基于物方影像匹配的DEM聚类变化检测

提出了DEM的变化检测问题,采用了基于密度的聚类分析方法对匹配所得的初始变化区域进行分析,实现了地表高程变化区域的检测.     

高分六号宽幅相机在轨几何定标及精度验证

高分六号宽幅相机能够实现单相机成像幅宽优于800 km,对大尺度地表观测和环境监测具有独特优势。在轨几何定标是光学遥感卫星几何处理的关键环节,直接影响影像的几何质量。本文充分考虑高分六号宽幅相机超大视场的畸变特性以及多谱段的成像特点,提出宽幅相机在轨几何定标方法,采用基于探元指向角的几何定标模型补偿宽幅相机系统误差,通过绝对定标和相对定标方法联合估计各波段的内外定标参数。利用Landsat 8影像、资源三号DSM为参考数据,对宽幅相机进行绝对定标处理,再利用ASTER GDEM为参考数据进行相对定标处理,其几何定标结果表明,高分六号宽幅影像绝对定位精度在3像素左右,内部几何精度能稳定在1像素,且波段间配准精度在0.3像素以内,表明在轨几何定标后高分六号宽幅影像几何质量得到了明显的提升。     

针对星敏感器非线性畸变的非参数化在轨检校方法

为了对星敏感器的非线性畸变进行在轨检校,本文提出了一种非参数化的检校方法,该方法以B样条格网的形式表达非线性畸变,不需要预先估计一个参数化的畸变模型,从而可以处理任何形式的畸变。针对星敏感器不同模式畸变的仿真实验表明,本文提出的方法有效、可靠并且具有鲁棒性。     

中国空间数据基础设施建设

空间数据基础设施（Spatial Data Infrastructure，简称SDI）是指用于采集、处理、加工地理空间数据（或称地理信息），并进行管理、维护、分发服务和组织协调的基础设施体系，介绍了我国国家空间数据基础设施的建立情况，结合全国1：5万空间数据库建库技术试验项目，着重分析了目前我国正在进行的1：5万空间数据基础设施数据库的组成，数据量，建库的关键问题和基于GeoStar组件的1：5万空间数据基础设施的体系结构。     

动态数据交换在车载GPS导航系统中的应用

叙述了Windows应用程序之间进行数据交换的一种方式－动态数据交换的一些基本概念、基本思想和交换的过程。通过车载GPS导航系统实验，证明了当两个不同的应用系统之间要求动态地实时传输数据时，DDE是一种很好的途径。     

无缝立体正射影像数据库的概念、原理及其实现

为了充分地开发和利用航空摄影测量所形成的立体模型,在二维无缝正射影像数据库的基础上,提出了无缝立体正射影像数据库的概念,即在摄影测量所形成的区域范围内,利用原始影像、定向参数及DEM,通过数字投影处理的方法,用无缝镶嵌的数字正射影像和立体辅助影像形成对摄影区域范围内无缝立体覆盖,即可以恢复摄影时记录的地形表面和地物碎部的三维信息,又可以通过立体观察设备进行无缝立体观察、浏览量测。为了方便立体观察、高精度立体量测和应用,对数字正射影像、立体辅助影像、像片定向参数及其DEM通过数据库的方式进行管理,形成区域范围内的无缝立体正射影像数据库。试验表明,无缝立体正射影像数据库具有良好的应用价值和应用前景。     

多尺度的DMC彩色合成影像辐射再处理方法

在分析DMC（digital mapping camera）彩色合成影像存在的色彩过渡不平滑现象的特点和成因的基础上,提出了一种多尺度辐射再处理方法来改善影像质量。该方法采用多尺度处理策略,能自动定位拼接线和过渡区域的具体位置。实验表明,本文方法能够有效地改善DMC彩色合成影像的质量。     

面向任务的高分辨率光学卫星遥感影像智能压缩方法

随着对地观测系统以及空间信息网络的快速发展,中国已经建成星地一体化的对地观测系统。高分辨率遥感影像数据从GB级转向TB级,轻小型智能遥感卫星有限的带宽容量和存储空间都严重限制了遥感信息的智能实时服务,由此提出了一种面向任务的智能压缩方法。首先,基于遥感影像的数据特点以及轻小型智能遥感卫星星地数传的瓶颈,分析了传统在轨压缩算法的局限性,论述了面向任务的高分辨率光学卫星遥感影像智能压缩处理的重要性;其次,提出了基于珞珈三号01星平台面向任务的智能压缩方法,通过星上高质量成像和高精度几何定位获取观测区域;然后,根据不同的任务需求,利用信息提取模型获取感兴趣目标/区域;最后,利用压缩模型对该区域进行自适应码率分配来实现高倍率压缩任务,并生成码流文件回传到地面。针对不同的任务需求,合理分配码率,可通过该方法有效实现遥感影像的高倍率智能压缩。     

利用对象光谱与纹理实现高分辨率遥感影像云检测方法

针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。     

自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法

全色-多光谱影像融合技术可以显著提高遥感影像的地物判别能力,但是空间信息融入度与光谱信息保真度是相互矛盾的一组性质,一般方法往往无法平衡这两方面。SFIM算法具有良好的光谱信息保持能力,但是其空间信息融入度较差,影响了整体的融合效果。为此,本文分析了SFIM模型的原理与特点,提出一种自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法（AGSFIM）。以均值调整后的多光谱整体平均梯度为标准来计算高斯滤波的最优参数,将下采样全色影像的清晰度调整至同样水平,以保证融合结果的空间信息融入度与光谱信息保真度之间的平衡。利用6种融合算法对“北京二号”（Beijing-2）、“资源三号”02星（ZY-3 02）数据进行对比试验,表明在良好的光谱保持能力的前提下,改进方法可以有效克服SFIM算法空间信息融入不足的缺点。