多幅正射影像镶嵌的接边精度改进方法

针对目前方法大多只能对两幅正射影像进行接边纠正且精度不高的问题,提出了一种基于最小二乘法的多幅正射影像镶嵌的接边精度改进方法。实验结果证明,该方法不仅提高了两幅影像接边纠正的精度,而且实现了多幅影像接边区域的同时纠正,消除了影像只能两两纠正带来的误差积累,得到了接边精度更高的镶嵌影像。     

大区域无人机影像快速无缝拼接方法

文章提出了一种面向大区域、多航带无人机序列影像快速、无缝拼接方法:以影像序列的航带排布特性作为先验知识,加快影像间多度重叠SIFT特征点的匹配;通过Levenberg-Marquardt方法平差求解拼接区域各影像的变换参数;根据中心投影的像点位移规律与影像间的相对位置关系进行重叠区影像的优选与接边处影像的融合。实验结果表明该方法对于平地、丘陵、山地等不同地形的无人机影像数据都具有很好的适应性。     

Photoshop软件在影像数据接边中的应用

针对色调差异的影像接边后会存在接边缝隙、色调不统一等问题,本文提出一种利用Photoshop软件进行无缝接边的方法。藏区大比例尺基础地理信息数据采集项目DOM接边项目试生产验证表明,此方法解决了色调差异形成的接边缝隙、接边色调不统一、影像带地理坐标等问题,且该方法能满足接边精度要求。     

基于资源限制性人工免疫系统的多光谱遥感影像分类方法

提出了一种基于资源限制性人工免疫系统（resouree limited artificial immune systems, RLAIS ）的多光谱遥感影像分类方法。该方法采用RLAIS对遥感影像分类中选取的感兴趣样区进行样本训练，得到全局聚类中心，利用聚类中心对遥感影像进行分类。实验证明，该方法在分类精度上优于传统方法，其总精度和Kappa系数分别达到了91%和0．88，具有实用价值。     

基于主动学习和空间约束的高光谱影像分类

高光谱影像具有数据量大、波段数多和信息冗余等问题,其分类一直是目前的一项研究热点。针对高光谱影像分类存在的问题,本文提出了一种利用主动学习和空间约束的高光谱影像分类方法。首先利用样本的先验分布状态建立样本的置信度模型,迭代选择最有"价值"的样本扩充训练样本库,以此训练最优的支持向量机分类器对高光谱影像进行分类,然后利用马尔科夫随机场(Markov Random Fields,MRF)引入空间信息,优化分类结果。文中在Indian Pines数据集上验证提出方法的有效性。实验结果表明,本文提出的方法通过样本的先验信息训练最优的SVM模型,能够有效地分类不同地物,总体分类正确率达到88%以上。     

基于镶嵌数据集的多源影像标准分幅裁剪

介绍了基于ArcGIS平台的影像镶嵌数据集,并利用其对多源影像进行标准分幅裁剪,对于多源影像标准分幅裁剪处理存在的数据量大、色彩过渡难、接边难、人工干预多等问题,提出了较好的解决方法,大大提高了工作效率.     

基于多时相遥感影像的耕地利用信息提取研究

耕地为人类的生存和发展提供了重要的物质基础,是人类生存必不可少的基础资源。利用遥感影像进行耕地资源信息提取,可以为耕地资源保护提供数据支持。以黑龙江省鹤岗市为研究区,以1990年、1999年、2010年、2016年Landsat影像为数据,提取耕地信息。通过对研究区多时相遥感影像进行影像融合、图像增强、镶嵌和裁剪以及影像接边检查等预处理,利用监督分类(GLC和SVM)方法进行遥感影像解译,对解译后数据进行人工目视解译,生成耕地利用数据库。研究结果表明:不同地物光谱特征的选取对地物分类、信息提取有直接影响;进行监督分类时选点的疏密离散程度决定其成果精度的高低,对于耕地信息提取有直接影响;监督分类的方法具有结构简单、计算效率高的特点,对于大数据量的遥感影像处理更有优势。本研究成果可为研究区耕地利用保护提供基础数据。     

数字镶嵌中的两维接边选择和彩色图像的镶嵌——IRSA-2遥感图像处理系统发展之五

在计算机图像镶嵌中,两相邻图像间接缝的选择是个关键性步骤。常用的方法是根据某种误差准则来逐行(列)选择接边点。现有的误差准则中存在的问题是水平接边质量比垂直接边的质量差。本文提出用两维接边准则代替原有一维准则,使水平接边与垂直接边质量相当。对多波段彩色合成图像数字镶嵌,提出了在三组图像重叠区加权绝对灰差和图像上用两维准则选择寻找接边点的方法。取得了较好的结果。     

面向对象的植被与建筑物重叠区域的点云分类方法

在分析LiDAR点云数据分类现状的基础上,针对植被与建筑物重叠区域分类困难的问题,提出了一种基于面向对象的点云分类方法.首先采用三角网渐进内插的滤波方法将点云分为地面点和非地面点,并得到DTM;然后对高出DTM一定高度的非地面点建立三角网,删除较长的三角网的边(地物间的边),从而将非地面点云分割成多个对象;再利用各个对象内的三角网坡度信息熵大小判断该对象属于植被或建筑物;最后对于难以区分的对象(植被与建筑物重叠区)根据建筑物几何规则形状延伸扩充,从而提高植被和建筑物重叠区的点云分类准确率.实验结果表明,该方法能够很好地区分建筑物和植被点,分类准确率达到87％.     

面向小样本分类的高光谱影像特征提取

研究了面向小样本分类的高光谱影像特征提取技术,提出了一种用于小样本分类的投影寻踪指标和基于SVMPP的高光谱影像特征提取方法;并借助误差校正输出码,将两类问题的特征提取推广到多类情况.通过高光谱影像分类实验证明,该方法具有很强的小样本学习能力,能够在先验信息很少的情况下较准确地提取地物的分类特征.