基于小波理论的遥感图像高保真压缩方法研究

根据遥感图像局部相关性较弱、纹理复杂丰富的特点,提出了基于小波分析理论的自适应标量、矢量混合量化压缩方法。该方法根据遥感图像小波变换后高频子图的局部块纹理强弱将这些块划分为４类,对平坦块进行高倍压缩,对纹理块进行高保真压缩,使各块的恢复误差大致平衡。其主要特点是避免了矢量编码过程中的码书训练和码书搜索,因而时间性能好,并且对单幅图像的压缩比和峰值信噪比（ＰＳＮＲ）优于ＪＰＥＧ方法。此方法与ＫＬ变换去波段相关技术相结合,应用于多波段遥感图像压缩领域,收到了良好的效果。     

基于蓝噪声理论的遥感图像森林植被纹理测量

遥感图像分割中森林植被是重要的一类目标,有效确定森林植被的纹理尺度是纹理分割的重要问题。提出一种用蓝噪声理论描述遥感图像森林植被纹理特征的方法,是一种新的植被纹理刻画和纹理尺度计算方法。研究尺度与植被纹理形态的对应关系,对于选定的探测区域,迭代寻找蓝噪声特征。迭代过程包含通过几何变换缩小区域的尺寸,用快速傅里叶变换获取区域的频谱响应,从频谱响应中提取蓝噪声特征。对于具有蓝噪声特征的区域,计算森林植被纹理的灰度分布,根据当前区域尺寸计算纹理的尺寸。实验表明,森林植被纹理单元的尺度和灰度分布测量结果准确,为进一步纹理分割提供了可靠的基础。     

高分辨率遥感图像频域特征提取与图像分割研究

遥感图像分割是面向对象识别的关键,论文基于频谱分析理论与频域滤波方法,对IKONOS卫星图像的特征提取与图像分割技术进行了研究,根据振幅和相位信息提取遥感图像的纹理和边缘特征,并提出多频段标记算法实现了结合纹理和边缘特征的图像分割.论文主要研究内容与结论包括:     

一种大尺寸遥感图像基于内容检索的纹理特征提取算法

针对50万像素以上的大尺寸遥感图像基于内容检索的需要,通过将大尺寸图像按照区域类别分块,用灰度共生矩阵法对各子块提取出纹理特征,并利用类似Hu的不变矩的方法对各子块纹理信息进行统计,从而提取出与大尺寸图像中各纹理的空间位置相关的一组纹理特征值。该方法对传统的共生矩阵法进行了改进,使其适用于大尺寸图像多区域类别的纹理特征提取,可用于大尺寸遥感图像的基于内容的检索和初分类研究。     

基于改进分形技术的红外图像噪音抑制研究

红外图像杂噪音抑制是图像识别的重要技术基础.阐述如何对传统分形技术进行改进并将多重分形理论引入红外图像的噪音抑制,提出一种基于奇异性分析的红外图像消噪方法.在图像经过多重分形分析后,通过对多重分形谱相关的Holder指数进行特征化处理来实现图像消噪.这种方法可以在尽量保留信号奇异性(如边缘,纹理等)相关信息情况下,使得图像平滑,噪声消除,是红外图像消噪的一种新方法.     

多主体框架下基于FCM的彩色遥感图像分割

为解决大尺度高分辨率遥感图像的数据量大及局部非均匀问题,提出一种在多主体系统（MAS）框架下基于模糊C均值（FCM）的彩色遥感图像分割方法。首先利用规则划分技术将图像域划分为若干个子块,每个分割主体控制一个子块;然后在MAS框架下,分割主体通过FCM算法实现对应子块的初始分割,将初始结果与全局模型协作,确定其区域正确类别数和标号统一;最后通过协调主体协调各分割主体及其邻域分割主体的聚类中心,从而消除遥感图像的局部非均匀性,以实现彩色遥感图像分割。利用提出算法和FCM算法分别对真实彩色遥感图像和合成图像进行了分割试验,并对其分割结果进行定性、定量评价,其结果说明了提出方法的可行性和有效性。     

遥感图像纹理分析方法

本文针对遥感图像纹理特征,定义纹理是“图像像元亮度值空间变化率的一种量度”.据此定义,提出纹理强度和纹理密度两个新参量,定量地描述遥感图像的纹理特性。这两个参量反映了图像中相邻象元亮度值的差别及图象中象元亮度值变化的频数。所设计的相应提取方法包括:强度和法、绝对差法与最大、最小值法等三种纹理强度提取方法,以及两种纹理密度提取方法:一阶纹理密度法与二阶纹理密度法。同时,讨论了局部移动窗口大小的选择原则。本文不仅设计了从遥感图像亮度值的绝对变化提取纹理特征的方法,并进而提出相对梯度概念,从象元亮度值的相对变化描述图象的纹理特征;由相对梯度法生成的纹理图像,不仅可突出遥感图像的空间信息特征,并保留了原图像的部份波谱信息,原图像中的甚亮区和暗区、甚暗区（如山地背阴坡）的纹理结构得以清晰地显现,效果独特。     

MRELBP特征、Franklin矩和SVM相结合的遥感图像建筑物识别方法

为了进一步提高遥感图像建筑物区域的识别精度,提出了一种基于中值稳健扩展局部二值模式(median robust extended local binary pattern,MRELBP)、Franklin矩和布谷鸟优化支持向量机(support vector machine,SVM)的分类方法。首先,通过MRELBP特征算子计算图像块的纹理特征向量,并根据Franklin矩得到形状特征向量,组合图像块的纹理特征向量和形状特征向量得到综合特征向量;然后,利用训练样本对SVM进行训练,同时由布谷鸟搜索算法对SVM的核函数参数和惩罚因子进行优化;最后,通过训练好的SVM得到建筑物区域识别结果。通过30组试验的结果表明,与基于三原色(red green blue,RGB)和SVM的分类方法、基于LBP和SVM的分类方法、基于Zernike矩和SVM的分类方法相比,本文提出的方法所识别的遥感图像建筑物区域准确度更高。     

一种基于统计学习理论的最小生成树图像分割准则

根据基于区域增长的面向对象图像分割的本质特点,将统计学习理论与最小生成树算法相结合,提出了一种基于统计学习理论的最小生成树图像分割准则。将该图像分割准则应用于多种遥感影像数据进行分割实验,其结果表明基于统计学习理论的最小生成树图像分割准则能通过简便的参数设置,即可以较好地实现不同尺度目标的图像分割,同时又能对纹理区域进行有效分割,能获得良好的区域边界和较好的抗噪声性能,并在海岸带大比例尺无人机正射影像的图像分割实践中得到了较好验证。     

结合MST划分和RHMRF-FCM算法的高分辨率遥感图像分割

针对基于像素的HMRF-FCM算法抗噪性差以及对地物复杂边界分割精度低的问题,提出一种结合形状信息的静态MST区域划分和RHMRF-FCM算法的高分辨率遥感图像分割方法。该方法定义一种静态MST同质区域划分准则,借助MST能较好表达边界和形状信息、能较好抑制几何噪声的特点,解决地物复杂边界的表达和降低分割结果中几何噪声问题。首先,利用MST静态划分将图像域划分成若干个均质区域,假设每个均质区域内光谱测度服从独立同一的多元高斯分布。然后,在此基础上构建了区域隐马尔可夫随机场模型,以及建立基于信息熵和KL信息正则化项的模糊聚类目标函数。最后,采用偏微分方法对分割模型参数进行求解,从而得到全局最优分割结果。为验证本文方法,对WorldView-3高分遥感图像进行分割试验。定性、定量分析了尺度参数、光谱相似性参数和区域紧致度参数对最优分割结果的影响,并对比分析本文算法和eCognition软件中的多分辨率分割算法、分水岭算法。     

一种遥感影像混合噪声的去噪方法

为了减弱遥感影像噪声的影响，提高影像使用价值，提出了一种新的针对遥感影像混合噪声去噪的组合滤波，即基于三维块匹配和自适应中值滤波的去噪方法；此外使用rbio3小波和db20小波替换传统三维块匹配参数，进行两个仿真试验和一个真实遥感图像去噪试验。结果表明：本文方法在去除遥感影像常见的脉冲与高斯噪声方面，效果优于传统滤波方法。     

多分辨率低秩导向滤波的热红外图像空间融合

热红外遥感图像由于其特定的成像方式,包含目标特有的发射率及温度等特征。然而,热红外遥感图像较低的空间分辨率却限制了其广泛应用。随着遥感技术的发展,同一区域获得的多源遥感图像可以提供更为完备的目标信息,使得利用多源融合技术实现热红外图像空间分辨率增强与亚像素级特征提取成为可能。为此,本文提出了一种基于多分辨率自适应低秩表达与残差信息迁移的热红外图像空间超分辨算法,该算法通过可见光与热红外图像融合的方式实现热红外图像空间特性的自适应融合增强。本文算法优势主要体现在以下几个方面：（1）基于多分辨率的超像素分割,使用超像素块代替传统的方块作为低秩恢复单元,自适应地调整单元内空间特性以保持单元内地物类型的稳定并抑制结构性噪声;（2）通过构建导向线性滤波器,在保护热红外图像光谱信息的前提下,实现可见光图像精细空间特征向热红外图像的迁移;（3）在低分辨层建立增强热红外图像残差与可见光图像残差之间关联并迁移至高分辨层,在保证超分辨图像细节信息的前提下,实现热红外图像空间超分辨。为了验证算法的有效性,本文采用2014年IGARSS数据融合竞赛提供的可见光与热红外实验数据进行实验,并与融合竞赛中表现最为优异的监督图特征融合方法进行比较,并从温度反演精度以及分类精度两个方面评价超分辨效果。实验结果表明,本文提出的方法其噪声抑制效果、空间平滑效果、边缘锐化效果更为优异,超分辨热红外图像有着更为精细的空间信息,并且对于不同区域类型均能较好的保护热红外图像光谱信息。对于不同地物类型,融合超分辨图像有较高的亚像素温度反演精度以及更高的分类精度,其温度反演误差小于1 K,总体分类精度较原热红外图像提升20%以上。     

TM对NOAA面积校正模型的研究

为了实现NOAA卫星遥感影像在提供丰富的宏观信息的同时 ,能够具有较高的面积估计精度这一目标 ,以吉林省为例 ,根据 1998年的NOAA卫星遥感影像数据以及最新的TM卫星遥感影像数据 ,构建了高分辨率卫星影像数据对低分辨率卫星影像数据的面积精度校正模型 ,并引入分形理论对影像空间结构特征进行深入研究     

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时，往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪，提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变，只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪，从而更好地对含噪影像进行去噪。两组试验对比分析表明：本文算法具有较大的峰值信噪比、平均梯度和结构相似性，具有较小的均方根误差；并且边缘检测结果也表明，噪声在被滤掉的同时，经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息，具有更好的去噪效果。     

基于自适应四叉树分割的遥感图像压缩算法

遥感图像具有不同于一般图像的特点,针对遥感图像对压缩算法的特殊要求,提出了自适应四叉树分割算法实现图像的分块,以各像块的均值近似表示该像块的灰度值,从而以尺量少的数值获得对原始图像的最佳逼近,再对辐近误差进行自适应分割和基于像块方差的自适应量化,最后对各分量进行Huffman编码.实验表明,本算法能表现出良好的实用性能,比JPEG算法更适用于遥感图像的压缩.     

一种结合四元数与直方图的多光谱图像自适应边缘检测方法

针对图像自适应边缘检测的难点和传统多光谱遥感图像边缘检测方法的局限性,提出了一种结合四元数与直方图的自适应边缘检测方法。该方法在四元数空间,利用矢量旋转完成了多光谱图像的边缘检测,并通过直方图统计的方法获取自适应阈值,实现了边缘图像的检测。利用陆地多光谱遥感图像和水域多光谱遥感图像分别进行实验,验证了方法的有效性。     

论夜光遥感数据挖掘

如果从地球上空观测夜间的地球,可以发现人类聚居区和经济带发出夺目的光芒。当夜间的天空无云时,遥感卫星能够捕捉到城镇灯光、渔船灯光、火点等可见光辐射源,这些夜间无云条件下获取的地球可见光的影像即夜光遥感影像。与日间遥感不同,夜光遥感对于反映人类社会活动具有独特的能力,因此被广泛应用于社会经济领域的空间数据挖掘。本文首先介绍能够观测夜间灯光的卫星遥感观测平台和传感器,然后从社会经济参数估算、城市化监测与评估、重大事件评估、环境及健康效应研究、渔业信息提取、流行病研究、油气田监测等方面总结了夜光遥感数据挖掘的现状和特点。最后,文章从新型数据源、知识发现、地面观测和地理国情—世情监测4个方面提出了夜光遥感及其数据挖掘的未来发展趋势。     

基于光流校正的复杂地形区多时相遥感影像配准

几何配准是影像后续处理的重要前提,是遥感信息处理领域研究的热点之一。复杂地形区多时相遥感影像的高精度配准一直是难以突破的难题,光流估计法通过逐像素位移增量解算为此提供了可行的解决思路,但光流法对地物变化异常敏感,经常导致计算的光流场及配准影像存在异常。为此,本文提出一种基于光流校正的复杂地形区多时相遥感影像配准方法,采用亮度和梯度双重约束获取光流场初值,在此基础上使用高斯拉普拉斯算子对异常光流进行检测,然后通过Delaunay三角形曲面插值对异常光流进行校正处理,从而得到各像素精准位移。实验表明,本文提出方法对存在地物变化的复杂地形区多时相遥感影像,可实现高保真、高精度的配准。     

海量遥感影像分块逆映射快速坐标转换

提出了一种海量遥感影像分块逆映射快速坐标转换算法,并针对分块窗口的形状和大小对处理过程所占内存与处理效率造成的影响作了试验与分析并得出结论。该算法使得处理过程所占内存不受原影像与处理后影像的尺寸大小所限制,并且通过与主流遥感影像处理软件对比试验的结果可以看出,该算法可以完成超大幅遥感影像与分幅遥感影像的坐标转换处理,处理分幅影像时有效地避免了影像间的接缝,同时处理效率达到主流的专业遥感影像处理软件水平。     

地物空间关系匹配的高分辨率遥感影像检索

从低层视觉特征与地物空间关系特征对影像内容进行描述,建立检索模板与目标影像间的相似性直方图表达,提出一种适用于高分辨率遥感影像检索的新方法。首先,利用Quin+树将大幅面原始遥感影像分解为一系列同尺寸的序列子块;然后,分别提取各子块的低层视觉特征与地物关系特征,并以子块为基元构建候选子块的特征直方图;最后,对比检索模板与候选子块间的特征直方图相似性,实现高分辨率遥感影像的检索。使用多幅多源高分辨率遥感影像进行实验,结果表明本文方法对耕地、水系、建筑物等地类的检索精度大都维持在0.8以上,且各项检索性能指标均优于已有的两种遥感图像检索算法。