多模态遥感图像模板匹配Log-Gabor滤波方法

针对多模态遥感图像匹配难的问题,本文提出了一种基于Log-Gabor滤波的高精度匹配方法。该方法采用由粗到细的多层级密集匹配框架,无须进行特征点检测,避开了多模态图像特征点检测重复率低的问题,能够提取大量高精度匹配点对。本文方法主要分为两步：首先,利用多尺度多角度Log-Gabor滤波器构建对图像间非线性辐射差异稳健的特征金字塔;然后,利用粗尺度的底层特征图进行密集模板匹配,提取大量粗粒度的特征匹配点对,在此基础上再利用特征金字塔,实现粗匹配点自下而上的逐层优化,完成高精度特征匹配点对的提取。同时,针对模板匹配滑窗运算效率不高的问题,提出了一种密集模板匹配的快速实现方式,有效减少了密集模板匹配的运算时间。本文使用多组不同模态的遥感图像进行试验,结果表明,本文方法能够克服图像间非线性辐射差异的影响,在正确匹配数目、匹配准确率与匹配精度上均优于现有多模态图像特征匹配方法。     

面向城市道路目视识别的遥感图像滤波增强方法

归纳与总结了遥感图像增强中的几种常用滤波方法。以广州城区作为试验区,Landsat TM影像作为数据源,分别运用纹理分析和卷积滤波对研究区域的遥感影像行增强处理,并对这些方法的影像增强效果进行质量评价。结果表明,高通滤波最适合于城市道路等线状地物的遥感图像增强。     

遥感图像分类方法及发展趋势

遥感图像分类是遥感信息提取中的关键技术。遥感应用的许多方面都需要这一技术的支持。在遥感技术一些新的研究领域和前沿, 如基于图像内容的数据检索、基于图像内容和对象的数据压缩等, 遥感图像分类是其必不可少的。对遥感图像分类方法和近年来在这一研究领域的发展趋势进行综合论述。     

递归滤波与KNN的高光谱遥感图像分类方法

为了有效去除高光谱图像中的噪声,强化空间结构,充分利用地物目标的空间上下文信息,提升高光谱图像的分类精度,提出一种基于递归滤波(recursive filtering,RF)和KNN(k-nearest neighbor)算法的高光谱图像分类方法。首先,利用主成分分析法对高光谱图像进行降维;其次,通过RF算法对降维后的主成分图像进行滤波,以增强遥感图像的轮廓特征;然后,采用KNN算法计算测试样本与不同类别训练样本的欧式距离,根据比较k个最小欧式距离的平均值得到测试样本所属类别;最后,在2个典型的数据库上进行实验验证,并分析所提算法中不同参数对分类精度的影响。实验结果表明,RF算法可以有效地去除噪声点,强化图像轮廓,与其他高光谱图像分类方法相比,该方法在分类准确性方面表现突出。     

遥感图像因子分析的环境意义

本文是一份实验和理论分析报告。六种地理环境类型的遥感图像用因子分析算法作了处理。并介绍了图像因素和Tasseled Cap空间基之间的关系。一般来说第一因素矢量和SB最相似,而第二因素矢量和GV最相似。但在平原农业环境出现相反的结果。 为分析实验的成果,我们试图从理论上进行探讨。假设地面地理特征是一个二维零均值的平稳随机过程,IFOV卷积效应使初级环境景观因子信号被增强,而二级环境因子相对地在传感器的观察下是递降的。 在第二步工作中,发展了一种基于环境景观学概念的方法,它相当于图像处理的奇异值分解(SVD变换),它将用来处理遥感图像的环境信息。     

多光谱遥感图像的自适应各向异性扩散滤波

图像滤波预处理不仅有助于增强图像信噪比和减少类间(intra-c lass)光谱可变性,而且还能够对影像中亮度均匀的区域进行平滑,从而为影像地物识别、分割和分类提供有力的支持。在Pope和Acton提出的两个多光谱图像各向异性扩散滤波模型的基础上,通过各向异性扩散和稳健统计学的联系,建立了基于B iwe ight Estim ator误差模型的扩散系数,同时利用非线性退化技术对梯度阈值的改进,提出了两个基于各向异性扩散方程的非线性滤波方法。提出的方法不仅能够有效地消除传感器随机噪声的影响,而且还能够很好地保持遥感图像上重要的细节边缘和影像质量。实验结果表明,不论是视觉效果还是质量统计分析,提出的扩散模型的性能优于Pope和Acton的各向异性扩散模型,是理想的多光谱图像保边缘滤波方法。     

基于光谱信息的遥感图像空间域自适应滤波

遥感图像往往由于内外因素的干扰含有各种噪声 ,为提高图像质量人们对其进行滤波。常规的滤波方式完全基于图像空间域 ,在消除异常点使图像平滑的同时使边界变得不清楚从而使图像模糊 ;或者正相反 ,在边缘信息得到增强时也放大了图像噪声而使图像变得粗糙。该文的自适应滤波方法充分利用多光谱和高光谱遥感图像的光谱维信息 ,滤波时不仅要使均匀的地块得到平滑 ,而且要使地块间的边缘、局部的异常点、线仍然得到保存、在光滑的同时尽量保持原有的数值特征     

遥感图像数据复合方法

遥感图像数据复合是将多种遥感图像数据融合成一种新的图像数据的技术 ,是目前遥感应用分析的前沿 ,它主要包括几何配准和彩色变换两个方面的内容。几何配准采用相对配准和绝对配准两种方法 ;彩色变换采用 RGB彩色系统和 IHS彩色系统之间的变换。对SPOT和 TM图像数据进行复合实验 ,获得了一种新的复合图像。     

基于方向加权二维多级中值滤波的遥感图像处理方法

遥感图像受各种因素的干扰而影响解译精度。根据人类视觉和认知心理学的特点，在遥感解译过程中需要对遥感图像进行增强处理。本文结合机器视觉、图像处理领域在图像增强方面已经提出的一些方法，采用方向加权二维多级中值滤波方法进行图像处理。该方法突出了视觉处理目的，减少了运算量，达到了令人满意的增强效果，在原始图像比较复杂的情况下，可以改善、提高后期图像处理过程，如图像分析(解译)的正确性和有效性，为遥感图像解译提供良婷的增强图像。同时该方法还可以很好地抑制图像噪声，突出边缘信息，达到了增强图像的目的。     

基于特征保持的线性多通道最优求和SAR图像滤波算法

在线性多通道最优求和滤波算法的基础上,提出一种基于特征保持的线性多通道最优求和滤波算法。该方法结合图像局域方差系数和具有恒虚警概率的比值结构检测,对滤波窗口内图像的纹理结构进行检测和判断,有区别地进行滤波去噪。该算法在去除斑点噪声的同时,可减少边缘、线及点目标等纹理信息的损失。     

基于加权滤波经验模式分解的遥感图像融合

加权滤波经验模式分解(weighted filter empirical mode decomposition,WFEMD)作为一种新的多尺度、多分辨率分析方法,与小波、超小波和现有二维经验模式分解方法相比,更加适合于二维图像中的细节特征分析。该方法运用自适应加权滤波器直接求取均值面,解决了传统二维经验模式分解(empirical mode decomposition,EMD)方法的固有缺陷;将WFEMD方法引入遥感图像融合,能够更好地提取原始图像的特征,为图像融合提供更多的信息。鉴于此,提出了一种基于WFEMD变换的图像融合方法。首先,利用WFEMD的自适应性、多尺度性和高频细节信息的强获取能力,将待融合的图像分别进行WFEMD分解,对不同图像的内涵模式分量(intrinsic mode functions,IMF)按照该文提出的细节/背景原则进行融合,剩余分量按照平均原则进行融合。最后,将融合后的内涵模式分量重构,获取融合图像。实验证明,该方法的融合效果优于其他图像融合方法。     

基于频域滤波的高分辨率遥感图像城市河道信息提取

提出一种基于频域滤波的城市河道信息提取方法。首先对高分辨率遥感图像进行傅里叶变换得到频谱图, 并利用径向和角向分布图分析城市河道的频谱特征。其次, 基于城市河道的双线型特点, 将其分为边缘特征和低频信息两个部分, 并根据周期性纹理的频谱模型和地物频谱能量分布规律确定两个部分的频域识别标志。然后设计相应的扇环形带通log Butterworth滤波器和低通Butterworth滤波器分别对城市河道的边缘特征和低频信息进行提取, 并根据该两部分信息实现城市河道信息提取。最后对城市河道信息提取结果进行定量评价, 结果表明, 本文方法可以有效地实现城市河道的信息提取。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

遥感图像云检测方法研究进展

云层遮挡是影响遥感图像质量的主要因素,对受云层遮挡的遥感图像进行云检测是遥感数据修复过程中需解决的首要问题。在参考国内外大量文献的基础上,分析了云检测方法的研究现状,对现有的检测方法进行分类和综述,并重点介绍几种常用卫星数据的云检测方法,通过对不同云检测方法的比较,总结了现有云检测方法存在的问题以及发展趋势。     

遥感图像分类方法研究综述

 综述了遥感图像监督分类和非监督分类中的各种方法，介绍了各种方法的优缺点、适用领域和应用情况，并作了简单评述，最后，展望了遥感图像分类方法研究发展方向和研究热点。     

遥感图像的融合方法研究

图像融合是遥感图像处理中的重要一环,本文着重论述了遥感图像的3个层次的融合方法,并进行了对比分析,最后指出遥感图像融合的发展方向。     

一种基于改进双边滤波的鲁棒高光谱遥感图像特征提取方法

双边滤波(bilateral filtering,BF)是一种简单有效的高光谱遥感图像(hyperspectral image,HSI)特征提取算法。该算法在非结构相似像素空间距离近时会被分配较大权重,从而降低加权限制效果。提出一种分类选优的双边滤波算法(classified optimization bilateral filtering,COBF),从相邻像素集内选择类别结构最相似的像素组成新的相邻像素集,确保新的相邻像素集中用于加权平均的相邻像素尽可能相似,以提高特征提取效果。使用支持向量机(support vector machine,SVM)对COBF提取的HSI特征分类以验证其有效性。结果显示,当训练样本数量只有10个时,Indian Pines、Salinas和PaviaU的分类精度分别高达83.8%、96.0%和90.6%。     

基于形态学的遥感影像滤波方法研究

针对遥感影像的特点，提出了一种基于多结构元素形态学的滤波算法。运用此算法和传统的中值滤波算法以及均值算法一并对遥感影像进行了处理，并且使用多种指标对处理的结果进行了比较。结果表明，该算法能够很好地滤除遥感图像中的噪声点，改进了对遥感图像的细节目标的保护。     

基于子带内小波系数相关性的遥感图像滤波

滤波是遥感图像处理和应用过程中必不可少的一个环节.传统的小波域滤波方法对所有的细节小波系数逐一进行独立的收缩处理,而没有顾及小波系数之间的相关性,因而不具备较强的鲁棒性和适应性.文中提出一种基于小波系数聚集性分布的滤波策略.该方法认为小波系数的分布具有集中性,对当前的系数在邻域内计算其能量,而后将其纳入系数的收缩策略,...