多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。     

一种新的去除遥感影像混合噪声组合滤波方法

提出了一种三层组合滤波的去噪方法,在小波BayesShrink阈值与自适应中值滤波的基础上增加第三层Wiener滤波,利用Wiener滤波对信噪比高的信号去噪效果好的特点可有效去除残留的混合噪声,为了在去噪过程中保留影像的边缘,在滤波过程中加入了边缘提取算法,对影像的细节进行保留使去噪后的影像更加清晰。试验表明,本文提出的三层滤波方法在去除遥感影像常见的高斯与脉冲混合噪声时,效果要明显优于传统的两层组合滤波算法。     

变分法遥感影像人工地物自动检测

人工地物（建筑物、道路、桥梁等）检测是目标识别的一个重要组成部分。本文将人工地物检测转换为能量泛函数最优化问题。首先对遥感影像进行超像素分割,综合图像的颜色、纹理、梯度等信息,以超像素为单元计算图像的显著度信息,然后构建一个包含显著性约束、面积和边界约束、纹理约束及灰度方差约束的能量泛函数,通过变分法迭代求解能量泛函最小值,获取目标前景部分即为人工地物区域。本文以重庆和广东某地的遥感影像数据为例对算法进行验证,将其与常见的人工地物目标提取算法,如C-V模型、MRF模型,以及当下研究较为热门的深度学习算法进行对比。试验结果表明,该算法能有效地检测出遥感影像中的人工地物区域,并保证较低的误检率及漏检率。论文对该方法与深度学习方法进行了一定的分析对比。     

一种结合四元数与直方图的多光谱图像自适应边缘检测方法

针对图像自适应边缘检测的难点和传统多光谱遥感图像边缘检测方法的局限性,提出了一种结合四元数与直方图的自适应边缘检测方法。该方法在四元数空间,利用矢量旋转完成了多光谱图像的边缘检测,并通过直方图统计的方法获取自适应阈值,实现了边缘图像的检测。利用陆地多光谱遥感图像和水域多光谱遥感图像分别进行实验,验证了方法的有效性。     

非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强

针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform, NSST)和参数化对数图像处理(parameterized logarithmic image processing, PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。     

矢量C-V模型的高光谱遥感影像分割

高光谱遥感影像除了包含普通2维影像所具有的空间信息还包含了1维光谱信息,传统的针对2维影像的分割方法不能很好地应用于高光谱遥感影像。为此,本文提出一种能够同时处理多波段影像的高光谱遥感影像矢量C-V模型分割方法。首先选出高光谱遥感影像中目标与背景对比度较大的波段,并通过计算波段相关系数,去除其中的冗余信息形成新的波段组合,进而根据所确定的波段组合构建高光谱遥感影像矢量矩阵;在此基础上,构造基于该矢量矩阵的矢量C-V分割模型。模型中通过引入基于梯度的边缘引导函数,在保留传统C-V模型基于区域信息进行影像分割的基础上,利用影像的边缘细节信息,增强了模型在异质区域和复杂背景情况下对目标边缘的捕捉能力,提高了对高光谱遥感影像的分割精度和速度。最后利用HYPERION数据进行仿真实验,并将实验结果和传统C-V模型和相关方法进行了对比,结果表明,本文方法能够在短时间内有效地分割高光谱遥感影像,与传统方法相比,具有分割精度更高运算速度更快的特点。     

结合光谱和纹理的高分辨率遥感图像分水岭分割

针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。     

遥感影像变分Mask自适应匀光算法

针对Mask匀光法对低通滤波器及其尺寸参数依赖的问题,提出一种变分Mask自适应匀光算法。根据影像自身的先验信息,结合Mask数学模型构造变分能量函数,分别利用各向异性和各向同性全变分正则项约束理想影像和背景影像,采用分裂Bregman方法交替迭代求解,可同时获取最优化背景影像和理想影像。利用3幅光照不均匀的遥感影像进行实验并与3种不同滤波尺寸的Mask匀光法进行了比较,本文方法在目视效果和定量评价指标上均呈现明显的优势,在消除亮度不均的同时能够保持影像的纹理和细节信息。     

无人机采场图像二维经验小波变换降噪研究

针对传统图像降噪方法难以适用于露天矿无人机(UAV)图像降噪的问题,该文提出了一种基于经验小波变换(EWT)算法思想的露天矿UAV图像快速降噪方法。采用Littlewood-Paley小波算子检测提取UAV图像噪声特征,以提高阈值函数匹配精度;借助改进的自适应H阈值函数对UAV图像噪声进行计算,提高UAV图像边缘细节度;并通过二维经验小波变换逆重构,从而提高UAV图像纹理精度。实验结果表明,本文算法能够实现露天矿UAV图像的快速降噪,保留边缘细节和纹理特征,并具有较好的降噪效果。     

结合二维EMD与自适应高斯滤波的遥感卫星影像去噪

传统的遥感影像去噪方法在去除影像噪声时,往往会造成去噪后影像细节信息丢失和模糊的问题。本文将二维EMD去噪理论用于遥感影像的去噪,提出了二维EMD与自适应高斯滤波相结合的遥感影像改进去噪算法。在去噪时能够保留低频信息不变,只对影像高频信息进行二维EMD分解后的不同频率IMF分量图作自适应高斯滤波去噪,从而更好地对含噪影像进行去噪。两组试验对比分析表明：本文算法具有较大的峰值信噪比、平均梯度和结构相似性,具有较小的均方根误差;并且边缘检测结果也表明,噪声在被滤掉的同时,经本文算法去噪后的影像能较多和更好地保留原始影像的细节信息和边缘轮廓信息,具有更好的去噪效果。     

基于自适应中值滤波和改进Hough变换的直线提取

直线是遥感图像的重要纹理特征,直线提取是直线匹配、遥感影像数据的三维重建、图像配准等的前提基础。本文针对传统Hough变换存在的问题以及MatLab软件工具箱中现有滤波算法的不足,提出对Hough变换进行改进,设计自适应中值滤波,并结合Canny边缘检测算子实现了直线的准确提取,使得直线提取算法具有较强的抗噪性能,不误检直线。     

一种基于四元数变换的彩色遥感影像检索方法

遥感影像常存在旋转和缩放等变化关系,这就要求检索时图像特征具有旋转和尺度不变等性质。目前,彩色遥感影像检索在提取这些特征时通常对色彩通道单独进行处理,导致3个通道之间的关系信息丢失,且没有充分利用数据本身所特有的几何特征,影响了检索精度。结合四元数与正交傅里叶-梅林矩的优点,提出了一种基于四元数变换的遥感影像检索方法。针对已有工作中存在的基于四元数傅里叶-梅林矩所提取的纹理特征只具有旋转不变性的问题,利用四元数正交傅里叶-梅林矩构造出具有旋转和尺度不变的纹理特征,并使用四其对图像进行边缘检测,得到边缘色彩图像并提取边缘色彩直方图,综合多种特征进行图像检索。实验结果表明,使用此方法进行遥感影像检索对于图像旋转和尺度变化具有良好的鲁棒性,检索性能明显提高。     

轮廓波变换在遥感目标图像检索中的应用

除具有纹理属性外,遥感图像中还包含大量的结构性边缘特征。如何有效捕捉这些特征中的信息进行检索,成为提高遥感图像检索效率的关键。依据Contourlet在离散域的多尺度几何分析的功能,提出一种利用Contourlet子带能量分布特性提取原始图像在多个尺度下的边缘方向信息进行检索的方法。针对Cont-ourlet变换响应不同特征方向能力的差别,采用正交补偿法加以改正,经过傅里叶算子的处理,从而实现旋转不变结构性边缘特征的检索。最后,在遥感目标图像上所作的实验证实了该算法的有效性。     

基于超像素分割与CRF的高分辨率遥感影像变化检测

针对目前高分辨率遥感影像变化检测算法对于光谱变化过敏感问题,本文提出了一种基于超像素分割与条件随机场（CRF）的遥感影像变化检测算法。首先采用空间约束的t混合模型驱动的分割模型,获得同质性超像素块,实现良好的边界附着性和亮度均匀性。然后计算分割得到的双时相影像块之间的特征差异性,获取变化幅度图像。最后利用模糊聚类算法（FCM）对变化幅度图像进行聚类,得到隶属度图像作为CRF一阶势,并利用光谱-空间相似度约束的函数构建CRF二阶势。试验结果表明,与现有方法相比,该方法检测精度可提高5%,错检率和漏检率可降低3%,能较好地应对输入图像的光谱变化,并保持变化检测结果的边缘细节。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...     

De-striping hyperspectral imagery using wavelet transform and adaptive frequency domain filtering

Hyperspectral imagers are built line-by-line similar to images acquired by pushbroom sensors. They can experience striping artifacts due to variations in detector response to incident imagery. In this research, a method for hyperspectral image de-striping based on wavelet analysis and adaptive Fourier zero-frequency amplitude normalization has been developed. The algorithm was tested against three other de-striping algorithms. Hyperspectral image bands of different scenes with significant striping and random noise, as well as an image with simulated noise, were used in the testing. The results were assessed visually and quantitatively using frequency domain Signal-to-Noise Ratio (SNR), Root Mean Square Error (RMSE) and/or Peak Signal-to-Ratio (PSNR). The results demonstrated the superiority of our proposed algorithm in de-striping hyperspectral images without introducing unwanted artifacts, yet preserving image details. In the noise-induced image results, the proposed method reduced RMSE error and improved PSNR by 3.5 dB which is better than other tested methods. A Combined method, integrating the proposed algorithm with a generic wavelet-based de-noising algorithm, showed significant random noise suppression in addition to stripe reduction with a PSNR value of 4.3 dB. These findings make the algorithm a candidate for practical implementation on remote sensing images including high resolution hyperspectral images contaminated with stripe and random noise.     

关于遥感影像处理分析的理论与方法之若干问题

遥感技术的发展还处于一个初级的阶段,有关遥感影像处理和分析的理论和方法十分匮乏,还没有建立起适合遥感影像特点的理论和方法体系。基于此,提出了建立以像斑分析为基础的遥感影像分析的理论和方法体系,并就多光谱/高光谱影像纹理分析的概念、方法、以像斑为基础的空间关系分析、分析过程中引入先验知识的方法及数据套合技术研究展开了讨论。     

基于自适应格网划分的遥感影像感知哈希认证算法

针对遥感影像大数据量和信息分布不均匀的特点,提出了一种基于自适应格网划分的遥感影像感知哈希算法,并将其用于遥感影像的完整性认证。该算法基于自适应策略对信息丰富的影像区域进行粒度更细的完整性认证,首先对原始影像进行波段融合,然后根据信息熵对波段融合结果进行自适应的格网划分,最后提取格网单元的局部特征构造感知哈希序列。影像接收端通过收到的感知哈希序列实现影像的认证。实验表明,本文算法能够识别遥感影像局部细节篡改,并对保持内容不变的操作具有鲁棒性,实现了遥感影像基于内容的完整性认证。     

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。