一种实用的遥感影像二维信息隐藏盲算法

提出了一种实用的二维信息隐藏盲算法 ,以实现遥感影像中机密信息的隐藏。     

Landsat7 ETM＋影像的融合和自动分类研究

利用SFIM、MLT、HPF和修改的Brovey(MB)等遥感影像融合算法对Landsat 7 ETM 影像进行融合和自动分类研究，并就融合影像的光谱保真度、高频空间信息融人度和分类精度对这些方法进行评价。结果表明SFIM变换几乎完全保持了原始影像的光谱特点，并具有最高的平均分类精度；MB变换具有最高的高频空间信息融人度；MLT变换也具有较高的分类精度；只有HPF变换的各项指标都不突出。所有4种融合影像的分类精度都较原始影像的分类精度有明显的提高。这表明，源于同一传感器系统的不同分辨率影像的融合可以避免异源传感器融合影像所常见的各种参数、时相和配准误差，所以能够明显地提高影像的自动分类精度。     

基于自适应格网划分的遥感影像感知哈希认证算法

针对遥感影像大数据量和信息分布不均匀的特点,提出了一种基于自适应格网划分的遥感影像感知哈希算法,并将其用于遥感影像的完整性认证。该算法基于自适应策略对信息丰富的影像区域进行粒度更细的完整性认证,首先对原始影像进行波段融合,然后根据信息熵对波段融合结果进行自适应的格网划分,最后提取格网单元的局部特征构造感知哈希序列。影像接收端通过收到的感知哈希序列实现影像的认证。实验表明,本文算法能够识别遥感影像局部细节篡改,并对保持内容不变的操作具有鲁棒性,实现了遥感影像基于内容的完整性认证。     

面向遥感影像内容的多级安全授权方法

针对遥感影像数据海量的特点和对安全保密的应用需求,提出了一种面向内容的遥感影像多级安全授权方法。采用选择性的多机密区域多密级的遥感影像加密算法,在保持遥感影像格式和各项应用特性不变的基础上,分发给不同用户相同处理后的影像数据和不同权限的密钥,使不同用户通过各自密钥解密获取不同信息程度的影像数据。实验结果表明,该方法具有高机密性和高计算效率,能有效解决海量遥感影像数据的安全保密难题。     

国产高分辨率遥感卫星融合方法比较

遥感影像融合技术不仅提高了遥感影像的空间分辨率,还保留了原始遥感影像的光谱信息,因此,融合在遥感影像处理领域应用较为广泛。本文针对资源三号和高分二号影像的特点,选择主成分变换、乘积变换、GS融合算法、HSV融合、Pansharp融合、Brovery变换融合方法进行影像融合试验,并采用主客观方法进行融合质量评价。实验结果表明:对于资源三号影像,Pansharp融合方法效果最优,融合后影像适应性也最强; G-S融合算法和HSV融合方法比Pansharp融合方法稍差,主成分变换和乘积变换最差。对于高分二号影像,Pansharp融合效果最好,Brovey变换融合次之,乘积算法最差。因此,在实际应用中,应根据卫星影像的不同选择适当的融合算法,实现更好的应用。     

吉林一号卫星影像融合及质量评价

我国第一颗自主研制的吉林一号(Jilin-1)高分辨率商业光学遥感卫星,其空间多光谱分辨率为2.88 m分辨率和全色分辨率为0.72 m。针对吉林一号卫星影像成像的方式,采用合适的遥感影像融合算法,能够增强多光谱影像的空间质量,提高影像应用的层次。本文尝试CN融合、Brovey融合、Gram-Schmidt融合、NearestNeighbor Diffusion等4种新的高保真算法对吉林一号卫星影像进行融合实验,并对融合后多光谱影像的质量进行定性分析与定量评价。结果表明:4种融合方法对影像空间信息和光谱信息都具有较高的保真度,而基于Nearest-Neighbor Diffusion方法融合产生的影像在增强了高分辨率空间纹理细节的同时,光谱信息失真度最小,更适合于吉林一号影像的融合。本结论对利用吉林一号遥感数据开展定量研究具有重要意义。     

遥感影像融合方法与实现

影像融合技术就是通过一定的方法来对多种遥感图像信息进行融合的处理,以获得更多、更有效、更准确的信息,从而实现遥感影像应用的各种需要。阐述了遥感影像融合的层次、特点和常用的像素级影像融合算法;用ERDAS IMAGE遥感影像处理软件对spots5遥感影像进行影像融合实验,并对融合后影像进行评价。     

抗几何攻击的高分辨率遥感影像半盲水印算法

提出了一种可有效抵抗几何攻击的高分辨率遥感影像半盲水印算法。该算法充分考虑了高分辨率遥感影像的特点,在水印嵌入方案中,对原始水印信息进行扩频处理,将水印值与最高有效位进行匹配,生成密钥矩阵,水印嵌入到最高位或次低位,并以二进制方式保存生成的密钥矩阵;在水印提取方案中,采用模板匹配技术提取出最优的水印信息。实验结果表明,该水印方案具有良好的不可见性,并且对影像的裁剪、旋转、平移、加噪、滤波等操作具有较强的鲁棒性。     

基于纹理特征融合与核模糊聚类的道路提取

根据高分辨率遥感影像中道路方向上的纹理一致性,提出了一种基于纹理特征融合与核模糊C均值聚类的高分辨率遥感影像道路提取新算法。该算法改进了角度纹理特征的计算方式,首先与Gabor纹理特征进行融合;再利用结合空间信息的核模糊C均值聚类算法对融合特征进行聚类,从而提取高分辨率遥感影像中的道路。实验结果表明,该算法可较高精度地从高分辨率遥感影像中提取具有一定纹理的道路。     

结合LOG算子和大津法的遥感影像边缘检测方法

针对遥感影像具有丰富的细节和混合噪声,采用传统高斯拉普拉斯(LOG)算子难以有效地提取遥感影像地物边缘信息,文章提出一种结合LOG算子和大津法(Otsu法)的遥感影像地物边缘信息提取算法。此算法采用中值滤波对原始影像进行消噪,利用Otsu算法对滤波后影像进行自适应阈值分割得到目标影像,采用LOG算子对目标影像进行边缘信息提取。以安宁某区域的遥感影像为例,实验结果表明,提出的算法与传统LOG算子相比,具有更高的提取精度,能有效地提取出遥感影像的真实边缘、减少伪边缘。     

遥感影像压缩的构像质量评价

本文分析了JPEG2000压缩算法的基本原理,对某地区的数字航空遥感影像进行了压缩试验,通过比较不同压缩比下各种评价指标的变化,来研究JPEG2000压缩算法对重建影像构像质量的影响,评价结果表明压缩比的增加,重建影像灰度平均值、标准方差和信息熵在一定范围内波动;同时,随着压缩比的增加,重建影像纹理越来越粗,视觉效果降低,并且重建影像与原始影像的一致性程度降低,差别越来越大。     

基于小波理论的遥感图像高保真压缩方法研究

根据遥感图像局部相关性较弱、纹理复杂丰富的特点,提出了基于小波分析理论的自适应标量、矢量混合量化压缩方法。该方法根据遥感图像小波变换后高频子图的局部块纹理强弱将这些块划分为４类,对平坦块进行高倍压缩,对纹理块进行高保真压缩,使各块的恢复误差大致平衡。其主要特点是避免了矢量编码过程中的码书训练和码书搜索,因而时间性能好,并且对单幅图像的压缩比和峰值信噪比（ＰＳＮＲ）优于ＪＰＥＧ方法。此方法与ＫＬ变换去波段相关技术相结合,应用于多波段遥感图像压缩领域,收到了良好的效果。     

基于自适应四叉树分割的遥感图像压缩算法

遥感图像具有不同于一般图像的特点,针对遥感图像对压缩算法的特殊要求,提出了自适应四叉树分割算法实现图像的分块,以各像块的均值近似表示该像块的灰度值,从而以尺量少的数值获得对原始图像的最佳逼近,再对辐近误差进行自适应分割和基于像块方差的自适应量化,最后对各分量进行Huffman编码.实验表明,本算法能表现出良好的实用性能,比JPEG算法更适用于遥感图像的压缩.     

西宁市城区扩展对比中遥感影像处理技术的探讨

根据西宁市城区扩展监测对遥感信息提取的需要,采用多种方法将具有较高空间分辨率的SPOT遥感图像和具有多波谱的ETM 遥感图像进行增强及融合试验,结果表明:对ETM 影像先进行锐化处理,再将SPOT影像与锐化后的ETM 信息融合,然后对融合后的影像进行去霾处理得到的影像质量最好。     

考虑人类视觉特征的融合图像评价方法

图像质量评价是遥感图像融合必不可少的环节,对融合图像的客观评价具有较好的研究价值,好的客观评价指标应尽量与主观评价一致。针对全色图像和多光谱图像的融合质量评价,在考虑人类视觉系统的多通道分解和对比度敏感特性的基础上,首先修改颜色失真和结构相似度来分别评价光谱信息和空间信息,然后综合两者作为融合图像的整体评价。以SPOT5图像和高分二号卫星图像为原始数据,对7种融合图像的质量进行了评价。实验表明,对于高分辨率的遥感图像,这种引入了人类视觉特征的融合评价方法与主观评价有很好的一致性。     

基于QR码的瓦片遥感影像数字水印算法

针对瓦片遥感影像数据,提出一种基于快速响应矩阵码（quick response code,QR code）的强鲁棒性盲水印算法。算法的设计充分顾及了瓦片遥感影像的数据特征,将包含版权认证信息的QR码水印图像进行数据压缩和预处理,有效降低了嵌入数据量;通过在水印嵌入单元和水印信息位之间建立稳定的映射关系确保水印信息的可靠嵌入;采用改变像素值位平面统计特征的方法实现对含水印瓦片遥感影像的快速定位。最后,对所提算法进行了试验验证。结果表明,QR码的引入有效提升了水印信息容量,所提算法对于常规图像处理操作和拼接攻击具备良好的保真度和鲁棒性,可实际应用于瓦片遥感影像数据的版权保护。     

多视觉特征与K-centroid聚类的高分辨率遥感图像检索

目前基于单一内容的高分辨率遥感图像检索具有描述片面、信息不精确的问题。针对此问题,充分利用遥感图像的颜色、形状和纹理特征,将三者综合起来,形成多视觉特征的遥感图像检索,并通过一系列的迭代运算,得到这三种特征对待不同类遥感图像时各占的最佳比例系数,从而得到较好的检索结果。并针对分别计算遥感图像的颜色、形状和纹理特征,再将其融合导致在大图像库中进行检索时检索速度较慢这个问题,引入改进的K-centroid聚类算法,先对遥感图像库中的图像进行聚类,大大缩小了检索的范围,提高了检索速度。实验结果表明,该方法具有较好的检索结果。