微机遥感图像几何纠正快速算法

本文针对遥感图像数据量大、微机几何纠正速度慢的问题,提出了一种微机遥感图像几何纠正快速算法。该算法采取了行列分离多项式快速运算、自动优化分块分配内存、多波段同时处理等措施,大大提高了运算速度,并且对任意大图像可一次处理,无需分块,使微机遥感图像几何纠正方法完全达到实用要求。文中阐述了算法的技术细节,介绍了算法在微机上的实现和其速度指标。     

高斯加权的遥感影像中值滤波及其快速算法

中值滤波算法能有效抑制椒盐噪声和高斯噪声,是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足,提出了一种对邻域像素使用高斯加权的中值滤波算法,并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明,新算法具有更好的噪声抑制性能,且计算效率与经典算法有大幅提高。     

准实时微机图像处理系统的设计与实现

本文介绍了实时微机图像处理系统的结构与功能。该系统采用了一种数字信号处理器TMS320C25对图像信号进行处理。还讨论了为实现高质量图像处理的一些关键技术。     

数字图像混合噪声滤波算法研究

针对数字图像中混合噪声难以处理的问题,基于算术均值滤波算法和中值滤波算法提出了一种针对混合噪声的滤波算法。该算法先根据混合噪声的特点设置阈值,再利用阈值分离混合噪声中的高斯噪声和椒盐噪声,最后针对不同噪声分别采用不同的滤波器进行处理。经过Matlab仿真试验和评价标准分析可知,该算法对图像处理速度较快,容易实现,不仅对数字图像的滤波效果显著,而且还能较好地保留影像细节信息。     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中,受到多种因素的影响,会含有各种噪声而降质.文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上,提出了一种自适应加权的遥感图像去噪滤波方法.该算法针对噪声图像上每一点,应用自适应加权算子,对于不同的图像区域,算子自适应地进行窗口大小和输出像素值的改变.试验证明,该方法优于传统的去噪滤波算法和AMF滤波算法,在滤除噪声的同时尽可能地保留了图像细节,对于遥感图像去噪增强具有很好的效果.     

一种改进的遥感图像自适应加权滤波算法

遥感图像在其获取、传输的过程中，受到多种因素的影响，会含有各种噪声而降质。文中在分析传统的去噪处理算法和自适应中值滤波算法的(AMF)基础上，提出了一种自适应加权的遥感图像去噪滤波方法。该算法针对噪声图像上每一点，应用自适应加权算子，对于不同的图像区域，算子自适应地进行窗口大小和输出像素值的改变。试验证明，该方法优于传统的去噪滤波算法和AMF滤波算法，在滤除噪声的同时尽可能地保留了图像细节，对于遥感图像去噪增强具有很好的效果。     

条件平滑滤波及其应用

条件平滑滤波是一种非线性滤波。它通过设置阈值,对图像平滑处理进行控制,以便在突出 低频信息的同时,保留有用的边界信息和减少模糊效应,是分类和信息提取前对图像进行预处理 的较好方法。本文介绍了条件平滑滤波方法的原理和算法,以及本方法在S101图像处理系统上 的实现,并以实例阐述了条件平滑滤波的方法在遥感图像处理中的应用。     

基于形态学的遥感影像滤波方法研究

针对遥感影像的特点，提出了一种基于多结构元素形态学的滤波算法。运用此算法和传统的中值滤波算法以及均值算法一并对遥感影像进行了处理，并且使用多种指标对处理的结果进行了比较。结果表明，该算法能够很好地滤除遥感图像中的噪声点，改进了对遥感图像的细节目标的保护。     

基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。     

遥感图像薄云去除方法及IDL的实现研究

云噪声的干扰,严重影响了遥感图像的解译与信息提取。本文从遥感图像的成像机理出发,使用同态滤波算法,采用IDL二次开发语言并集成到ENVI平台上,实现了遥感图像薄云的自动化检测与去除。实验证明,该过程能够有效地去除薄云,提高在传统方法中图像预处理的效率,在一定程度上提高了图像的质量与精度。     

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...     

遥感影像流程化处理系统的设计与实现

在进行遥感影像处理过程中,因处理目的不同而采用不同的方法来处理遥感影像,同时遥感影像处理流程并非是一个简单的单步操作,而是多种操作综合的结果。遥感影像类型颇多,处理流程差异较大,因此,固定的流程化操作显然不妥。本文将建立一个高效集成的处理系统,它可以方便用户定制直观的处理流程,并且提供较优的扩展功能。本系统在实际遥感影像处理应用(如数据融合等)中已经取得了理想的效果。     

济南市遥感影像的水体信息提取方法研究

介绍了遥感影像融合技术,并对几种常见的遥感影像融合方法及其应用作了系统的阐述,以图像处理系统ERDAS为平台,利用济南市卫星遥感图像作为研究材料,讨论了ERDAS计算机图像处理的有关过程,研究了如何把水体从遥感图像中提取出来。结果表明：该提取水体的研究方法正确可行,可为地理信息专题制图提供重要的遥感基础信息。     

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Oracle多分辨率遥感影像数据库的设计

简要介绍了Oracle提供的Oracle Spatial和Oracle inter Media两个选件的特性，详细阐述了基于对象一关系模型的多分辨率遥感影像数据的组织和管理，并设计和建立了多分辨率遥感影像数据库的原型，采用了地形瓦片和影像金字塔的快速索引结构，实验表明该设计正确有效，能够平稳快速地实现多分辨率遥感影像的快调度显示。     

应用数字图像处理技术处理数字高程模型数据和与数字高程模型数据相结合的遥感信息

本文介绍了数字图像处理技术在处理数字高程模型数据和遥感信息与数字高程模型数据相结 合的综合分析方面的应用；说明了实现人工阴影和人工立体观察像对的方法的基本原理及其在处 理数字高程模型数据上的应用；介绍了为提高遥感图像的可解译性,把遥感信息与数字高程模型 相结合,制作遥感图像的人工立体观察像对和立体透视图像的方法技术。     

快速制作可应用于导航系统的卫星遥感影像

导航系统的民用化越来越广泛,将卫星遥感影像应用于车载导航、便携式导航等产品能够增强其视觉效果和直观性,因此快速制作海量遥感影像就成为一个新的要求。本文将分别阐述卫星遥感影像种类、处理软件种类以及资源三号影像应用于导航系统的优势,并且简要介绍海量遥感影像的处理流程。     

海量遥感影像分块逆映射快速坐标转换

提出了一种海量遥感影像分块逆映射快速坐标转换算法,并针对分块窗口的形状和大小对处理过程所占内存与处理效率造成的影响作了试验与分析并得出结论。该算法使得处理过程所占内存不受原影像与处理后影像的尺寸大小所限制,并且通过与主流遥感影像处理软件对比试验的结果可以看出,该算法可以完成超大幅遥感影像与分幅遥感影像的坐标转换处理,处理分幅影像时有效地避免了影像间的接缝,同时处理效率达到主流的专业遥感影像处理软件水平。     

高分辨率SAR与光学遥感影像中道路提取方法的研究

高分辨率影像能够提供丰富的地表细节信息,从高分辨率遥感影像中进行高精度的道路提取是目前遥感信息处理的研究热点。分别以高分辨光学IKONOS影像和COSMO-Skymed SAR影像为数据源,对北京市某区域进行了道路信息自动提取方法的研究。高分辨率光学影像中采用最大似然分类进行道路信息提取,在SAR影像中则采用Otsu阈...     

高分辨率遥感影像分割方法研究

在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。