基于核 072方法的高分辨率遥感图像自动解译

针对基于像元的高分辨率遥感图像自动解译存在的缺点!提出一种分三步走的高分辨率遥感图像自动解译技术流程：首先采用核PCA进行特征提取!然后采用支持向量机（Support Vector Machine,SVM）进行分类!最后采用择多滤波器进行分类后处理。 通过对覆盖西藏山南地区的IKONOS图像的解译实验表明,本文方法能够有效地实现遥感图像自动解译,其结果与人工目视解译图基本一致,取得了理想的效果。     

基于核PCA方法的高分辨率遥感图像自动解译

针对基于像元的高分辨率遥感图像自动解译存在的缺点,提出一种分三步走的高分辨率遥感图像自动解译技术流程:首先采用核PCA进行特征提取,然后采用支持向量机(Support Vector Machine,SVM)进行分类,最后采用择多滤波器进行分类后处理。通过对覆盖西藏山南地区的IKONOS图像的解译实验表明,本文方法能够有效地实现遥感图像自动解译,其结果与人工目视解译图基本一致,取得了理想的效果。     

像素级和对象级高分辨率遥感图像变化检测分析

高分辨率遥感图像具有丰富的纹理信息,而像素级变化检测方法主要分析图像的光谱信息,导致将像素级变化检测方法用于高分辨率遥感图像具有一定的局限性。因此,本文提出了一种像素级与对象级相结合的高分辨率遥感图像变化检测方法,解决了像素级与对象级变化检测方法中存在的椒盐现象、误检等问题。首先,结合高分辨率遥感图像的多维特征,构建遥感图像变化检测模型;其次,利用随机森林分类器对图像进行分类,得到像素级变化检测结果;最后,将像素级变化检测结果与图像对象分割结果进行融合,得到图像变化区域和不变区域。试验结果表明,该算法具有较高的准确率和检测精度。     

基于Faster R-CNN的高分辨率图像目标检测技术

为提升传统算法对高分辨率遥感图像中地物目标的检测效果,将深度学习目标检测框架快速区域卷积神经网络(faster regions with convolutional neural network,Faster R-CNN)应用于高分辨率遥感图像目标检测任务中。以机场为检测场景、飞机为检测目标进行实验,首先,利用高分辨率遥感图像数据集训练Faster R-CNN框架,得到相应的目标检测模型;然后,采用该模型对高分辨率遥感图像中的飞机目标进行检测;最后,对实验结果进行统计分析及评价。实验结果表明,Faster R-CNN模型能够全面而准确地检测飞机目标,最优F1分数值为0. 976 3,并且同一个模型可以对多种高分辨率遥感图像进行目标检测。     

一种频域高分辨率遥感图像线状特征检测方法

高分辨遥感图像中线状特征等的自动识别与提取是进行遥感图像分析与理解等高层次图像工程的前提和基础,但由于高分辨率遥感图像中细节信息异常丰富,这给特征的提取带来很大干扰。本文引入了一种基于方向和频率特征的遥感图像频域线状特征检测方法,该方法首先通过傅氏变换将图像变换到频率域,在详细分析线状特征和谱线的关系,线状特征和图像频率之间关系的基础上,基于分析得到的方向和频率的参数构造Gabor滤波器进行图像线状特征的提取。并以Quick bird高分辨率遥感图像进行相关提取实验,实验结果表明该方法较好地提取了图像的线状特征,为基于具体频谱分析的高分辨率遥感图像特征的精确提取提供了新思路和方法上的借鉴。     

基于ERMapper软件的QuickBird卫星影像处理实践

采用卫星遥感方法制作的数字正射影像是获取基础空间信息最快速、高效的手段，利用高精度卫星遥感成图，处理速度快、工艺简便、图像清晰，而且精度达到成图要求。本文介绍了以高分辨率的QuickBird卫星影像为研究对象，利用ERMapper图像处理系统进行图像的几何校正、全色与多光谱数据融合方法与过程。     

五种分割算法在高分辨率遥感图像中的适用性分析

本文将5种图像分割算法应用在高分辨率遥感图像分割上,并利用图像分割评价指标,对5种分割算法进行了对比分析,评价了各种方法的优缺点,讨论了它们在高分辨率遥感图像分割中的适用性,明确了不同分割方法的适用条件。实验结果表明,改进的分水岭分割法与JSEG分割法在高分辨率遥感图像分割中的适用性比较强,对大小斑块分割结果都比较好,而其他3种方法不能兼顾不同等级的斑块。     

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。     

面向对象的形态学建筑物指数及其高分辨率遥感影像建筑物提取应用

高分辨率遥感影像建筑物提取是摄影测量与遥感领域的一个热门研究主题。本文综合利用影像分割、基于图的数学形态学top-hat重建技术,提出了面向对象的形态学建筑物指数OBMBI,并将其应用于高分辨率遥感影像建筑物提取。首先,建立像素-对象-图节点的双向映射关系;然后,基于图的白top-hat重建和上述映射关系来构建OBMBI图像;接着,对该OBMBI图像二值化、矢量化以获取建筑物多边形;最后,对结果进行后处理优化。使用一景航空、一景卫星全色影像对本文方法和PanTex方法进行性能测试。试验表明,本文方法的建筑物提取精度显著的优于PanTex方法。其中,本文方法平均比PanTex方法的正确率高9.49%、完整率高11.26%、质量高14.11%。     

曲波特征加权的高分辨率遥感图像统计分割方法研究

高分辨率遥感图像精确分割是遥感图像处理的研究热点和难点。高分辨率遥感图像中同质区域间的差异性不仅表现在光谱特征上,同样存在于边缘、纹理等结构特征上。为了更好分割高分辨率遥感图像,需在分割算法中考虑结构特征。因此,如何提取更多有助于精准分割的结构特征,并探究这些特征在分割过程中的作用规律成为设计高分辨率遥感图像分割算法的关键问题。为此,论文提出在曲波变换理论基础上构建不同结构特征提取模型,并以加权的方式将提取的结构特征纳入贝叶斯和能量分割模型中。     

多源遥感影像数据的融合方法探讨

在分析和总结多源遥感影像数据融合的基础上,探讨了多源遥感影像数据融合的层次、模型、结构及其特点.归纳总结了多源遥感影像数据融合方法,目的是提高多光谱影像分辨率的同时保持色调不变,从另一个角度理解为在已知低分辨率多光谱影像和高分辨率全色影像的基础上,模拟生成高分辨率多光谱影像.本文介绍了遥感影像融合技术,系统阐述了几种常见的遥感影像融合方法及其应用.     

基于多进制小波变换的遥感影像融合

首先介绍了遥感影像融合的理论和方法 ,然后在讨论多进制小波理论的基础上 ,提出了一种基于特征的多进制小波变换的影像融合算法 ,该算法根据待融合影像分辨率之比确定采用多进制小波 ,从而最大限度的利用了待融合影像的信息 ,防止影像信息的丢失。通过对具体影像的实验 ,证明融合后的影像最大限度地保留了待融合影像的光谱信息 ,同时提高了待融合影像的清晰度和空间分辨率。文中给出了SPOT全色影像与SPOT多光谱波段影像、SPOT全色影像与TM影像的融合结果 ,并与其他方法进行了比较 ,证明了本方法的优越性和自适应能力     

基于支持向量机的SPIN－2影像与SPOT－4多光谱影像融合研究

遥感影像融合是解决多源海量数据富集表示的有效途径之一。针对高分辨率遥感数据SPIN-2(2m)与多光谱遥感数据SPOT-4(20m)的影像融合，提出了基于支持向量机(SVM)的遥感影像融合的新方法。建立了基于SVM的遥感影像融合模型，并进行了分类融合实验，实验效果较好。最后给出了分类融合评价。结果表明，支持向量机可用于遥感影像融合，且分类融合精度较高。     

浅谈基于ERDAS IMAGINE软件的几何精纠正方法

随着遥感技术日新月异的发展,它在各个领域的应用已经越来越广泛。目前市场上遥感软件的种类很多,比较具有代表性的软件为美国ERDAS公司开发的遥感图像处理系统。遥感图像的几何精纠正是遥感图像分类、专题制图的基础,也是遥感应用研究的基础。本文正是基于ERDAS IMAGINE软件浅谈遥感影像的几何精纠正方法。     

基于扩展关系数据库的遥感影像数据库管理系统的研究与实现

通过对遥感影像数据库管理系统的研究背景、现状和管理模式及存在的主要问题的分析，进行了基于扩展关系数据库的遥感影像数据库管理系统关键技术实验，开发了一个原型系统。实验结果表明，基于大型的扩展关系数据库来管理遥感影像数据是可行的和优越的。     

浅谈基于ERDAS IMAGINE软件的几何精纠正方法

随着遥感技术日新月异的发展,它在各个领域的应用已经越来越广泛。目前市场上遥感软件的种类很多,比较具有代表性的软件为美国ERDAS公司开发的遥感图像处理系统。遥感图像的几何精纠正是遥感图像分类、专题制图的基础,也是遥感应用研究的基础。本文正是基于ERDAS IMAGINE软件浅谈遥感影像的几何精纠正方法。     

浅谈基于ERDAS IMAGINE软件的几何精纠正方法

随着遥感技术日新月异的发展,遥感技术在各个领域的应用越来越广泛。目前市场上遥感软件的种类很多,比较具有代表性的软件为美国ERDAS公司开发的遥感图像处理系统。遥感图像的几何精纠正是遥感图像分类、专题制图的基础,也是遥感应用研究的基础。该文基于ERDAS IMAGINE软件浅谈遥感影像的几何精纠正方法。     

利用PixelGrid系统处理多源遥感影像方法研究

随着科学技术的快速发展,人们对于高性能计算技术的需求日益迫切,大规模数据并行处理的集群式系统实现技术开始逐步成熟。我国已对该项技术进行了深入研究,并将其应用到遥感影像处理技术当中,形成了集群式数字摄影测量系统Pixel Grid。相对于传统的摄影测量及遥感影像处理过程,集群式系统整合资源、集成技术,大大提高了数字摄影测量以及遥感影像数据处理乃至空间信息提取的处理效率。这也是目前遥感影像处理技术发展的重要方向之一。     

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。     

基于小波变换的遥感图像压缩方法研究

随着遥感技术的迅速发展,遥感图像数据量日益庞大,有限的信道容量与传输大量遥感数据的需求之间的矛盾日益突出。数据压缩技术作为解决这一问题的有效途径,在遥感领域越来越受到重视。本文探讨了利用小波变换对遥感图像进行压缩的技术。