一种无人机热红外与可见光影像匹配方法

针对异源无人机影像视角、分辨率、灰度值差异大的特点,提出一种基于语义深度局部特征的无人机热红外与可见光影像匹配方法。该方法首先利用全卷积神经网络和注意力机制提取具有语义信息的深度局部特征;其次以多通道特征图作为描述符进行kd-tree匹配;最后将向量场一致性VFC(Vector Field Consensus)和随机采样一致性RANSAC(Random Sample Consensus)相结合(VFC-RANSAC)进行误匹配剔除,从而实现无人机热红外与可见光影像的稳健匹配。匹配试验表明,与SIFT、KAZE等提取的人工特征相比,深度特征可以抵抗更大的影像几何和辐射差异;与RANSAC相比,VFC-RANSAC能够更有效地剔除外点,获得更高的正确匹配率和匹配精度。     

一种热红外与可见光影像深度特征匹配方法

针对无人机热红外影像与光学卫星影像的匹配难题,提出一种基于异源地标数据集学习的深度局部特征匹配方法。首先,利用生成对抗网络学习热红外与可见光影像的灰度分布规律,并进一步合成用于特征提取模型训练的热红外影像地标数据集;然后,联合残差网络和注意力机制模型,从数据集中学习深度不变特征;最后,经过对不变特征的匹配、提纯等处理,获得像对的正确匹配点。试验测试了该方法的性能,并与KAZE、特征检测描述网络和深度局部特征模型进行了对比。结果表明,提出的方法对灰度、纹理、重叠率以及几何变化具有较强的适应性,且匹配效率较高,可为无人机视觉导航提供支撑。     

顾及分割效果的QuickBird影像融合方法对比研究

影像融合是实现高空间分辨率遥感影像中全色数据与多光谱数据优势互补的基本途径,已有的融合方法比较侧重融合图像的视觉效果,较少考虑针对融合影像的分割、分析等后续处理与应用环节。以北京市某地区的QuickBird影像为研究数据,将融合、分割实验研究结果与定量分析相结合,从光谱和几何特征两方面对现有基于像素的主流融合方法IHS、PCA、HPF(高通滤波)、Wavelet-PC(WPC)、Ehlers(ELS)及GS(正交变换)进行对比研究,结果表明,不同融合方法针对同一数据源得到的融合影像在目视效果与定量指标两个方面均存在明显的差异,若顾及后续分割与分析,则以GS融合法的综合效果最佳。     

航空影像分割的Snake方法

在介绍了Snake模型以后,将这种方法引入航空影像的分割过程。为了对Snake方法的分割能力进行验证,给出了一些实例。     

基于遗传自组织神经元网络的可见光与热红外遥感数据融合方法

提出了一种融合方法,充分发掘可见光数据高空间分辨率和热红外数据高时间分辨率的特点,在由可见光数据估算的地表参量与热红外数据间,通过遗传自组织神经元网络建立非线性融合方法,最终获得高空间、高时间分辨率的地表温度数据,并利用ASTER卫星产品数据对该方法进行了验证。结果表明,该方法简便易行,精度较高,为快速获取高分辨率地表温度分布提供了一条新途径。     

基于遗传自组织神经元网络的可见光与热红外遥感数据融合方法

The multi-source data fusion methods are rarely involved in VNIR and thermal infrared remote sensing at present.Therefore,the potential advantages of the two kinds of data have not yet been adequately tapped,which results in low calculation precision of parameters related with land surface temperature.A new fusion method is put forward where the characteristics of the high spatial resolution of VNIR(visible and near infrared) data and the high temporal resolution of thermal infrared data are fully explored ...     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。     

利用融合方法提升WorldVeiw短波红外影像分辨率

WorldView卫星在8个可见光-近红外多光谱波段的基础上,新增加的8个短波红外(简称SWIR)影像,大大提高了地物信息提取能力.但短波红外影像分辨率与多光谱影像相比分辨率过低,影响应用效果.本文提出了一种结合主分量变换和非下采样小波变换的影像融合方法来提升WorldView短波红外影像的空间分辨率.定量指标和目视评价证明本文提出的融合方法具有较好的融合效果,能够在显著提升短波红外影像空间分辨率的同时很好地保持原始光谱特性.     

利用融合方法提升WorldView短波红外影像分辨率

WorldView卫星在8个可见光-近红外多光谱波段的基础上,新增加的8个短波红外（简称SWIR）影像,大大提高了地物信息提取能力。但短波红外影像分辨率与多光谱影像相比分辨率过低,影响应用效果。本文提出了一种结合主分量变换和非下采样小波变换的影像融合方法来提升WorldView短波红外影像的空间分辨率。定量指标和目视评价证明本文提出的融合方法具有较好的融合效果,能够在显著提升短波红外影像空间分辨率的同时很好地保持原始光谱特性。     

航空影像分割的Snake方法

在介绍了Ｓｎａｋｅ模型以后，将这种方法引入航空影像的分割过程，为了对Ｓｎａｋｅ方法的分割能力进行验证，给出一些实例。     

融合IR-MAD与超像素分割的遥感影像变化检测方法

针对迭代加权多元变化检测（IR-MAD）方法提取高分辨率遥感影像变化结果存在信息分散、“椒盐噪声”现象,提出了一种融合IR-MAD与超像素分割的高分辨率遥感影像变化检测方法。该方法利用卡方分布概率密度函数与超像素分割方法技术对IR-MAD算法改进,通过IR-MAD算法获取初始变化检测结果;然后,采用多尺度的超像元分割方法生成多尺度超像素对象;最后,对IR-MAD算法提取的初始变化检测结果,利用多尺度超像素分割对象结合众数规则判断分割对象属性,获取最终变化区域。实验结果表明：本文提出方法能有效提取变化区域,减少“椒盐噪声”现象,能较好地保存地物边界信息,提高整体变化检测精度。     

基于NSCT的自适应可见光与红外图像融合方法

针对可见光与红外图像的融合问题,基于NSCT多方向、多尺度分解和平移不变性等优点,提出了一种基于NSCT的自适应可见光与红外图像的融合方法。通过NSCT对可见光与红外图像进行分解,在各分解层上根据图像质量评价指标来选取融合规则,并通过评价指标的自适应控制NSCT分解层数使最终融合图像具有最优的效果。实验结果表明,与传统融合算法相比,该方法在主观和客观评价方面均优于其他融合方法。     

基于Gabor纹理描述的遥感影像分割

本文引入了在不同影像层次上的Gabor纹理特征,采用分裂-合并加智能像素精致的方法,实现遥感影像的非监督分割。实验结果表明采用Gabor滤波器为基础的多分辨率分析来描述高分辨率遥感影像的纹理特征,可以明显地描述影像的高、低频特征,并且基于Gabor纹理特征进行遥感影像的分割是有效的;将本文方法的分割结果与经典的eCognition分割结果进行了对比试验,表明本文方法的分割结果较好。     

一种基于影像分割的城市建筑物变化检测方法

针对高分辨率遥感影像建筑物变化检测精度不高的问题,本文提出了一种改进城市建筑物变化检测方法。首先通过提取像元顶点构造像元图集,并以长宽比与矩形度作为变化检测测度,对后一期影像进行影像分割,识别建筑物轮廓对象。将建筑物轮廓进行几何关系筛选,完成建筑物变化信息提取。实验表明,该方法具有较高的变化检测精度,可明显削弱光照条件和成像角度对建筑物变化检测精度的影响,是一种普适性较强的城市建筑物变化检测方法。     

一种融合超像素与最小生成树的高分辨率遥感影像分割方法

影像分割是面向对象高分辨率遥感影像分析的基础与关键。针对传统影像分割方法易受噪声影响,且难以确定合适的影像分割尺度的问题,本文提出了一种融合超像素与最小生成树的高分辨率遥感影像分割方法。首先用简单线性迭代聚类算法对影像进行过分割生成超像素;然后初始设定影像分割数,采用区域动态约束聚类算法对超像素进行合并,获得分割数-方差和、分割数-局部方差、分割数-局部方差变化率指标图,依据3个指标图确定合适的影像分割数;最后根据确定的合适影像分割数,采用区域动态约束聚类算法对超像素重新合并得到分割结果。定性对比试验和定量评价结果表明,本文方法可以有效地克服影像噪声对分割结果的影响,获得良好的影像分割结果。     

融合可变形卷积与条件随机场的遥感影像语义分割方法

当前,深度卷积神经网络在遥感影像语义分割领域取得了长足的发展.标准的卷积神经网络由于卷积核的几何形状是固定的,导致对几何变换的模拟能力受到限制.本文引入一种可变形卷积来增强卷积网络对空间变换的适应能力.由于神经网络架构中使用了池化层操作,这会导致在输出层未能充分地对局部对象进行准确的分割.为了克服这种特性,本文将神经网络输出层的粗糙预测分割结果通过全连接的条件随机场来进行处理,以此来提高对影像细节的分割能力.本文方法易于采用标准的反向传播算法进行端到端的方式训练.ISPRS数据集上的测试试验结果表明本文方法可以有效地克服遥感影像中分割对象的复杂结构对分割结果的影响,并在该数据集上获得了当前最好的语义分割结果.     

基于区间二型模糊理论的高分辨率遥感影像分割方法研究

影像分割是遥感影像处理(如特征提取、目标辨识、地物目标分类)的基础工作和重要任务。高分辨率遥感影像所具有的更加丰富的地表覆盖细节信息为精准地物目标分割提供了充分的依据。然而,更加精细的空间尺度、复杂多样的地物目标及真实地表覆盖信息的缺乏,增加了像素类属的不确定性和分割决策的不确定性,给高分辨率遥感影像分割带来了新问题,导致高分辨率遥感影像应用传统的影像分割方法得到的分割结果精度并没有随着分辨率的提高而得到显著提高。有鉴于此,本文以处理高分辨率遥感影像像素类属不确定性、分割决策不确定性及充分合理建模同质区域光谱测度分布模型为目标,提出基于区间二型模糊理论的影像建模与分割这一科学问题,并对其展开系统的理论与实践研究,以实现精度高、可靠性强的高分辨率遥感影像分割。