目地质背景编图、成矿规律研究和矿产资源预测提供了基础性图件.因西藏全区面积广阔、涉及的遥感图像时相各异、图像处理软件及方法流程复杂,加之技术人员专业背景和经验等差异,在遥感专题实施中出现了4个典型问题:①对基准面...     

基于GPU并行计算的巨幅遥感影像坐标转换研究与实现

随着航空航天遥感技术的不断发展,以遥感影像为代表的栅格数据分辨率越来越高,遥感影像处理呈现出数据量大、复杂度高的特点。近年来,通用GPU的运算性能不断提高为加速密集运算提供了新的途径,目前,采用GPU并行技术进行遥感影像处理成为新的研究热点。本文提出了基于GPU并行计算的巨幅遥感影像坐标转换方法,实践证明,相比于传统的转换方法基于GPU的算法有较为明显的提速。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...     

基于有效区域约束的GPU-CPU协同影像快拼方法

提出了一种以有效区域约束的Voronoi图为拼接线网络,利用GPU-CPU协同处理航空影像快速拼接方法。首先,基于成像有效区域生成有效区域约束的Voronoi图拼接线网络,解决了传统Voronoi图拼接线网络在低重叠度条件下拼接后影像局部区域不被覆盖的问题,然后利用GPU-CPU协同处理将正射纠正嵌入到影像拼接的过程中,并且只对每张影像的有效区域进行纠正,再通过选择配置优化和存储层次性优化进一步提高拼接效率。实验表明,对237张高分辨率航空影像进行快速正射纠正和拼接,本文算法较传统先纠正再拼接的方法效率提高近20倍,同时保证很高的拼接精度,可以满足应急测绘要求。     

国产卫星遥感影像多核并行自适应正射纠正方法

<正>射纠正是生成正射影像的关键步骤。随着国产卫星不断发射升空,国产卫星遥感影像的数据量急剧增加,正射纠正的处理速度越来越受到关注。传统的卫星遥感影像正射纠正多采用串行固定分块策略进行纠正,效率较低,单景处理时间长,单位时间内正射纠正的生产达不到要求,而GPU高性能加速对计算机硬件的要求较高,在实际生产中并没有很好地使用。本文在分析正射纠正算法并行性的基础上,提出了多核并行分块自适应正射纠正方法,能够在台式机和普通笔记本上高效计算,极大地提高了正射纠正的效率,获得了一定的加速比,很好地满足了实际生产要求。     

Computationally Efficient Mean-Shift Parallel Segmentation Algorithm for High-Resolution Remote Sensing Images

In high-resolution remote sensing image processing, segmentation is a crucial step that extracts information within the object-based image analysis framework. Because of its robustness, mean-shift segmentation algorithms are widely used in the field of image segmentation. However, the traditional implementation of these methods cannot process large volumes of images rapidly under limited computing resources. Currently, parallel computing models are generally employed for segmentation tasks with massive remote sensing images. This paper presents a parallel implementation of the mean-shift segmentation algorithm based on an analysis of the principle and characteristics of this technique. To avoid the inconsistency on the boundaries of adjacent data chunks, we propose a novel buffer-zone-based data-partitioning strategy. Employing the proposed data-partitioning strategy, two intensively computation steps are performed in parallel on different data chunks. The experimental results show that the proposed algorithm effectively improves the computing efficiency of image segmentation in a parallel computing environment. Furthermore, they demonstrate the practicality of massive image segmentation when computer resources are limited.     

Implementation of the parallel mean shift-based image segmentation algorithm on a GPU cluster

The mean shift image segmentation algorithm is very computation-intensive. To address the need to deal with a large number of remote sensing (RS) image segmentations in real-world applications, this study has investigated the parallelization of the mean shift algorithm on a single graphics processing unit (GPU) and a task-scheduling method with message passing interface (MPI)+OpenCL programming model on a GPU cluster platform. This paper presents the test results of the parallel mean shift image segmentation algorithm on Shelob, a GPU cluster platform at Louisiana State University, with different datasets and parameters. The experimental results show that the proposed parallel algorithm can achieve good speedups with different configurations and RS data and can provide an effective solution for RS image processing on a GPU cluster.     

基于动态阈值哈希的大规模遥感影像快速内容检索方法

随着我国遥感对地观测技术的快速发展，接收和存档的遥感影像数据量呈指数级增长，传统的检索方法难以在超大的遥感影像数据量上进行快速内容检索，造成遥感影像检索技术缺乏突破性进展，使得我国遥感影像利用率和利用效率受到限制。本文提出了一种创新的哈希索引方法，该方法根据特征向量的空间分布情况动态生成向量的哈希编码，可对高维的遥感影像特征向量进行低维编码，大大降低了检索计算量，可显著提高大规模遥感影像库内容检索的准确率和效率。在天地图数据集的检索试验表明本文提出方法在准确度和检索效率上均有显著提升，有较大的应用潜力。