异源高分辨率遥感影像的三维重建

针对在实际应用中难以获得同源高分辨率遥感影像,利用同源高分辨率影像实现高精度、自动化的三维重建仍存在一定困难的现状,该文提出一种利用异源高分辨率遥感影像进行三维重建的方法。采用尺度不变特征变换算法对影像进行匹配以获取同名点,并使用随机抽样一致性算法剔除低精度匹配点;然后利用获取的同名点构建Delaunay三角网;接着根据有理函数反解模型和投影射线联合定位算法解算各个同名点的三维坐标;最后基于Delaunay三角网内插技术求取地物点的高程值,并基于OpenGL技术实现三维显示。试验结果表明,利用该方法可以实现异源高分辨率遥感影像的三维重建,精度上能够满足生产需求。     

结合Faster R-CNN模型的遥感影像建筑物检测

高分辨率遥感影像场景复杂,其中建筑物目标种类结构各异且存在大量遮挡,现有检测算法使用特征表达性不强。结合Faster R-CNN模型设计一种针对遥感影像的建筑物检测方法。首先通过共享卷积网络获取原始影像的深层特征图;然后结合区域建议网络生成初步检测结果;最后根据Fast R-CNN检测网络对结果进行进一步判定和边界回归。针对困难样本造成的训练中断,对训练策略进行改进,通过近似联合训练的方法对模型参数同步调优。实验结果表明,该方法准确率和召回率明显优于DPM方法,对非训练测试集遥感影像具有较好鲁棒性,有效实现了针对遥感影像的建筑物检测。     

基于有理函数模型的高分辨率卫星遥感影像匹配

针对线阵推扫式卫星遥感影像的特点,提出了一种利用有理函数模型预测同名像点位置的快速影像匹配方法。经对某地区一对IKONOS立体影像进行匹配试验,验证了算法的稳健性,并与常用的金字塔影像匹配和核线影像匹配的试验结果进行了比较。结果表明,相对于金字塔影像匹配和核线影像匹配,利用有理函数模型预测同名像点的影像匹配方法的效率和成功率都得到了明显的提高。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

基于相对定向和三角形约束的近景影像匹配

针对近景影像自动相对定向过程中初匹配点对中误匹配率较大的情况,将基于三角形约束方法引入近景影像匹配.首先利用Harris算子提取特征点集,经初匹配后运用基于RANSAC方法和P-H算法的相对定向构建核线几何得到内点集,删除误匹配点生成同名Delaunay三角网;在同名三角形的约束下通过缩小Harris特征点阈值得到新内...     

遥感影像松弛匹配算法研究

松弛匹配算法是遥感影像匹配中应用广泛的算法之一,它是一种并行和迭代的算法,在匹配过程中利用了周边像素的信息,能够有效地避免临近匹配结果不协调、不合理的现象。本文对松弛算法的原理进行阐述,从收敛速度和错误率两个指标出发,针对多种不同的松弛匹配算法进行比较研究,分析其性能及其应用。实验证明,收敛速度并不能作为算法优劣的唯一标准,松弛算法应该更多地利用影像的背景信息来消除局部的不确定性。     

基于有理函数模型的多源SAR遥感影像区域网平差

本文针对多源SAR遥感影像联合定位的实际问题,将有理函数模型引入到SAR影像联合定位中,构建了基于有理函数模型的多源SAR区域网平差模型.对覆盖我国某地区的3景不同源SAR影像进行试验,验证了本文方法的有效性,并表明在缺少地面控制情况下,该方法不失为一种有益的补充方案.     

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

基于自适应共振模型的遥感影像分类方法研究

人工神经网络（ANN）是人视觉和服的基本功能的抽象、简化和模拟。在对遥感影像的综合解释应用中，与传统的统计方法和符号逻辑方法相比较，ANN更接近人对影像的视觉解译分析过程。自适应共振理论（ART）是一种自组织产生认知编码的神经网络理论，其自组织、反馈式增量学习机能，能兼顾适应性和稳定性，克服了一般神经网络学习速度慢、网络结构难以确定、局部最小陷阱等缺陷。以FUZZY－ART和ARTMAP为基础，提出基于ART遥感影像非监督和监督分类的一般模型，并以实际上土覆盖分类和城市结构信息提取为应用实例，通过与传统统计方法和一般ANN分类器相比较，ART具有正确率更同、学习速度快、自适应性等优点，是复杂数据分类和信息提取的有效工具。     

基于区域生长的遥感影像河流提取

通过对遥感影像中河流光谱特征的研究,提出了一种基于区域生长的遥感影像河流提取方法。该方法首先根据遥感影像生成灰度图像,选取河流生长初始区域,设置生长范围和生长阈值,通过区域生长得到河流边界,剔除河流内部"孤岛"并对边界细化,最后生成矢量文件。本文使用具有不规则河流边界的Landsat8遥感影像作为实验对象,验证方法的可行性和有效性。     

基于MATLAB的遥感图像变化检测

主要讨论了遥感图像变化检测的图像几何配准和阈值选取理论,利用MATLAB强大的数值计算功能实现了遥感图像变化检测.在拓展数学符号计算软件包MATLAB应用领域的同时,探索了一种遥感图像处理软件的快速开发方式.     

基于局部光谱空间分析的多尺度边缘检测

分析了传统边缘检测算法在多光谱影像应用中的局限性，提出了一种基于局部区域的光谱空间平均半径测度的边缘检测方法，该方法扩展了原有的单波段影像边缘检测的概念，将像元的灰度信息转化为光谱矢量，提高了检测的可靠性，并给出了多尺度边缘组合的算法。通过MAIS成像光谱仪对鄱阳湖30个波段数据试验，证明了此方法对边缘检测的有效性。     

专题知识引导下土地利用遥感变化自动识别方法

构建了基于GIS专题知识引导的土地利用变化自动检测技术与方法,在配准叠加情况下,以T1完整的土地利用类型图斑为单元构建各类别遥感数据知识库,然后以图斑单元计算遥感影像特征统计量,通过与知识库相关数据的比较与匹配,自动检测变化,识别相应的土地利用类别。     

基于多波段统计检验的土地利用变化检测

在将历史土地利用矢量图与新时期遥感影像结合研究的基础上,提出多波段统计检验差异法进行土地利用变化检测,有效避免了传统方法中阈值的不确定性.在黑龙江省佳木斯市开展的试验及精度分析表明,本方法可以在无人工干预的情况下较好地检测出土地利用变化,总体检测精度达到86.2%.     

基于MODIS影像的夜间云检测算法研究

在以往云检测算法的基础上,利用MODIS传感器高光谱和高时间分辨率的特点,建立一套针对MODIS夜间影像的,以单、多时相组合方法为基础的夜间云检测算法.通过对我国南北地震构造带(南北带)影像进行云检测试验证实,该算法对MODIS夜间影像上的各种云类具有较好的检测效果.     

基于逐次投影寻踪的高光谱影像降维方法研究

提出了一种新的逐次投影寻踪方法,对高光谱数据进行降维处理,采用定量化的指标,通过对高光谱数据的多次一维投影,逐步选取有效成分,构建新的低维正交空间.     

基于改进Kohonen神经网络的遥感影像分类

提出了一种基于改进后的Kohonen自组织特征映射神经网络的聚类方法,应用于多光谱遥感影像分类处理,试验证明其分类精度有较大提高。     

基于不同抽样方法的遥感面积测量方法研究

众多研究结果表明,遥感和抽样技术相结合可以有效地进行地物面积的测量。目前,随机抽样、系统抽样和分层抽样方式在 遥感抽样调查技术领域应用比较广泛。本文以遥感图像为基础,从不同角度对随机抽样、系统抽样及分层抽样（包括等样本量、等 面积、等丰度抽样）进行了有益探讨,分析发现： 对于同一地物,从平均误差百分比、标准差和极差3个角度分析,随机和系统抽 样反推得到的总量精度都低于分层抽样精度; 对于不同的地物类型,利用3种分层抽样方法反推的结果与地物所占百分比成正相关 ,地物所占的百分比越大,反推的结果越好; 等样本量、等面积、等丰度分层抽样从平均误差百分比、标准差和极差3个角度分析 各有优势,跟地物所占的百分比也有密切关系。     

基于RBF神经网络的遥感影像分类器设计

设计了一种运用径向基函数神经网络进行遥感影像分类的监督分类器,以实际的遥感光谱影像分类为例,将分类效果同传统的最小欧氏距离法分类进行比较,探讨了RBF分类的优越性,结果表明RBF神经网络是一种更为有效的图像分类器。     

基于小波变换特征的遥感地貌影像纹理分析和分类

本文基于图像的正交小波变换特征，研究了遥感地貌纹理影像的特征提取和分类方法，并对２５幅地貌影像进行了分类。结果表明，所述方法不仅对同一分辨率的影像有较高的分类正确率，而且对不同分辨率的影像也有较高的分类正确率，同时对训练样本和考试样本来自不同母体的影像也有较高的分类正确率。