基于压缩感知的无人机航拍遥感图像动态重构方法

针对当前无人机航拍遥感图像动态重构效果不佳,图像清晰度较低的问题,提出基于压缩感知的无人机航拍遥感图像动态重构方法.构建无人机航拍遥感影像降质模型,获取图像特征信息,进一步对无人机航拍遥感图像进行降噪预处理,更好地提高无人机航拍遥感图像的分辨率、光谱和多时相趋势,有效解决采样数据量大、采样时间长、数据传输存储量大等资源浪费问题.最大程度上提高无人机航拍遥感图像的采样率、降低无人机航拍遥感图像动态重构复杂度,有效获得高质量的图像重建的研究要求.实验结果表明,提出的基于压缩感知的无人机航拍遥感图像动态重构方法正确有效,优于目前的主流方法.     

利用遥感图像处理的方法进行北京市绿化隔离地区绿地调查

该文介绍了利用遥感图像处理方法对北京市绿化隔离地区进行绿地调查的情况, 采用了ETM数据和SPOT数据融合的图像为处理对象,并辅助以实地采样与现 有的绿化辅助数据,保证了信息提取的高精度,在成本、技术与分类精度上寻找 到了适合于绿地调查的契合点。     

基于热传导模型的像素级遥感图像融合

通过热传导方程给出了一种像素级遥感图像融合模型和方法：1)给出了空间域内高分辨率图像与低分辨率图像之间的扩散关系,作为特例得到了Brovey变换(Brovey Transform,BT);2)给出了图像融合与增强的统一表达式并得到基于亮度平衡的融合方法;3)低分辨率多光谱图像的方差较小情形,指出基于方差的标准图像融合方法将会丢失高空间分辨率全色图像信息。实验表明,除了图像量化误差以外,所提议的方法不会丢失已知图像的空间分辨率和波谱信息。     

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的遥感图像信息,实现更精准、更全面的对地观测,是遥感对地观测领域的核心关键技术。本文从多源遥感图像的数据来源出发,综述了多源遥感图像融合的研究现状与未来发展趋势:首先介绍了国内外现有多源遥感图像的主要来源、图像特性与典型应用;然后,对不同类型多源遥感图像融合的研究现状和挑战性难题进行了归纳和总结;最后,对多源遥感图像融合的未来发展趋势进行了展望。     

多源遥感图像融合的数据对象选择

多源遥感图像融合处理能够综合利用来自多种传感器的遥感图像,获得关于同一目标/场景的更为准确、全面和可靠的描述。针对不同的应用目的、图像融合算法和传感器特性,遥感图像融合的数据对象选择有所不同。分析影响遥感图像融合数据对象选择的这三个方面主要因素,总结一些以往成功的多源遥感图像融合中数据对象的组合模式,给出具体的传感器组合应用实例。     

基于多源遥感数据的第三次国土调查内业信息提取方法

为确保土地利用数据的真实性,设计基于多源遥感数据的第三次国土调查内业信息提取方法.以高分二号卫星采集的全色与多光谱影像为基础,采用S-G(Savitzky-Golay)滤波器通过噪声消除、配准、重采样实现全色与多光谱影像融合,利用像元亮度校正改善融合后影像像元亮度饱和现象.根据最小代价切割实现多源遥感影像不同地类边界划分,获取大量遥感影像图块,逐个分析与判断遥感影像图块类型,通过同第二次国土调查数据库相对比提取差异性地类图斑、偏移图斑、在建图斑,实现第三次国土调查内业信息提取.实验结果显示,该方法的遥感影像分割与融合效果好,可有效提升遥感图像清晰度,增强图像细节特征,保证土地利用数据的真实性.     

小波变换在遥感图像数据融合中的应用

用小波变换实现了一种新的遥感图像数据融合方法 ,该方法采用梯度算法对不同尺度子带数据进行融合 ,用加权法对基带数据进行融合。给出了 SAR图像与 TM图像的融合结果的定性评价 ,并用熵及平均梯度进行了定量评价     

面向光谱特征优化的遥感图像融合算法

针对传统遥感图像融合方法不能充分利用遥感系统的物理特征信息,使融合结果产生光谱扭曲的问题,该文结合小波变换与非下采样Contourlet变换的优点,提出了一种面向光谱特征优化的图像融合方法。通过对变换所得的高频分量依据决策因子阈值抽取全色图像细节信息,将经反方向滤波得到的有效高频细节面附加给多光谱图像分量,实现融合结果影像的光谱特征优化。结合小波变换、非下采样Contourlet变换的融合方法,实现Aster多光谱与资源二号全色影像的融合。试验结果表明:该算法在增强空间信息的同时,高效地实现了融合图像光谱特征的优化。     

遥感图像数据重采样的一种快速算法

从原始遥感图像几何畸变特征出发，建立了SeaStarStarSeaWiFS和NOAA AVHRR遥感图像数据重采样的一种快速算法，并提出了邻点权重重采样方式。该种快速长法能有效地提高遥感图像几何校正的速度，并适用于连续对地观测系统遥感数据的重采样过程。邻点权重重采样方式可用以替代通常的最近邻点和双线性插值采样方式。     

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。     

Single-Pixel Remote Sensing

In this letter, we apply a new sampling theory named compressed sensing (CS) for aerospace remote sensing to reduce data acquisition and imaging cost. We can only record directly single or multiple pixels while need not the use of additional compression step to improve the problems of power consumption, data storage, and transmission, without degrading spatial resolution and quality of pictures. The CS remote sensing includes two steps: encoding imaging and decoding recovery. A noiselet-transform-based single-pixel imaging and a random Fourier-sampling-based multipixel imaging are alternatively used for encoding, and an iterative curvelet thresholding method is used for decoding. The new sensing mechanism shifts onboard imaging cost to offline decoding recovery. It would lead to new instruments with less storage space, less power consumption, and smaller size than currently used charged coupled device cameras, which would match effective needs particularly for probes sent very far away. Numerical experiments on potential applications for Chinese Chang'e-1 lunar probe are presented.