多尺度分形压缩感知遥感成像方法

针对压缩感知(compressive sensing,CS)在遥感成像应用中存在的若干瓶颈,提出一种基于多尺度透镜组的分形压缩感知成像方法。一方面,通过多尺度透镜组避免了基于稀疏表示的CS成像方式在大视场角观测条件下出现海量运算开销的问题;另一方面,运用分形维度代替l1范数最小化作为求解CS成像问题中的目标函数,实现了中、高分辨率遥感成像在图像细节水平上的质量提升。试验表明,多尺度分形压缩感知成像方法与传统CS成像相比,不仅能达到遥感成像的时效性要求,而且其细节层次上的成像质量也大幅提高。     

结合分形理论和自适应图像块划分的遥感图像噪声估计

针对场景复杂的光学遥感图像中加性噪声估计问题,提出了一种结合分形理论和自适应图像块划分的噪声估计方法。区别于传统的基于规则图像块划分的噪声估计方法,本文提出了一种自适应于图像局部信息的图像块划分算法,更大程度地保证了自适应图像块内部的平滑性。结合基于分形理论的图像低粗糙度纹理区域选取和基于统计分析的图像噪声标准差计算,实现了光学遥感图像加性噪声强度的自动估计。利用资源三号卫星图像进行定量试验分析,试验结果表明本文方法可以有效地适用于不同复杂程度、不同噪声强度的光学遥感图像。同时,本文中低粗糙度纹理区域选取和自适应图像块划分的方法经过改进后,还可以应用于雷达图像中乘性噪声的估计。     

基于非局部总变差的消除不规则采样遥感图像复原方法

提出一种消除不规则采样的遥感图像复原方法,该方法结合了ACT算法和总变差（TV）图像复原模型以达到同时去除多种图像退化因素的目的,并且结合非局部均值（NLM）算子给出了基于NLTV的消除不规则采样遥感图像复原模型,最后使用算子分裂与扩展的坎贝尔投影算法求解模型。实验结果表明,该方法能够有效减少复原图像的阶梯效应并提高复原图像的纹理细节信息。     

一种遥感图像信噪比评估和度量准则

对遥感图像信噪比的研究,能够很好地反映在轨运行的不同卫星遥感器辐射性能的变化与衰退情况。由于在轨成像环境的差异,如果直接比较不同遥感图像间的信噪比关系,将与实际结果产生较大分歧。通过对遥感图像进行图像块划分、匀值图像块选取以及图像灰度值与成像时传感器入瞳辐亮度的关系转换,提出一种遥感图像间信噪比的评估和度量准则,以进行不同遥感图像信噪比的比较,实现全自动的信噪比评估及度量。并对我国卫星传感器在不同时期所成图像信噪比的关系进行分析,验证该信噪比评估和度量准则的可靠性。     

一种扩展SURF描述符及其在遥感图像配准中的应用

针对经典算法存在着运算时间过长或者匹配正确率不高的情况,提出一种扩展的SURF描述符。在原始SURF描述符的基础上,通过计算特征点相应尺度上的邻域采样点的局部归一化灰度统计信息以及二阶梯度值细节信息,形成新的扩展描述符。该方法不但能传承SURF算法速度快的优良性能,还能充分利用图像的灰度信息和细节信息。通过试验表明,综合考虑算法运行效率与匹配正确率,本文算法较原有经典算法更具稳健性。