地球空间信息学的机遇

光学传感器在夜晚和云雨天气难以成像,合成孔径雷达（synthetic aperture radar,SAR）虽然能够全天时、全天候工作,但其成像难以理解,对此提出利用SAR影像翻译为光学影像的新思路来弥补二者的缺陷。给出了遥感影像翻译定义,提出一套包含图像理解、目标转换等环节的影像翻译技术流程。通过支持向量机分类、种子填充和基于样本的纹理合成算法等手段实现SAR影像典型目标向光学影像的转换与表达。最后,利用该方法实现了ENVISAT-ASAR转换为Landsat TM,ALOS PALSAR转换为GeoEye的两类影像翻译,并利用SAR影像翻译结果修补光学影像空缺。影像翻译和补缺实验证明了SAR影像翻译为光学影像的可行性和有效性。     

SAR影像与光学影像翻译方法研究

<正>遥感技术的快速发展使得不同特性的多源遥感数据的获取更加快捷、方便。然而,当前的遥感数据获取技术和影像解译技术还不能完全满足遥感应用的需求。例如,光学传感器可以获取分辨率高、视觉特征明显的可见光影像,但是不能像合成孔径雷达(SAR)传感器那样全天时、全天候成像,在恶劣天气下的灾害应急处理中难以发挥作用,而SAR传感器成像又不如光学影像那样直     

基于特征提取的光学影像和SAR影像自动配准

针对现有的配准方法用于多光谱影像与SAR遥感影像配准时,存在受SAR图像斑纹噪声影像大、手工选取配准控制点精度低、利用图像景物特征配准时获取区域和边沿困难等问题,以SPOT5影像与RADARSATSAR影像配准进行实验,提出了一种利用改进的SIFT在提取的特征图像上寻找匹配点进行粗配准,然后利用交叉累积剩余熵作为相似性测度结合原始影像信息寻找光学特征图像的角点在SAR影像上的匹配点并进行精配准的方法,配准精度达到了子像素级水平。实验结果表明该方法对多源遥感影像有很强的适应性,配准精度高。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

基于影像模拟的SAR几何校正准自动方法

合成孔径雷达影像的几何校正是许多微波遥感应用中必须解决的问题，当无法获得准确的轨道数据时，这个问题变得非常困难。本文提出了利用合成孔径雷达模拟影像进行准确的几何校正的原理及方法，并以RADARSAT SAR影像进行了实验。该方法利用不准确的轨道数据及数字高程模型生成模拟的SAR影像，用影像匹配的方法自动获取模拟影像与真实影像之间同名点的坐标差值，而这个差值信息正好提供了对不准确轨道数据的控制。本方法无须地面控制点，并基本上可以自动进行，是解决目前SAR几何校正问题的有效方法。     

面向无缝影像数据库应用的一种新的光学遥感影像色彩平衡方法

 针对建立大型无缝影像数据库的影像数据特点，在深入分析与比较现有处理方法的基础上，基于Wallis变换，提出了一种改进的色彩平衡处理方法。该方法可以兼顾整体信息与局部信息，在处理大型无缝影像数据库色彩平衡问题时，既可以减小每张影像的处理误差，又可以消除处理误差的空间传递和积累问题，还便于辐射分辨率的保持。实验表明，该方法可以有效解决大型无缝影像数据库的色彩平衡问题。     

深度学习在光学和SAR影像融合研究进展

遥感影像融合作为影像处理领域中最具有挑战的工作,一直是学术界研究的热点。合成孔径雷达SAR(Synthetic Aperture Radar)具备全天时、全天候、穿透云雾等多种特点,却因存在相干斑噪声等问题,使得影像难以解译。相比之下,光学影像可以反映地物的光谱和空间信息,易于解译,但容易受到云雾干扰,造成信息丢失,将光学与SAR影像数据融合可以实现不同类型传感器成像之间的信息互补,能够更好地为后续的影像分析与解译提供方便。本文首先对光学和SAR影像融合进行了系统性回顾,包括传统融合方法和基于深度学习方法在影像融合方面的最新工作,重点阐述了卷积神经网络CNN (Convolutional Neural Network)、生成式对抗网络GAN (Generative Adversarial Networks)等框架在光学和SAR影像融合中的进展;然后总结了光学和SAR影像融合在深度学习领域开发的数据集,并做了简单介绍和说明;最后,从数据集、时间序列影像融合、融合评价体系和算法轻量化等4个方面对光学和SAR影像融合的未来发展趋势进行了展望。     

几何约束和改进SIFT的SAR影像和光学影像自动配准方法

提出一种基于几何约束和改进SFT的SAR影像和光学影像自动配准方法。首先根据影像间的几何关系进行影像粗纠正,消除影像间旋转和分辨率差异;然后基于主方向改进的S1FT特征提取方法提取SkFT特征并利用其结构性信息引入结构相似性指数（SSIM）作为相似性测度获得初始匹配,经过视差空间和角度特征空间聚类优化得到稳定同名匹配;最后由随机抽样一致性算法（RANSAC）根据透视变换模型精化匹配结果获取变换模型参数。整个配准过程自动完成。本方法适用于差异较大的SAR影像与光学影像之间配准。     

基于ERDAS的遥感影像分类方法研究

为了提高遥感影像分类精度,对传统的非监督分类、监督分类和专家分类进行机理分析,提出将影像中的纹理信息作为专家知识改进分类精度的技术方案。以胶州市QuickBird遥感影像作为试验数据,基于ERDAS IMAG-INE 8.6软件平台,对非监督分类、监督分类和专家分类进行实验数据比较分析,实验数据表明改进的专家分类方法分类精度最高,由于纹理信息参与专家分类,可较好地解决“同谱异物”和“同物异谱”对分类的干扰,优化分类后的影像,提高信息提取的准确度。     

一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法

异源遥感影像匹配是高分影像处理中的重要环节与关键问题,但目前异源高分影像匹配精度有待提高。本文提出了一种基于邻域投票的异源光学影像SIFT匹配误差剔除方法,首先利用尺度不变性特征变换（SIFT）对特征点进行提取,随后基于邻域投票对匹配特征点进行二次约束,最后区分出待剔除误差大的匹配点,进而确定精确匹配点。为了评价本文方法的精度,分别对建筑物、道路、水体进行匹配研究,试验证实该方法可以提高上述3种地类的匹配精度,相比传统的SIFT方法平均提高了66%,同时有效地保持了结果的尺度不变性。     

利用多尺度Hough变换提取高分辨率SAR图像建筑物L型结构

提出了一种利用多尺度Hough变换从高分辨率SAR图像提取建筑物L型结构的方法。针对高分辨率SAR图像建筑物L型结构的特点,建立了建筑物L型结构简化几何模型,并采用从粗到精的思路利用多尺度Hough变换提取建筑物L型结构方向线。并提出了一种L型结构组合度函数对提取直线进行编组,确定建筑物L型结构的方向和拐点。最后,采用基于扫描线的方法计算L型结构线宽,得到完整规则的建筑物L型结构。多幅真实机载高分辨率SAR图像实验结果表明,本方法可以有效地提取高分辨率SAR图像建筑物L型结构,提取结果与实际位置吻合较好。     

A Discrete Wavelet Transform Approach to Multiresolution Complex SAR Image Generation

We present a signal processing approach using discrete wavelet transform (DWT) for the generation of complex synthetic aperture radar (SAR) images at an arbitrary number of dyadic scales of resolution. The method is computationally efficient and is free from significant system-imposed limitations present in traditional subaperture-based multiresolution image formation. Problems due to aliasing associated with biorthogonal decomposition of the complex signals are addressed. The lifting scheme of DWT is adapted to handle complex signal approximations and employed to further enhance the computational efficiency. Multiresolution SAR images formed by the proposed method are presented.     

利用光学遥感影像进行星载SAR影像正射纠正

基于角反射器点的正射纠正方法仅适用于局部区域的SAR影像,无法满足大区域生产和工程化需求的问题。本文采用有理函数模型（RFM）作为星载SAR几何模型,利用资源三号测绘卫星的数字表面模型（DSM）产品和数字正射影像图（DOM）,选取遥感13号SAR影像与资源三号光学影像的同名像点作为控制点,对遥感13号SAR影像进行了正射纠正,并与常规的基于角反射器点的正射纠正方法进行了对比分析。试验结果表明,针对平原地区的遥感13号SAR影像,在四角布设控制点的情况下,基于角反射器点的正射纠正方法比基于光学正射影像的正射纠正方法精度高,正射纠正精度分别优于2.5和4.5 m。     

一种改进的SAR图像斑点噪声滤波方法

在过去的 2 0多年中 ,提出了许多去除SAR图像斑点噪声的方法。这些方法的主要目的是去除斑点噪声而不破坏图像的空间分辨率和边缘信息。理论和实践表明去除图像的斑点噪声和保持图像边缘信息是无法同时完成的。现有大部分滤波器是在去除噪声和保持边缘之间进行折衷。在Han等人方法的基础上提出了一种在去除噪声和保持边缘方面最优的滤波器。它在去除噪声同时能够有效保持边缘信息     

基于边缘检测的自适应干涉SAR降噪方法

提出了一种新的相位滤波方法,基于干涉条纹方向的检测,完全自适应地对干涉相位进行滤波。本方法计算简单,十分适用于干涉条纹密集的区域进行滤波。通过SIR—C／X—SAR的X—SAR数据的处理验证,结果令人满意。     

基于水平集的SAR图像与光学图像的配准

为解决常用图像配准算法中特征提取易受噪声影响及配准过程受特征提取精度影响的问题,提出一种新的图像配准算法,即在水平集框架下,通过映射函数将SAR图像特征和光学图像特征结合,构造能量泛函模型,并采用水平集方法求解曲线演化方程,进而实现SAR图像和光学图像的配准.通过两个场景的配准实验表明,该算法不仅对高信噪比SAR图像和光学图像的配准有效,且对低信噪比的配准优势更加明显.     

面向对象的遥感影像多层次迭代分类方法研究

在分析应用对象化分析方法改进高空间分辨率遥感影像分类技术的基础上,提出了应用多层次的迭代模型改进分类流程,在自适应的迭代过程中有效地结合主导类别选择、高级对象特征计算、基于互信息的特征选择等技术提高对象化方法中丰富的影像特征的利用效率,同时,有机结合像素级特征信息弥补对象化特征。通过对SPOT5影像与航空影像两种数据源的土地覆盖分类的实验表明,该方法可以有效地提高分类精度。     

机载SAR图像与仿真SAR图像的匹配策略

机载SAR图像与仿真SAR图像的匹配在机载SAR图像无控制正射纠正中具有重要的应用价值。为了提高机载SAR图像与仿真SAR图像匹配的可靠性,本文在SAR图像仿真的基础上,分别以机载SAR图像和仿真SAR图像作为匹配基准,设计了综合运用特征点提取、金字塔影像匹配、相关系数相似性测度计算、双向匹配等方法的匹配方案。利用机载SAR图像和由SRTM DEM仿真的SAR图像进行了匹配试验,统计了不同策略的正确匹配点数,并结合仿真SAR图像的特点,分析认为:以仿真SAR图像作为匹配基准进行匹配的策略较好。     

机载合成孔径雷达图像频谱分析技术地质应用评价

频谱分析是空间滤波的一种。本文使用光学傅里叶变换分析SAR图像的空间频率特征。从取得的功率谱与功率谱角分布数据中可以:(1)确定与雷达后向散射方向有关面的走向最大(最小)方位角;(2)分析频谱曲线两个峰的夹角及其地学意义;(3)推算其水系密度;(4)研究样区地形基本特征。 这些资料有助于研究线性构造区域展布特征,岩类识别和地貌分类等。