局部SVT算法的遥感反演场数据恢复实验分析

 遥感反演场数据会由于云雾、地物的遮挡,传感器性能等原因造成部分区域数据的缺失而影响遥感反演场数据的应用。矩阵填充理论针对低秩矩阵,利用矩阵的低秩性,即数据的高相关性,可以高精度地对低秩矩阵中的缺值数值进行恢复,其中矩阵填充理论中的SVT(Singular Value Thresholding)算法可以对矩阵中缺失数值进行快速、高精度的估计,应用广泛。本文应用矩阵填充理论的SVT算法,以缺值点为中心,方差最小作为窗口尺度选择的标准,这样可以保证区域数据的高相关性,建立局部窗口,对窗口进行SVT算法填充。本文也针对相同缺值区域进行了距离反比加权插值、Kriging插值法插值和整体SVT算法插值,整体SVT算法插值即并未对缺值点进行相关性窗口判断,而是直接对整个区域进行SVT填充。并对这几种方法的精度进行比较,得到局部SVT算法的精度相比整体SVT算法和距离反比加权插值算法的精度要高,与Kriging算法相比,其精度变化趋势相似,在锋面区域局部SVT算法精度比Kriging方法要高。     

基于卫星重力梯度数据的密度反演研究

为解决卫星重力梯度大尺度密度反演存在的平面模型误差、病态矩阵正则化、大型矩阵求逆、先验数据融合等问题,依托Tesseroid单元体模型,分别采用广义岭估计、代数重建(ART)、遗传算法完成了附加高斯白噪声的模拟异常体密度反演实验,并将反演结果与原始设定模型进行比较分析。     

一种基于归一化扰动模型的积雪和植被覆盖度反演方法

积雪和植被的覆盖范围对于研究气候变化和水资源平衡、生态环境状况具有重要的意义,但它们的光谱曲线具有较强的时空变异性,难以获取精确的覆盖度产品。针对线性混合像元分解算法在积雪和植被覆盖度反演中噪声和光谱变异带来的误差,本文提出了一种基于归一化扰动模型的积雪和植被覆盖度反演方法,并选用了3个不同的区域（单独的积雪覆盖区、单独的植被覆盖区、积雪和植被混合的覆盖区）来验证所提出框架的可行性。研究结果表明：① 该方法单独反演积雪覆盖度的均方根误差为0.172,单独植被覆盖度反演均方根误差为0.223,积雪和植被覆盖度混合反演的均方根误差分别为0.185和0.249,3种方案均有较高的精度;② 对影像与端元组进行归一化后,降低了光谱异质性,在此方法下的扰动混合模型可以有效地减弱MODIS影像光谱变化和噪声带来的误差;③ 针对MODIS影像,该框架获取的积雪覆盖度相对于植被覆盖度具有更高的精度。今后将进一步发展类似的积雪覆盖度与雪粒径协同反演算法。     

基于Dense SIFT特征的无人机影像快速拼接方法

特征匹配是无人机影像拼接过程的关键步骤,针对传统的特征匹配方法在影像拼接过程中获取匹配点少、特征点分布不均匀、匹配耗时长等问题,本文提出一种基于Dense SIFT特征的无人机影像快速拼接算法。首先,利用影像POS信息构建连接矩阵以引导匹配过程;然后在降采样影像上进行影像分块,利用Dense SIFT算子获取初始匹配点,并采用两次NCC方法分别实现降采样影像和原始影像上匹配点的精化;最后,基于共线方程将影像投影至物方面上,完成影像的快速拼接。本文选取2组无人机影像进行拼接实验,将本文算法与SIFT和SURF匹配拼接方法进行对比,结果表明：在影像特征点匹配方面,本文方法获取匹配点数量是SIFT和SURF算法的5倍以上,且匹配点分布更加均匀;在影像拼接结果方面,本文方法不仅能够较快完成影像拼接,而且有效避免了拼接影像中的“重影”现象,保证了较好的拼接质量。     

基于Adaboost的高分遥感影像自动变化检测方法

基于监督分类的高分辨率遥感影像变化检测需要大量人工标注,且单个监督分类器难以适应高分影像中复杂多样的地表变化信息提取,检测结果中“椒盐噪声”严重、变化图斑破碎。因此,本文提出一种基于Adaboost集成算法、自动标注训练样本的变化检测方法。首先利用非监督分类方法完成变化初检,接着在初检结果中进行“非等距”区间采样自动获取均匀分布的训练样本;然后以Adaboost算法为集成框架,选择决策树桩、Logistic回归和kNN作为弱分类器,构建一种混合分类器集成系统,充分挖掘和利用高分影像中的空间信息以提升分类精度和分类器泛化能力,最后利用SLIC分割算法和空间邻域信息对像元级检测结果进行空间约束滤波,进一步提升变化检测精度。为验证本文方法的有效性,选取SPOT-5和WorldView-2影像为实验数据,结果表明本文方法能有效降低训练样本人工标注成本、提高变化检测精度。     

非高斯有色噪声影响下的高斯混合滤波算法

针对GNSS/SINS紧组合定姿定位系统在非高斯有色噪声环境下直接使用高斯混合扩展卡尔曼滤波（Gaussian mixture extend Kalman filter, GMEKF）出现的随机模型失配现象,提出一种顾及非高斯有色噪声影响的GMEKF优化算法。该算法在高斯混合模型对非高斯噪声近似的基础上,通过状态扩增和量测组差对非高斯噪声序列中的有色噪声成分进行白化处理,从精化随机模型的角度改善了GMEKF算法的性能。实验结果表明,在非高斯有色噪声环境下,相比于GMEKF,该算法对随机模型建模更准确,将其用于受非高斯有色噪声影响的定姿定位场合中可进一步提高导航解算精度。     

基于压缩感知的气象雷达回波压缩采样与重建

由于Nyquist采样定理的限制,高分辨率气象雷达面临采样率过高、数据存储量过大等问题。压缩感知理论可以实现气象雷达信号的压缩采样,解决采样率过高等问题。基于压缩感知理论,分析了气象雷达回波信号的稀疏性,建立了气象雷达回波信号的压缩采样和重建的过程,并结合气象雷达实测的回波数据进行仿真。仿真结果表明,0.3倍采样率下的重建回波与原始回波存在较大误差,0.5倍采样率时误差明显降低,0.7倍采样率时则可高概率重建出原始回波。因此,将压缩感知理论应用于高分辨率气象雷达的信号处理中,可以实现在较低采样率下高概率重建原始回波信号。     

小波稳健最小二乘估计的轨道误差校正算法及其在DEM中的应用

针对二次多项式模型去除干涉相位轨道误差时,须对干涉相位其他项的分布性质作假设等问题,给出基于小波多尺度分析的轨道误差去除算法。基于轨道误差相位在干涉图中表现为长波长低频的特性,将不同尺度空间上波长比轨道误差相位波长短的地形残差相位、噪声相位等进行滤除,并采用稳健最小二乘估计二次多项式模型参数,进一步降低残余地形误差相位等对轨道误差多项式拟合的干扰。结果表明,本文方法改正后的干涉图中含有的趋势性轨道误差更少,去除效果更优,可提升多项式拟合结果的可靠性。     

超像素与主动学习相结合的遥感影像变化检测方法

针对高分辨率遥感影像变化检测结果较破碎,易产生椒盐噪声、监督训练过程中人工标注成本较高、训练样本冗余以及大量未标注样本信息未有效利用等问题,提出一种超像素与主动学习相结合的高分辨率遥感影像变化检测方法。利用超像素分割算法得到超像素对象,提取其光谱和纹理特征;引入并借助主动学习样本选择策略充分利用未标注样本信息,挖掘不确定性最大、最易错分的样本交由用户人工标注;为保证所选样本的多样性,加入基于余弦角距离的样本相似性度量,以减少样本间信息冗余,在减轻人工标注负担的同时获得良好的分类性能。通过对2组不同场景的遥感影像的实验,表明本文提出的2种方法能够在标注少量训练样本的情况下获得较好的变化检测结果,且加入样本相似性度量的变化检测方法在有效减少人工标注成本和训练样本冗余的同时,能够更快地达到收敛、提升检测质量。     

面向对象的高分辨率影像信息提取方法研究——以四川理县居民地提取为例

本文对面向对象影像分析方法做了初步的探索和应用研究,通过建立多尺度影像空间和分类规则库对四川理县"5.12"震后的航空影像进行土地覆盖分类,并在此基础上提取了房屋和居民地的空间分布矢量信息。将土地覆盖分类的结果与传统的基于像元的方法进行对比,结果表明:面向对象方法的分析结果更接近于人工解译的效果,对试验区的分类精度也远远高于基于像元的影像分类的精度,有效克服了传统分类方法所存在的"椒盐噪声"问题,与基于像元分类的栅格数据相比,面向对象的方法可直接提取GIS分析的矢量信息,展示了面向对象技术应用于高分辨率影像信息提取的广阔前景。     

一种去除图像中脉冲噪声的自适应滤波算法

针对灰度图像中的脉冲噪声滤波的问题,提出一种具有细节保护的自适应滤波算法.算法分为两步:第一步是对图像中的噪声进行识别,第二步利用噪声点周围的相关信息,对噪声点进行修复.经实验表明算法与其他算法相比,在图像的细节保护,自适应性以及噪声的消除方面具有一定的优势.     

基于ICA的稀疏编码算法在图像处理中的应用

针对独立分量分析基于数据间的高阶统计特性,并能有效揭示图像的本质特征的优势,分析了自然图像基于ICA的稀疏编码的实质,主要从图像压缩和图像去噪两个方面讨论了稀疏编码算法在图像处理中的应用。仿真实验结果表明,稀疏编码算法能够有效提取自然图像的特征基向量,利用特征系数的稀疏性,可以有效实现自然图像的压缩;结合软门限算子对噪声图像的特征系数进行处理,能有效减小自然图像中的高斯噪声的影响。     

Dynamic visual simulation of marine vector field based on LIC——a case study of surface wave field in typhoon condition

Line integral convolution(LIC) is a useful visualization technique for a vector field. However, the output image produced by LIC has many problems in a marine vector field. We focus on the visual quality improvement when LIC is applied in the ocean steady and unsteady flow field in the following aspects. When a white noise is used as the input in a steady flow field, interpolation is used to turn the discrete white noise into continuous white noise to solve the problem of discontinuity. The "cross" high-pass filtering is used to enhance the textures of streamlines to be more concentrated and continuity strengthened for each streamline. When a sparse noise is used as the input in a steady flow field, we change the directions of background sparse noise according to the directions of vector field to make the streamlines clearer and brighter. In addition, we provide a random initial phase for every streamline to avoid the pulsation effect during animation. The velocities of vector field are encoded in the speed of the same length streamlines so that the running speed of streamlines can express flow rate. Meanwhile, to solve the problem of obvious boundaries when stitching image, we change the streamline tracking constraints. When a white noise is used as an input in an unsteady flow field, double value scattering is used to enhance the contrast of streamlines; moreover, the "cross" high-pass filtering is also adopt instead of two-dimensional high-pass filtering. Finally, we apply the above methods to a case of the surface wave field in typhoon condition. Our experimental results show that applying the methods can generate high-quality wave images and animations. Therefore, it is helpful to understand and study waves in typhoon condition to avoid the potential harm of the waves to people's lives and property.     

一种由粗到精的光学与SAR遥感图像配准算法

由于光学遥感图像和SAR图像具有明显的非线性强度差异,且SAR图像存在斑点噪声,使得其配准存在较大难度。为此,本文结合基于特征和基于区域图像配准方法的优点,并组合为混合模型,提出一种由粗到精的自动配准算法。以光学遥感图像和SAR图像分别为参考图像和待配准图像,先以基于特征点的SAR-SIFT完成粗配准,再以基于区域的ROEWA-HOG完成精配准。① 采用SAR-SIFT算法进行特征点检测和特征匹配来计算图像的仿射变换模型,以消除参考图像和待配准图像之间明显的旋转、尺度和平移差异,至此完成图像粗配准;② 在此基础上利用分块Harris角点检测在参考图像上获得特征点,并根据特征点确定待配准图像上的同名点搜索区域;③ 计算图像的ROEWA梯度,构造以特征点为中心的模板区域内的HOG特征向量,以SSD作为相似性测度搜索待配准图像上的同名点,完成高精度的图像配准;④ 进行图像配准实验,对配准结果进行目视检查和精度评估。经过多组光学与SAR图像配准实验,验证本文算法能够结合基于特征和基于区域的图像配准方法的优点,较好地抵抗光学与SAR图像之间的非线性强度、旋转、尺度、平移差异和SAR图像的噪声影响,并逐步提高配准精度,最终配准精度达到1个像素左右,实现了光学与SAR图像的高精度自动配准,能够满足光学与SAR图像后续综合应用。     

遥感图象的马尔柯夫随机场模型的纹理识别方法

本文讨论了马尔柯夫随机场图象模型及邻域选择方法,提出了8邻域5特征参数的马尔柯夫随机场图象模型以及一套完整而有效的特征参数的估计算法,将这些特征参数变成可视图象从而实现了视算。对8类不同纹理的标准图象进行分类试验,其识别(分类)的平均正确率达97.57％。     

���ڻҶȹ�����������������SARӰ��仯��ⷽ���о�

????????????????SAR??????????????????????????????????????????????????????????????????????????????????????????????????????????????仯?????????????????????????仯????????????????????????????????????????EM????????????????в????????????????????С????????б仯????????????????????????仯????????б?????????????????????????????????仯??????????????????????????????С?????и??????Ч????     

基于对象BOW特征的高分辨率遥感影像变化检测方法

针对传统基于像素的变化检测方法的缺点,以及底层特征表现能力不足等问题,提出一种基于对象BOW特征的变化检测方法。首先,将经过预处理操作的两期影像进行波段组合得到组合后影像,再考虑地物光谱特征和几何空间信息对组合后影像进行多尺度分割,获得相对应的对象基元;同时,分别提取两幅影像的底层特征（包括影像各波段的均值和方差以及灰度图像的6种纹理特征）。其次,将对象视作文档,像素的特征向量视作单词,利用BOW模型构建影像对象的中层表达,即对象的BOW特征。最后,通过相似性度量算法比较相应对象的BOW特征,从而识别出影像上的变化区域。本文利用2组WorldView-2影像进行了检验,结果表明本文方法的变化检测结果较为完整,精度优于对比方法。本文方法基本能够满足变化检测的需求,为高分辨率遥感影像上的数据挖掘分析提供了有效的手段。