基于特征匹配的月球撞击坑自动提取研究

本文提出了一种基于特征匹配的撞击坑自动提取算法,该算法以单个撞击坑的5个典型影像特征为依据,用最大类间方差法将月面影像分割为暗区、亮区和背景3类;再使用区域生长将离散点聚合,通过特征匹配找出属于同一撞击坑的暗区与亮区,并利用八方向Sobel算子获取边缘控制点并拟合边缘。经过"嫦娥一号"和"嫦娥二号"部分遥感影像的验证,该算法对于纬度较高地区的月面影像提取效果较好,已成功应用到数字月球平台进行全月展示。     

全月球撞击坑的空间分布模式

以基于嫦娥探月工程公开数据识别的全月球直径大于500 m的106 016个撞击坑为研究对象,划分月海、月陆、经向、纬向研究区域,采用核密度估计与Ripley's K函数的规格化函数-L函数相结合的GIS点模式分析方法,研究全月球撞击坑的空间模式。研究结果表明,全月球撞击坑分布形成了三个聚集中心,南北两极核密度低,东半球核密度高,西半球核密度低,北半球核密度高,南半球核密度低;月陆地区的核密度大于月海地区的核密度,在撞击坑直径范围1~500 km范围内,月陆地区的撞击坑数量是月海地区平均水平的5倍;全月球撞击坑的L（d）曲线随距离变化的过程中在总体上呈现先增后减的态势,经向、纬向研究区位在不同空间尺度上的聚集程度存在差异。     

基于DEM数据的月表撞击坑自动提取研究

提出一种基于地形与形态学的撞击坑自动提取算法,该算法主要利用撞击坑的形态特征进行提取,利用形态学方法提高提取结果的连续性并去除提取结果中的噪声,使提取的撞击坑边界线更为简单,定位更加准确,易于存储与计算。该算法使用月球勘测轨道器照相机(LROC)提供的100 m分辨率DEM数据进行测试,测试结果显示该算法对于形态较为完整的简单撞击坑提取效果较好,提取的边界线较为准确且能够反映撞击坑的真实形态。     

一种基于三维形貌的深空星体表面撞击坑自动提取方法

类地深空星体表面撞击坑的自动提取对着陆区选择、自主导航、星体演变研究具有重要意义。以三维形貌数据为基础,提出了一种基于等值线关系分析与形态学精确拟合的深空星体表面撞击坑自动提取方法。首先,从三维形貌数据中提取并保留满足圆度约束的等高线;其次,依据撞击坑的空间形态特征,分析这些等高线之间的相互关系,以初步确定撞击坑的位置;最后,应用形态学分析方法精确确定它们的边缘和位置信息。以月球月海带区域和火星水手峡谷东部区域的DEM数据进行实验,结果表明该方法与传统的撞击坑提取方法相比,具有更高的正确率、稳定性和实时性。     

基于Apollo图像的月表撞击坑自动提取

撞击坑是月表的主要形貌单元.研究月表撞击坑的形状与分布特征对描述月表撞击过程与演变规律有很大帮助.根据月表撞击坑的真实形状,提出了一套椭圆形撞击坑自动提取方法,其主要包括3个步骤:图像预处理、边缘检测与约束参数的Hough多椭圆分层检测.与人工提取结果比较,月表撞击坑自动提取的总体准确率在76％以上(其中比较大的撞击坑的检测率可以达到83％). 统计检测结果表明,当撞击坑的长半轴D＜ 160m时,其累积大小频率分布曲线撞击坑个数N与D-3.8有明显的线性关系.     

月球地形特征认识及增强可视化

长期以来人们生活在地球上,已形成了基于地球的习惯式视觉感受与空间认识,对其他星体地貌与现象的认知和识别成为新的挑战。基于月球与地球地形地貌上的差异性认知,研究地球认知转移的月球地形地貌的增强可视化,能够让人们更加直观地认识月球地形地貌。对比分析月球与地球的地形在地貌类型、地表色彩体系和地形起伏的异同性,建立基于地球认知转移的月球地形增强可视化的认知基础;构建月球与地球地形可视化要求的相似性和差异性,对撞击坑、月海、月陆、月溪等月球的典型地貌和区域地形进行了晕渲参数调整,分析月球地形在不同参数下的晕渲效果,实现月球地形增强晕渲可视化;揭示了月球地形可视化既要借鉴地球可视的认知转移（如暗色-低地形,亮色-高地形）,又要打破地球特定思维造成的可视化误解（如白色-雪线、绿-植被）,制作符合月球自身特征的可视化体系。     

月球测绘在月球探测中的应用

根据探月历史概述了月球测绘与月球探测的关系、月球探测的焦点和我国探月计划;分析研究了月球 测绘的关键技术;论述了月球测绘在月球探测中的应用。     

月球磁场建模研究

月球磁场是当前各航天大国深空探测研究的重要内容.介绍近年来主要的月球磁场建模方法和相关磁场模型,重点阐述等效场源和球谐函数两种建模方法.对各建模方法的特点、局限性和应用条件进行比较和分析,对下一代高精度月球磁场建模和类月天体磁场建模具有一定的借鉴价值.     

顾及月表铁元素含量的次生撞击坑识别

在对月表地质单元定年时,由于月球岩石、土壤和岩心样品数量有限,能够利用这些样品做同位素定年的地质单元范围很小,因此更大范围的月球表面的绝对年龄需要采用撞击坑尺寸频率定年法(crater sizefrequency distribution, CSFD)测定。然而月球表面次生撞击坑的存在会导致CSFD得到的定年结果出现偏差,故在标注撞击坑时有必要对次生撞击坑予以剔除,以便对行星表面的地质单元做较为准确的定年。提出一种顾及月表铁元素含量的次生撞击坑识别方法。使用波段比值法获取月表铁元素含量信息,以次生撞击坑内铁元素含量更接近月壤铁元素含量为假设前提,以撞击坑内与月壤的铁元素含量差值为判据分离主撞击坑和次生撞击坑。以日本月亮女神多光谱成像仪影像为实验数据,验证所提方法的有效性和稳健性。实验结果表明,在依据铁元素含量剔除次生撞击坑后的定年结果与已知定年结果之差小于0.1 Ga,具有较好的一致性;与其他次生撞击坑剔除方法相比,依据月表铁元素信息剔除次生撞击坑的结果更可靠。     

融合嫦娥一号CCD影像与DEM数据的月球撞击坑自动提取和识别

针对现阶段月球撞击坑定量信息提取不足和误提取的问题,本文提出了一种融合CCD影像和DEM数据进行撞击坑的自动提取及识别的算法。（1）在太阳光照下,撞击坑的影像特征满足特定的规律,通过条件匹配在CCD影像中提取撞击坑;（2）在DEM中,利用撞击坑坑壁点的坡向值的连续性,对影像中误提取的撞击坑进行剔除;（3）在DEM中,利用撞击坑边缘点法向量的突变性,提取撞击坑边缘点并进行拟合,计算撞击坑的参数,通过坑底点云所占比例以及剖面线特征识别撞击坑的类型。经过“嫦娥一号”影像与DEM数据的验证,该算法在高纬度月球撞击坑分布均匀的区域应用效果较好。     

Urban Shadow Detection and Classification Using Hyperspectral Image

Shadow is an inevitable problem in high-resolution remote sensing images. There are need and significance in extracting information from shadow-covered areas, such as in land-cover mapping. Although the illumination energy of shadow pixels is low, hyperspectral image can provides rich enough band information to differentiate various urban targets/materials and to classify them. This study firstly analyzes the spectra difference between shadow and non-shadow classes so as to detect shadow-pixel. To classify the shadow pixels, Spectral Angle Mapper (SAM) method was adopted to classify urban land-cover mapping, because it can reduce the influence resulted from different illumination intensity. Then, training samples were collected among different classes from the shadow pixels, and their Jeffries–Matusita (J–M) distance were computed to validate the spectral separability among classes, with the square distances of J–M among classes all bigger than 1.9. Finally, Maximum Likelihood Classifier (MLC) and Support Vector Machine (SVM) classifier were used to classify all the shadow pixels as different land-cover types. The results showed MLC and SVM outperform the SAM in classifying similar classes. The classification result in SVM was validated to find having conformity with ground truth.     

利用CART分类树分类检测交通拥堵点

交通拥堵检测是城市交通管理工作的重点和难点之一,现有的拥堵检测以路段为单位,不利于拥堵时空演变规律信息的提取,且检测内容大多只涉及拥堵程度,缺少对拥堵类型的识别。基于CART（classification and regression tree）分类树算法,提出一种以路段点为检测单元的拥堵点分类检测方法,该方法可根据路段平均行驶速度实时检测拥堵点及其类型。首先,将路段等距离划分后映射为路段点,根据时空维路况异常规则和异常模式,以路段点为单元分析了4种拥堵类型的时空演变模式;其次,在路段路况检测的基础上,提取路段点路况时空序列,根据不同类型的拥堵模式对路况时空序列进行分类标记;然后,选取4种速度指标作为样本属性集合,按照属性集合提取各路段点在各时段的速度,以此作为决策树学习的数据集;最后,基于CART分类树算法,采用交叉验证的方式训练出最优模型,使其达到最佳的泛化能力。与支持向量机（support vector machine, SVM）分类模型进行比较,实验结果表明,该方法在分类检测交通拥堵点时具有较高的正确率和召回率,且分类检测时效性较好。     

一种波段融合的分类变化检测方法

针对图像分类后变化检测两次单独分类造成的误差累积问题,在结合图像波段融合原理的基础上,将变化检测问题转化为影像分类问题,提出一种利用图像融合构造差异图的方法.所提出的方法同分类后变化检测法相比,只进行一次分类就能实现变化检测,在一定程度上避免了分类误差造成的误差累积问题.结果表明,利用该方法能够初步实现变化检测,且该方...     

一种能适应月相变化的月球图像中心提取算法

月球是夜间最亮的天体,测月导航可在云雾天气下有效弥补传统天文导航在夜间只能观测恒星的不足,扩大天文导航的可用范围。为实现测月导航,提出了一种能适应不同月相变化的月球敏感器图像月球中心提取算法。利用Sobel-Zernike矩算子对图像进行边缘检测,利用基于圆形性检测的搜索算法筛选月球边缘点并以此提取月球中心。经半物理仿真实验解算,该算法能够针对不同月相图像有效提取月球中心,中心提取的内符合平均精度为0.16像素,外符合平均精度为2.86″。由于在月球上观测地球也有"地相"变化,该算法同样适用于月球车地球敏感器图像中心提取。     

决策树弱分类支持的卫星视频运动检测

针对卫星视频的运动检测存在的局部伪运动虚警问题,提出一种决策树支持的局部有差别更新背景减除法。首先,对ViBe背景模型加以改进,在原模型基础上新增更新因子参数,建立初始的背景模型;其次,利用改进的模型进行运动检测,并对检测结果进行连通域标记,得到分割目标集;然后,根据目标特征属性建立决策树模型,并对分割目标集进行弱分类处理;最后,根据分类结果对背景模型样本和对应的更新因子进行局部有差别更新,进而实现“伪运动”虚警消除。利用SkySat和吉林一号视频数据进行实验,结果表明所提方法的效果和性能良好,检测率优于0.909,针对经典ViBe方法的误检测消除率优于90%。     

基于识别变量的粗差探测Bayes方法

从一个新的角度出发,对应每个观测值引入一个识别变量,基于识别变量的后验概率提出一种新的粗差定位的Bayes方法,并构造相应的均值漂移模型给出粗差估算的Bayes方法.由于识别变量的后验分布往往是复杂的、非标准形式的,为此设计一种MCMC(Markov Chain Monte Carlo)抽样方法以计算识别变量的后验概率值.最后对一边角网进行了计算和分析.试验表明,本文给出的探测粗差的Bayes方法不仅充分利用了先验信息,而且克服了以往粗差定位方法的模糊性以及探测标准选择的问题,同时计算简便.     

多时相组合分类法在土地利用动态监测中的应用

介绍了土地利用遥感动态监测的基本概念，简述了遥感土地利用变化信息提取等遥感监测方法．重点探讨了多时相组合分类方法的相关技术。对广西2002年和2003年两个时相的MODIS数据．采用多时相直接分类法对土地利用变化状况进行了遥感动态监测。对不同方式波段组合的试验表明。经过差值、比值处理的波段组合具有较差的试验效果(总体精度只有30％～40％)，而经过PCA变换的波段组合则具有相对较好的试验效果(总体精度超过70％)。