基于改进层次分析法的遥感影像压缩质量评价

遥感影像压缩质量评价是影像压缩中的技术难点,目前遥感影像压缩质量评价多采用单一指标评价,尚缺乏多个评价指标综合评价的研究。将改进的层次分析法引入遥感影像压缩质量评价,对主、客观质量评价方法的多个评价指标综合利用,对基于贝叶斯统计学习的遥感影像压缩编码方法和JPEG 2000两种压缩算法的多种压缩比遥感影像数据进行质量评价。通过结果对比分析,验证了算法的有效性,其评价结果对遥感影像压缩处理定量分析具有重要意义和研究价值。     

一种高分遥感影像物体分割质量评价方法

影像分割是面向对象影像分析的重要环节,影像分割结果质量影响着后续的影像信息提取。对影像分割结果进行评价并从不同的分割结果中选出最优分割结果十分重要。本文综合考虑与参考对象相交的所有分割对象的影响,提出了一种高分遥感影像物体分割质量评价方法。该方法用ESI和CDI两个指标来定量评价影像物体分割结果质量,并用ESI和CDI指标组合,确定影像物体的最优分割结果。将该方法应用于GeoEye-1高分遥感影像物体分割结果质量评价,试验结果证明了该评价方法的有效性。     

遥感影像质量评价方法综述

为了更好地评价遥感影像的质量,本文对常用的遥感影像质量评价方法进行了综述.首先描述影像的主观评价方法,给出科学、稳定的主观评价值;然后对客观评价方法分类介绍;最后总结了当前影像质量评价方法存在的不足,可为遥感影像质量的评价与处理提供参考.     

浅议基于遥感解译的用地项目卫星监测方法

本文重点对基于遥感影像解译判读的卫星监测方法和遥感影像质量参数评价两个方面进行了探讨和研究,提出了实现遥感影像质量评价和用地变化情况的动态监测方法。     

多时相遥感影像辐射归一化方法综述

多时相遥感影像的辐射归一化是进行变化检测或拼接不可缺少的步骤。本文从绝对辐射归一化和相对辐射归一化两个方面对现有的多时相遥感影像辐射归一化方法进行了总结。对各种辐射归一化方法进行了剖析,并指出了这些方法的优缺点和适应性。最后对多时相遥感影像辐射归一化方法未来的发展进行了展望。     

基于规则库的高分辨率遥感影像质量评价

针对高分辨率遥感影像质量评价缺少客观、全面、定量方法的问题,提出了一种基于规则库的高分辨率遥感影像质量评价方法,构建了灰度统计特征、纹理特征、影像清晰程度等3个指标项及综合质量评价模型,并采用12景高分辨率遥感影像进行了实验验证。结果表明,该方法可准确评价高分辨率遥感影像的质量,实现了高分辨率遥感影像质量评价的主客观一致性。     

高分光学遥感影像全参照质量评价指标对比研究

影像质量评价对遥感影像处理起着非常重要的作用。本文在论述当前常用全参照遥感影像质量评价指标的基础上,选用IKONOS,TM,SPOT,QuickBird四幅光学影像作为实验原数据,首先对各影像添加不同程度的高斯白噪声和降质重采样处理,然后以原数据作为全参照进行统计对比分析,验证信息熵、清晰度、均方误差、峰值信噪比、结构相似度5个常用影像质量评价指标的可靠性。通过对实验结果的分析与总结,得出了一些有益结论,可为光学遥感影像的选取与处理提供参考。     

遥感影像融合质量评价方法研究

在多源遥感影像融合中,融合技术的千差万别使得融合方法对影像质量起着关键作用。如何准确地评价融合质量是影像融合的一个重要组成部分。本文通过主观评价和客观评价法对遥感影像融合的质量进行了探讨,利用Matlab系统分析了遥感影像融合中的评价指标,对PCA、IHS和Brovey融合法进行了对比分析。     

LBV变换在国产ZY-3卫星影像中应用研究探讨

根据国产资源三号(ZY-3)卫星遥感影像光谱特征,提出并推导适用于ZY-3遥感影像的LBV变换公式,探讨该方法在提高国产ZY-3卫星影像质量的可行性。首先,针对ZY-3遥感影像特点,选择9类典型地物光谱信息,通过回归分析求解回归系数;然后,根据影像典型地物空间(裸地、水体、植被)、色彩空间(红、绿、蓝)及LBV变量空间(地物总体辐射水平、可见光—近红外辐射平衡、辐射变换矢量)之间特点计算推导ZY-3卫星影像的L,B,V这3个分量;最后,利用福建省宁德市ZY-3遥感影像进行实验,定量分析评价实验结果。结果表明:①从目视效果看,相比原始影像,变换后影像更加清晰,层次感更强,细节信息也更为丰富,从而更有利于后续地物的判定、识别;②该方法得到的影像信息熵为6. 21,平均梯度为4. 71,偏差系数为0. 46,变换后遥感影像质量较好;③该方法对ZY-3遥感影像分类的总体精度最高达89. 71%,Kappa系数最高为0. 875 3,分类精度较高。因此,该方法能很好地提高ZY-3遥感影像质量,可用于ZY-3遥感影像处理及后续信息提取工作。     

遥感影像空间尺度上推方法的评价

首先分析了几种常用的影像质量评价指标在遥感数据空间尺度上推方法评价中的不足,同时提出了已有的关于空间尺度上推方法在评价思路上的不妥之处.引入了空间分辨率和SSIM(structural SIMilarity)2个遥感影像质量评价指标,给出了新的评价思路,并在此基础上对5种遥感数据空间尺度转换方法进行了评价.在本实验中,空间分辨率和SSIM 2个遥感影像质量评价指标一致表明,Bilinear和Bicubic方法的结果影像能够更好地接近目标空间尺度下的影像特征.实验表明,依据新的评价思路,采用空间分辨率和SSIM 2个评价指标进行空间尺度上推方法表现出较强的有效性和优越性.     

一种遥感影像边界无效像元的检测方法及应用

遥感数据在进行几何校正或投影变换后常常会在边界形成一些无效像元,这些无效像元会对影像的辐射信息统计、质量评价产生影响。提出了一种基于区域生长的影像边界无效像元检测方法,以4个顶点为种子点,考察种子点周围的所有边界来进行区域增长,通过这些点的区域增长将与无效像元具有相同灰度值属性的相邻像素合并到此区域。以信息熵为例,阐述了该方法在影像统计与质量评价中的应用意义。     

基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。     

遥感图像质量等级分类的深度卷积神经网络方法

遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。     

考虑人类视觉特征的融合图像评价方法

图像质量评价是遥感图像融合必不可少的环节,对融合图像的客观评价具有较好的研究价值,好的客观评价指标应尽量与主观评价一致。针对全色图像和多光谱图像的融合质量评价,在考虑人类视觉系统的多通道分解和对比度敏感特性的基础上,首先修改颜色失真和结构相似度来分别评价光谱信息和空间信息,然后综合两者作为融合图像的整体评价。以SPOT5图像和高分二号卫星图像为原始数据,对7种融合图像的质量进行了评价。实验表明,对于高分辨率的遥感图像,这种引入了人类视觉特征的融合评价方法与主观评价有很好的一致性。     

高分辨率光学遥感卫星反射点源像点提取方法

像点提取精度是高分辨光学遥感卫星几何定标精度的关键因素之一。本文提出一种基于轻小型、自动化反射点源的像点提取方法,以参数化高斯模型拟合获取点源影像的像点坐标。在轨试验结果初步表明,反射点源法所提取的像点坐标的共线误差小于0.001像素,比例常量的相对标准偏差优于5‰,与质心法等常用方法提取的点源像点坐标相比较,精度优于0.05像素。反射点源不仅能够实现高精度的像点提取,而且还能够实现高分辨率光学遥感卫星的高精度几何定标与像质评价,对提高我国航天遥感立体测绘精度具有重要意义。     

非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强

针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform, NSST)和参数化对数图像处理(parameterized logarithmic image processing, PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。     

高空间分辨率遥感影像最优分割结果自动确定方法EI北大核心CSCD

针对现有方法普遍存在不能充分顾及遥感影像多波段光谱信息,以及忽视遥感影像中地理要素的多尺度特性等问题,提出一种自动确定高空间分辨率遥感影像最优分割结果的非监督评价方法。该方法基于信息熵生成光谱信息离散度,利用光谱信息离散度构建能表达分割对象内部光谱均质性指标和分割对象与其相邻分割对象间光谱异质性指标。基于构建的光谱均质性和光谱异质性指标,采用“粗估计+精确定”的策略,逐步得到一个多级优化后的影像最优分割结果。本文在3个不同下垫面影像区域进行试验。结果表明,该方法能有效地实现自动确定高空间分辨率遥感影像最优分割结果,与现有方法相比,本文方法确定出的影像最优分割结果质量更高,与参考分割结果更加贴近。     

多源高分辨率遥感影像智能融合

本文面向多源高分辨率遥感影像自动化融合的应用需求,探索按需应用的智能化融合方法,充分利用不同分辨率和不同时相的高分辨率多源遥感影像数据资源与特性,研究了影像融合数据源选取的决策树算法,建立了遥感影像融合规则知识库,并自动化选取适合的融合算法,提出了Curvelet_HCS算法,对低频和高频系数选用不同的融合规则,改善了HCS算法的光谱失真问题,可同时融合多光谱影像的多个谱段,并保持更丰富的空间细节信息。根据融合评价结果对遥感影像融合规则知识库进行更新,实验验证表明了该套方法的有效性,为开展大规模智能化的多源遥感影像融合应用提供了重要的方法和技术支撑。