基于Harris算子的遥感影像自适应特征提取方法

提出一种基于Harris算子的遥感影像自适应特征点信息提取新方法。在进行特征点自动提取时,该方法通过设计一种自适应的迭代策略,实现了特征点阈值的自动确定。在兼顾局部纹理信息的基础上,通过对影像预先的分块处理和邻近点剔除,保证了特征点在全幅影像中的均匀分布。杭州地区TM影像特征点的提取试验表明,该方法自动化程度高,提取的特征点分布均匀合理,能满足几何配准和几何纠正精度要求,具有较高的实用价值。     

运用SI-Harris算子提取遥感图像点特征

推导了SI-Harris算子(尺度不变Harris算子)的理论公式,并将其应用于遥感图像的点特征提取。重点对Harris算子与SI-Harris算子在不同空间分辨率遥感图像上的点特征提取进行实验比较,利用"重复率"指标对实验结果进行定量评价。实验表明:SI-Harris算子"重复率"较Harris算子有明显提升,可用于不同空间分辨率遥感图像的点特征提取,进而可服务于不同空间分辨率遥感图像的匹配。     

基于点特征的低空遥感影像多级高效率匹配方法研究

研究基于点特征的匹配算法,结合现有影像匹配算子的优缺点,提出一种适用于低空遥感影像特征点的自动提取与匹配方法。首先在简化的高斯尺度空间中检测Harris角点,使该特征点具有尺度不变性;然后采用Forstner算子对关键点精确定位,精度达到子像素级;最后通过简化特征点描述符实现算法简化。在特征点匹配阶段,采用BBF-KD初匹配和二次精匹配提高匹配精度。以低空遥感影像为实验数据测评SIFT算法和文中方法在提取速度、匹配正确率、稳定性等方面的性能。实验结果表明,相对于传统的SIFT算法,处理影像清晰的低空遥感数据时本方法有更高精度和更快速度。     

无人机低空遥感的航路设计

由于无人机航摄稳定性较差,为了防止漏测、叠测等现象,对航路设计要求相当严格。本文针对航路设计中的关键技术问题进行认真分析,并给出相应的计算公式,为今后无人机航摄飞机航路设计奠定基础,从而提高航摄质量。     

SIFT特征算子在低空遥感影像全自动匹配中的应用

低空遥感影像由于其飞行平台的不稳定性,影像间旋偏角和比例尺差异较大,因此常用的基于区域灰度的匹配方法很难获得令人满意的匹配结果,甚至无法进行匹配。本文针对低空遥感影像的特点,介绍了基于SIFT算子的特征匹配原理及其在低空遥感影像全自动匹配中的应用。试验结果表明,利用核线约束进行SIFT特征匹配,其速度和精度能够满足低空遥感影像的应用需求。     

基于图像灰度的点特征提取算子参数自适应研究

目前基于图像灰度的点特征提取算子的参数选择均根据经验值手动设置。然而该方法常需多次设置比较后才能得到较好的特征点,所以有必要研究各算子的参数自适应。通过真实拍摄影像测试了各算子参数对提取特征点的影响情况;在此基础上提出各算子的自动设置参数算法,并通过3种对比度不同的影像分别测试了各自动设置参数算法的特征点提取效果。研究结果表明:各自动设置参数算法都能自动检测较优的参数值,避免了手动设置参数的不确定性,提高了影像特征点提取的效率。     

无人机低空遥感影像数据的获取与处理

介绍无人机低空遥感系统的构成和技术指标,论述影像数据的获取、影像匀色与裁边、重叠度计算、拼接全景影像图、生成正射影像等处理分析方法,并针对地震灾区重建数据获取进行实验.实验结果表明无人机低空遥感系统完全能满足实际需要,能解决多云雾地区遥感影像资料获取困难的问题,在大比例尺测图、三维景观重建、土地利用调查、环境监测等领域...     

一种利用零交叉点理论的改进SIFT特征提取算法

提出了一种利用零交叉点特征提取的改进SIFT算子用于遥感影像的自动匹配.将图像几何特征引入到尺度空间探测中,获得了重复性更高、更稳定的特征.采用近景数码大旋角数码立体像对和低空航摄立体像对进行了算法测试.实验表明,改进后的SIFT算子应用于遥感影像自动匹配,在特征提取重复率、匹配正确点数、匹配正确率上均有明显提升.     

无人驾驶飞艇低空遥感影像的几何处理

介绍了基于无人驾驶飞艇的低空遥感系统的组成及技术指标,详细论述了飞艇按航线自动控制飞行、遥感影像自动获取,以及低空遥感影像匹配、相对定向、区域网平差、全景图和正射影像生成等处理与分析.试验结果说明,低空遥感系统可以满足大重叠度、高分辨率立体影像获取的需求,在大比例尺测图、精细三维重建等领域具有广阔的应用前景.     

一种快速角点探测算子研究

基于SUSAN和角点几何结构分析的思想提出一种改进的快速角点探测算子.首先进行角点粗探测,然后再对粗探测的结果进行角点几何结构分析,即图像中的像元如果为角点,它必须满足角点的圈层结构.通常认为角点处各个方向上灰度差变化都较大,所以角点响应函数采用反映角点突出性的响应函数,使提取的角点含有更高的信息量.实验证明,本算法提取的角点定位准确,快速有效,可以适用于实时图像处理.     

无人机低空数码航测与高分辨率卫星遥感测图精度试验分析

针对我国现阶段航测与遥感技术发展水平及实际需求情况,结合"五一二"地震灾后重建工作进行地理空间数据快速采集技术试验,从多方面对利用无人机低空数码航测及高分辨率卫星遥感技术测绘大比例尺地形图进行技术比较和精度分析,并得到一些有实际意义的结论。     

基于无人飞行器遥感影像的数字摄影测量关键技术研究

随着无人飞行遥感器越来越多的应用到国民经济建设,无人飞行器遥感影像的处理已成为当下一个热点的研究问题。但相对于传统的航空摄影测量而言,无人飞行器遥感影像有着很多传统航空影像所不具有的问题。针对这些特点,本文着重探讨影像畸变改正、Harris特征点提取、基于特征点的金子塔影像双向匹配以及核线影像生成等无人机影像数字摄影测量处理的关键技术。     

柑橘植株冠层氮素和光合色素含量近地遥感估测

柑橘植株营养状况的遥感监测是实现果树轻简高效管理和优质丰产的重要手段,但迄今有关基于低空遥感信息的果树营养诊断研究鲜见报道。本文采用具有490 nm、550 nm、570 nm、671 nm、680 nm、700 nm、720 nm、800 nm、840 nm、900 nm、950 nm等11个波段光谱的八旋翼飞行器(UAV)载多光谱遥感系统,获取距地面100 m高度的哈姆林甜橙植株春季冠层近地遥感信息,对比分析基于多元散射校正(MSC)和标准正态变量(SNV)两种预处理光谱和原始光谱(OS)的偏最小二乘(PLS)、多元线性回归(MLR)、主成分回归(PCR)及最小二乘支持向量机(LS-SVM)等4种模型对冠层叶片氮素、叶绿素a、叶绿素b和类胡萝卜素含量预测精度的影响。结果显示,距地面100 m高度的多光谱信息,通过SNV光谱预处理和MLR建模对冠层叶片氮素、叶绿素a和叶绿素b含量的预测效果均较好,预测集相关系数(Rp)值分别达0.8036、0.8065和0.8107,预测均方根误差(RMSEP)值分别为0.1363、0.0427和0.0243;而在SNV光谱预处理基础上的LS-SVM建模对冠层类胡萝卜素含量预测效果更优,Rp值达到了0.8535,RMSEP值为0.0117。表明利用机载多光谱图像信息可实现对柑橘植株冠层全氮及叶绿素a、叶绿素b和类胡萝卜素含量的较好估算,为大规模柑橘园植株冠层营养状况的精准和高效监测提供了一条新途径。     

改进SIFT点特征的并行遥感影像配准

本文针对SIFT(尺度不变特征变换)算法存在的内存消耗多、运算速度慢的问题,采用金字塔和分块策略,首先对原始影像进行粗配准,然后进行分块影像匹配以实现精确配准。在匹配过程中,根据影像分辨率限制高斯金字塔影像的阶数,对特征点进行过滤;同时对匹配过程进行并行化,以提高算法效率。实验表明,改进算法在保证配准精度稳定的前提下,解决了原算法对内存要求高的问题,效率比原算法显著提高,适用于大范围遥感影像之间的配准。     

多特征流形鉴别嵌入的高分辨率遥感影像分类

针对高分辨遥感影像同谱异物、同物异谱导致单一特征分类结果精度较差的问题,本文提出了多特征流形鉴别嵌入的高分辨率遥感影像分类方法.该方法首先提取高分辨率影像数据的光谱特征与LBP纹理特征;然后通过样本数据的联合光谱、纹理特征的空间距离及对应的类别信息,构建影像对象的类间图与类内图,用于学习高分辨率影像上的鉴别流形结构,保...     

激光雷达点云辅助的高分影像分水岭分割方法

针对分水岭分割方法用于高分辨率遥感影像分割时过分割现象严重,且分割精度会受"同谱异物"现象的影响等问题,该文提出了一种激光雷达(LiDAR)点云辅助的高分影像分水岭分割方法,该方法利用高分影像和LiDAR点云两种数据源指导分割的进行:首先根据点云滤波结果将高分影像分为地物、地面两幅分影像进行分割合并,保证地物与非地物的正确划分;然后对过分割现象,提出了分形网格演化算法结合点云高程特征的合并准则,得到整体分割结果。实验证明该方法能有效改善"同谱异物"地类的混淆现象,可为复杂城区提供更精确的地类分割结果。     

一种基于动态模板和等角变换的遥感影像地面控制点匹配算法

传统的基于影像灰度的控制点匹配算法,存在着运算量大,识别精度较低,约束条件多等不足。为解决上述问题,本文对传统算法进行了优化,主要思路是:在利用遥感影像先验知识确定搜索子区的基础上,首先采用动态模板进行不等距搜索,然后利用灰度相关系数双阈值和等角变换对目标控制点进行判别,最后结合控制点间的空间位置关系对未识别出的控制点进行定位。本文给出具体的实施流程,并结合ASTER和TM两种成像差异显著的图像数据,对优化前后的匹配算法均进行了试验,给出了试验结果和对比分析。结果表明,采用动态模板结合等角变换的匹配算法,无论在运算效率上,还是在控制点识别精度上,都较之传统匹配算法有明显优势,具有较强的适应性和应用价值。     

多分辨率特征融合的光学遥感图像目标检测

高分辨率遥感图像目标检测是计算机视觉的一个重要研究领域,在民用与军事领域具有重要的应用价值。目前,基于深度学习的自然图像目标检测有了突破性进展。但是,由于遥感图像具有目标尺度差异大且类间相似度高的特点,使得处理自然图像的目标检测算法直接应用于遥感图像时仍面临着一些挑战。针对上述挑战,本文提出一种多分辨率特征融合的遥感图像目标检测方法。首先,通过特征金字塔提取多尺度特征图并在其后嵌入多分辨率特征提取网络,促使网络学习目标在不同分辨率下的特征,缩小不同特征层之间的语义差距。其次,为实现多分辨特征的有效融合,本文采用自适应特征融合模块挖掘更具判别性的多分辨特征表达。最后,将自适应特征融合模块的输出特征的相邻层进行深度融合。在公开的遥感图像目标检测数据集DIOR和DOTA上评估了本文方法的有效性,相比采用特征金字塔结构的Faster R-CNN,本文方法的准确率(mAP)分别提高2.5%和2.2%。     

一种基于角点特征的遥感影像自动配准方法

本文通过对Harris算子进行改进,自适应地提取角点特征,然后基于角点特征进行由粗到精的匹配,完成影像的配准;并利用MODIS影像、TM影像和HJ-1卫星影像3种不同分辨率的遥感影像进行配准实验,结果表明该自动配准方法能够达到亚像素级的配准精度,是一种高精度的影像配准方法。     

高光谱遥感影像优化判别局部对齐特征提取

目前,高光谱遥感特征提取方法往往因受到噪声的干扰而导致降维效果欠佳.近年来,判别局部对齐DLA(Discriminative Locality Alignment)由于可以处理非线性分布样本、保留局部判别信息,同时避免矩阵奇异性问题,受到了很多学者的关注;但该方法无法有效估计和减少噪声对高光谱遥感影像的影响.针对以上问...