基于正则MAP模型的遥感影像亚像元定位

为了更好地解决亚像元的定位问题，基于超分辨率影像重建的技术，结合亚像元定位理论，提出了一种应用于亚像元定位的正则MAP估计模型，并且通过真实数据进行了检验。实验表明，该模型是一种简单、有效地解决亚像元定位问题的方法。     

吉林一号光谱卫星对月观测图像定位方法

明确遥感图像中像元位置是数据应用的基本前提,结合地球轨道卫星获得的高分辨率月球视图,有望通过月表特定区域的辐亮度直接标定卫星仪器。本文针对吉林一号光谱02星(JL1GP02)对月观测图像提出了一种不严格依赖仪器参数的月球图像坐标计算方法,通过观测时刻的卫星视角天平动,以及月球和仪器扫描的方位关系,计算了二维图像像元的月面坐标,并通过创建模拟图像评估了几何定位质量。结果表明,不同分辨率月球观测图像的几何偏差通常在1.3个像元之内,约两年的时序结果非常一致且总体服从正态分布也表明定位结果的可靠性。本文方法可以避免复杂的坐标转换,并可在仪器内方位参数未知的情况下实现月球图像像元级几何定位。     

资源一号02C与Landsat8影像融合方法对比分析

针对以往关于资源一号02C和Landsat8卫星影像数据融合的研究不足的问题,该文利用前者在空间分辨率上高于后者、后者具有前者所不具有的光谱信息这一特性,选取主成分变换法、比值变换法、色彩变换法、高通滤波法和超分辨率贝叶斯法5种融合方法,分别对两种数据本身及数据间进行融合,并利用定性与定量的方法对融合结果进行评价,得出:资源一号02C星全色波段与多光谱波段数据融合结果中高通滤波法与超分辨率贝叶斯法效果较好,Landsat8OLI全色波段与多光谱数据融合结果中高通滤波法效果最好,资源一号02C星全色波段与Landsat8OLI多光谱数据融合结果中高通滤波法效果最好。     

超像元尺度下的多光谱图像超分辨率洪水淹没制图

超分辨率制图SRM (Super-resolution Mapping)技术可以有效地处理遥感图像中的混合像元,获得准确的地物类别分布信息。目前,SRM技术已经成功地应用于多光谱图像洪水淹没定位中,称为超分辨率洪水淹没制图SRFIM (Super-resolution Flood Inundation Mapping)。然而,现有的SRFIM方法往往基于像元尺度空间相关性,这种空间相关性考虑设定的矩形窗内的像元之间的空间关系,但实际情况下淹没区域与非淹没区域的形状是不规则的,因此这种像元尺度空间相关性不够准确,影响最终的洪水淹没制图精度。为了解决这一问题,提出了超像元尺度空间相关性下的多光谱图像超分辨率洪水淹没制图SSSC-SRFIM (Super-resolution Flood Inundation Mapping for Multispectral Image Based on Super-pixel Scale Spatial Correlation)。在SSSC-SRFIM中,首先利用双立方插值改善原始粗糙多光谱图像,获得改善后的图像,并利用光谱解混方法对改善后的图像进行光谱解混,获得具有每个亚像元属于淹没类别概率值的丰度图像;然后利用主成分分析法提取改善后图像的第一主成分,并利用基于多分辨率的图像分割算法分割第一主成分,获得不规则形状的超像元;再者将丰度图像与超像元进行整合计算,并引入随机游走算法计算各个超像元之间的空间相关性;最后,依据超像元空间相关性,利用基于类别单元的类别方法将淹没区域或非淹没区域标签分配给每个亚像元中,得到最终的洪水淹没制图结果。利用两个Landsat 8 OLI多光谱图像对该方法进行了评价。结果表明,与传统的SRFIM方法相比,本文提出的SSSC-SRFIM方法具有更好的效果。     

基于SIFT匹配和RANSAC算法的超分辨率重建

图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术，其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像，本文提出一种基于SIFT匹配和随机采样一致性算法（RANSAC）的运动估计算法，该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配，然后使用RANSAC算法消除误匹配点并获取投影变换矩阵，从而获得图像序列间的亚像素级的运动信息；采用一组低分辨率序列图像进行试验，基于上述运动估计算法，采用迭代反投影进行超分辨率重建。试验结果表明，运动估计精度较高，重建影像具有较好的视觉效果，尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。     

运动分割和光流估计的卫星视频超分辨率重建

针对卫星视频中存在局部运动目标的问题,该文提出了一种运动分割和光流估计联合约束的卫星视频超分辨率重建算法。首先通过视频帧间运动分割方法提取局部运动目标,获得其边缘信息;其次用光流方法对视频图像进行逐像素的运动估计,获得初始运动矢量场;利用分割边缘和运动矢量场进行联合约束,并统一运动目标内的光流矢量,获得纠正后的运动矢量场,并作为几何运动矩阵,将其补偿到超分辨率重建模型中生成高分辨率图像;最后用卫星视频数据进行实验,并与传统方法结果进行对比,证明该文算法可以有效地克服运动目标的伪影效应,提升了卫星视频的分辨率。     

空间感知残差网络的遥感图像超分辨率重建

为了提升遥感图像超分辨率重建算法纹理细节信息还原能力,该文提出了一种基于特征空间感知损失深度残差网络的遥感图像超分辨率重建算法。该算法增加了深度残差网络中的残差块数量,在网络末端采用了亚像素卷积的方法,并在损失函数中增加了特征空间感知损失。在UCMerced_LandUse数据集上进行了训练,并在UCMerced_LandUse数据集和Draper Satellite Image Chronology数据集上进行了测试。测试结果证实了该算法与其他算法相比在峰值信噪比和结构相似性指数上均有一定的提高,证实了该算法较好的超分辨率重建效果与还原遥感图像纹理细节信息的能力。     

遥感影像超分辨率重建的字典学习类算法

近年来基于字典学习的超分辨率重建技术已成为图像处理领域的研究热点,相比基于重建的超分辨率方法,基于学习的方法充分利用了先验知识,在放大倍数较高时,仍可取得较好的效果,因此被公认为一种非常有前途的方法。本文对国内外已有的基于字典学习的超分辨率重建方法进行了系统研究,梳理了3种基于字典学习超分重建算法的基本原理及优缺点。此外,本文根据遥感影像的特点,使用同一数据源进行字典学习,利用不同字典学习算法分别生成高、低联合字典对,采用不同尺寸大小及缩放倍数的测试图像,进行超分辨率重建,对各种算法的重建性能、鲁棒性和复杂度进行综合分析,进一步研究了各种算法对遥感影像不同应用需求的适用性。     

ALOS-PRISM遥感影像超分辨率重建

介绍了日本ALOS卫星PRISM三线阵传感器的成像原理和方法,提出了利用PRISM三线阵影像进行超分辨率重建来提高PRISM影像的空间分辨率.提出了新的光流配准算法,该算法将标准互相关配准算法引入到Lueas-Kanade光流配准算法中,大大的减少了误配率,能够有效的消除PRISM Level 1级别的影像之间由于地形起伏所引起的变形.同时,改进了影像的高斯退化模型,在超分辨率算法中,引入了可变退化函数,通过交替最小化(AM)算法对可变退化函数进行盲估计,实验结果表明,超分辨率重建影像与插值影像相比,细节清晰很多,有效的提高了影像的分辨率.实验结果说明了本文配准算法可以达到超分辨率重建的亚像素的精度要求,可以应用于航空遥感影像的高精度匹配,同时也说明了将航空遥感影像的退化函数算子分为高斯退化算子和可变退化算子的思想是正确的,符合实际情况.     

CBERS-02B星数据融合方法评价

CBERS—02B星(以下简称02B星)多光谱CCD数据与全色HR数据空间分辨率相差较大，给图像融合带来一定困难。在对IHS变换、主成分分析变换、Brovey 变换、GS变换等融合算法分析的基础上，利用02B星数据进行了融合试验。通过对试验结果的目视评价与定量分析发现，PC变换和GS变换方法融合图像纹理信息较清晰，光谱保真度较好。在GS变换融合中，可利用02B星CCD相机第5波段模拟GS变换的低分辨率输入，融合结果统计值优于PC变换。     

激光测高数据辅助卫星成像几何模型精化处理

资源三号02星搭载了中国首个对地观测试验性激光测高载荷。借鉴目前较成熟的卫星影像区域网平差理论的基础上,结合近年来激光测高数据精度的大幅提升以及资源三号02星激光测高数据的特点,首次提出了激光测高数据辅助卫星立体影像进行成像几何模型精化处理的通用理论。首先,利用传统的区域网平差算法对所处理影像进行高精度连接点匹配处理,并对其进行无约束的自由网平差处理,获得高精度相对精度及不亚于原始成像几何模型的绝对精度;其次,根据激光测高数据3维坐标和精化后参考影像成像几何模型获取激光数据参考影像坐标;而后将参考影像坐标通过几何模型映射获取目标影像上待匹配影像坐标,通过连接点匹配算法,对待匹配目标影像坐标进行精化获取高精度像方同名点;最后,以同名点作为高程控制进行区域网平差计算,对影像成像几何模型进一步处理,获取高精度补偿参数。通过湖北、青海两测区的试验,以激光测高数据辅助卫星影像几何模型精化精度可分别达到1.97 m、3.23 m,结果表明本文提出的方法可有效提高卫星立体数据测图精度。     

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。     

高分辨率卫星遥感影像姿态角系统误差检校

简要介绍高分辨率卫星遥感影像的严格几何处理模型,提出较为严密的影像姿态角系统误差检校模型。通过对SPOT-5、CBERS-02B两种卫星遥感影像的试验证实模型的正确性和方法的有效性。对影像姿态角系统误差进行补偿后,可明显提高卫星遥感影像对地目标定位的精度,且优于影像姿态角常差检校的效果,目标点平面定位精度达到了±(2～3)像素的水平。     

Universal reconstruction method for radiometric quality improvement of remote sensing images

The performance of remote sensing images in some applications is often affected by the existence of noise, blurring, stripes and corrupted pixels, as well as the hardware limits of the sensor with respect to spatial resolution. This paper presents a universal reconstruction method that can be used to improve the image quality by performing image denoising, deconvolution, destriping, inpainting, interpolation and super-resolution reconstruction. The proposed method consists of two parts: a universal image observation model and a universal image reconstruction model. In the observation model, most degradation processes in remote sensing imaging are considered in order to relate the desired image to the observed images. For the reconstruction model, we use the maximum a posteriori (MAP) framework to set up the minimization energy equation. The likelihood probability density function (PDF) is constructed based on the image observation model, and a robust Huber–Markov model is employed as the prior PDF. Experimental results are presented to illustrate the effectiveness of the proposed method.     

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

面向应用的CBERS-02星高分辨率相机成像数值模拟技术框架

技术框架研究的目标是准确仿真卫星高分辨率相机成像过程中辐射和几何质量的下降情况，从应用方的角度建立评价高分辨率卫星相机在国土资源领域的应用潜力和技术框架，并以CBERS-02B星HR相机在轨成像模拟为例进行了原理验证，同时对今后以国土资源应用评价为目标的高分辨率相机在轨成像模拟改进方案提出了建议。     

基于HMRF先验模型的HBE卫星遥感图像超分辨率重建

提出了一种在Bayes概率统计框架下的混合Bayes超分辨率重建算法，该算法采用Huber马尔可夫随机场（Huber Markov random field，HMRF）模型对理想图像进行先验建模，可以较好地突出重建图像的不连续边缘特征信息。实验结果表明，该算法克服了极大后验概率估计（maximum a posteriori，MAP）算法中的若干缺陷，取得了良好的重建结果，图像边缘特征清晰，纹理信息突出。     

自相似性和边缘保持分解的超分辨率重建算法

针对目前遥感图像超分辨率重建中存在边缘细节信息重建效果不佳的问题,本文提出了—种自相似性特征和边缘特征保持分解的超分辨率重建方法。首先,为了充分利用原始低分辨率图像自身的相似性信息,通过局部自相似性重建方法得到图像的初始重建结果;然后,为进一步增加不同尺度的边缘信息,采用加权最小二乘法对初始重建结果进行多尺度边缘保持分解,并对分解的细节层进行加权线性组合;最后,通过优化计算,得到融合多尺度边缘、细节信息及局部相似性特征的超分辨率重建图像。利用多组仿真和遥感卫星图像进行对比试验。结果表明,该方法可有效提升遥感图像的边缘信息和细节信息。