基于城市天际线的遥感视频生产与交通信息提取

传统交通信息获取方法较难获取大范围、全覆盖的实时动态交通流信息,提出一种利用城市天际线作为观测平台的城市遥感视频生产与交通信息提取方法。首先,在超高层建筑物拍摄对地观测数据;然后,对原始倾斜视频观测数据进行正射校正,与卫星影像融合生成大范围城市遥感视频数据;最后,训练深度学习模型进行车辆分类识别,基于识别结果计算区域车辆数目及密度。在深圳平安大厦观光层开展数据采集并处理分析,结果表明,所提方法可生产低成本、长时间、大范围、高质量的城市遥感视频,基于该遥感视频开展的车辆检测误识别率和漏识别率低,车辆计数准确率高,可对区域交通流量进行有效监控,准确实时地获取城市内部区域交通情况。     

遥感视频卫星运动车辆目标快速检测

随着遥感卫星成像技术的快速发展,遥感视频卫星的出现为运动车辆目标信息获取提供了新手段。然而在遥感卫星视频中,运动车辆目标仅为几个或十几个像素并与背景的对比性较低,难以获取车辆的局部细节特征,使得传统监控视频的运动车辆检测方法直接应用到卫星视频图像会存在很多的问题。在分析遥感卫星视频运动车辆目标检测与传统监控视频运动车辆目标检测差异的基础上,本文提出了一种感兴趣区域自动约束的遥感卫星视频运动车辆快速检测方法：首先是快速自动获取运动车辆目标的感兴趣区域;其次在感兴趣区域约束下,基于改进的高斯背景差分方法实现感兴趣区域内运动车辆快速检测。应用Skybox-1卫星视频数据进行了运动车辆目标检测实验并进行了定性与定量分析。实验结果表明,本文方法可以有效自动减少动态背景变化导致的伪运动目标,具有较高的检测率、较高的检测质量、极低的虚警率以及较高的运行效率,可自动高效实现卫星视频图像中运动车辆目标的高精度检测。     

珞珈三号01星在轨处理技术及验证

遥感卫星在轨处理技术是推动遥感技术实现实时智能服务的核心环节。针对星上资源受限环境引起的系列处理难题及遥感数据实时处理与信息提取需求,本文首先构建了任务驱动的卫星遥感数据在轨处理框架,以任务需求为核心并协同星地资源建立基于感兴趣区域的星上处理技术体系;然后,面向不同任务层级和应用场景,给出了以位置信息为驱动的基础在轨处理模式、以目标/场景内容和变化事件为驱动的智能处理模式;最后,论述了适配星上资源受限环境的在轨处理关键算法,基于珞珈三号01星星上处理应用程序,验证了典型算法的在轨处理效果。在任务驱动和星地协同机制下,实现了在轨高精度定位、多类型影像产品快速生成、静动态目标信息实时提取及静态和动态影像高倍率近实时压缩。在轨处理显著提高了传统地面处理的效率,能够有效支撑后续卫星遥感实时智能服务。     

基于字典学习的遥感影像超分辨率融合方法

鉴于多源遥感影像融合受现有分辨率的限制,结合稀疏表示理论,提出了一种基于字典学习的遥感影像超分辨率融合方法,可将多光谱影像的空间分辨率提升到全色影像空间分辨率的1倍或2倍。在遥感影像融合框架下,首先建立学习字典,利用冗余字典对影像稀疏表示,重构超分辨率;然后采用Gram-Schmidt(GS)光谱锐化法,融合得到超分辨率多光谱影像。利用QuickBird数据对提出的方法进行3个实验,结果都表明本文方法相对传统融合方法、传统超分辨率方法和其他字典学习方案具有一定优势,适用于遥感影像超分辨率融合,可为多源遥感影像融合的超分辨率问题提供1种可行的解决方案,而且对其他融合方法也有借鉴意义。     

一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。     

资源卫星（可见光）遥感数据获取任务调度优化算法研究

从资源卫星（可见光）遥感数据获取任务调度的影响因子分析入手,在研究国外相关遥感任务调度算法的基础上,提出了基于目标的卫星遥感任务调度算法规则,并依据该规则研究建立了算法实现流程,以解决用户需求和星地资源使用约束之间的冲突,从而有效地满足用户对遥感数据的需求。     

基于背景迭代搜索的高分辨遥感图像汽车检测

提出了一种基于高分辨率卫星遥感图像检测汽车的新方法——背景迭代搜索(Background Iterative Search,BIS)算法。该算法首先利用背景与目标的局部差异,用距离作为判别准则逐步迭代搜索并去除背景,根据汽车的物质特性初步检测汽车;然后采用动态双峰阈值分割方法,利用全局信息把道路和非道路分开,并根据形状特征粗略提取道路;最后利用道路信息约束初步检测的汽车,得到最终的汽车检测结果。通过使用IKONOS和QuickBird卫星遥感数据进行实验,验证了BIS算法的有效性。     

附有物理量和气象条件约束的光学卫星国土观测有效覆盖率评估

传统光学卫星国土观测覆盖评估建立在卫星对地理想覆盖的基础上,并未考虑卫星存储、星地数据传输、观测时长等物理量及观测区域气象因素对于覆盖性能的影响。本文针对光学遥感卫星的国土观测需求.建立国土观测有效覆盖能力评估指标体系,根据卫星数据存储能力、星地数据传输能力、卫星单圈最大观测时长、卫星观测太阳高度角等性能参数,提出了基于物理性能约束下的有效覆盖计算方法。根据气象台站历年气象数据,提出了气象约束因子的计算方法。综合考虑卫星物理性能约束与观测区域气象约束,计算光学遥感卫星对地观测有效覆盖能力。最后根据专家设计的光学遥感卫星国土观测有效覆盖能力评估指标权重,利用层次分析法(AHP)评估光学遥感卫星系统对于国土观测的需求满足程度。试验结果表明,本文方法对于国土观测有效覆盖的估算和评价结果更加精确,更接近于国土观测的实际应用需求,为对地观测有效覆盖能力评估提供了一种更为精确的可行方案。     

基于联合稀疏模型的高分辨率SAR与光学遥感影像融合研究

遥感影像融合技术能通过综合不同卫星传感器获取影像互补信息达到对地物进行提取的效果。针对合成孔径雷达(Synthetic Aperture Radar,SAR)与光学影像融合的光谱扭曲和空间细节信息丢失问题,提出一种基于联合稀疏模型的高分辨率SAR与光学影像融合方法。该方法借鉴信号联合稀疏表示思想,假定SAR与光学影像均可由共有和专有稀疏表示部分组成,分别对应影像冗余信息中的有效部分与影像互补信息:其中共有部分用离散余弦字典表示,专有部分用离散余弦字典和学习字典组成的混合字典表示。在求解出融合影像在联合稀疏模型下的稀疏系数之后重建出融合影像。实验结果表明,该方法能同时保持高分辨率SAR影像空间细节信息和光学影像光谱信息,提高了高分辨率SAR与光学遥感影像的融合效果。     

遥感卫星影像K-SVD稀疏表示去噪

常规的去噪方法在去除遥感卫星影像噪声时,往往会造成影像模糊和空间分辨率下降。本文将稀疏表示理论应用于遥感卫星影像去噪,提出了一种改进算法,能够保留低频信息不变,仅对影像的高频信息进行稀疏重建。算法核心是按照是否能够从过完备字典中选择较少原子进行稀疏表示的原则来区分高频信息中的有效信息和噪声。通过3组实验对改进算法与传统去噪方法进行对比检测,实验结果表明,改进算法在去除噪声的同时,能较好地突出影像的边缘和细节信息。     

基于Skyline视频监控系统研究

视频监控系统能够实时获取监控范围的影像,发现被监控目标的即时状态。2维GIS与视频监控的集成逐步走向成熟,但在可视化效果方面远不如3维GIS。因此,结合Skyline软件中的Video On Terrain技术提出了一种3维地面影像视频监控新方案,并设计了地面影像视频监控系统的软硬件框架,分析了音视频编码传输原理和视频控制机制,总结归纳了地面影像视频监控系统的关键技术要求,最后实现了3维地面影像视频监控原型系统。     

视频星运动目标检测方法的对比和分析

视频卫星可提供大尺度运动场景的实时监控,而运动目标检测是其应用的核心问题。本文设计并实现了目前3种主流的运动目标检测方法,以路面交通监控视频和卫星视频为应用背景,详细探讨了3种方法在检测精度、实时性和运动目标完整性等方面的优缺点和适用条件。实验表明:混合高斯模型方法在多目标复杂背景下,表现出较强的适应性。粒子滤波法具有抗灰尘噪声干扰特性,运动目标边缘保持较好。     

多视角监控视频中动态目标的时空信息提取方法

监控视频中动态目标的精准定位与跟踪作为计算机视觉领域中重要的研究方向,近年来已成为监控领域的研究热点。传统视频动态目标检测仅依赖图像特征数据,忽略了与地理坐标系精准匹配,特别是对于多个摄像机覆盖的区域,拍摄的角度不同,投影后形成的图像空间分辨率也不同,因此,难以满足智能监控在复杂的地理场景中全方位时空信息感知。本文提出一种多摄像头协同的视频监控图像与地理空间数据互映射模型构建方法来获取动态目标的轮廓和地理位置等时空信息,首先建立监控图像信息与地理空间数据的互映射关系,将观测角度不同、尺度不同和空间分辨率的监控图像置于同一坐标系下,并在此基础上通过融合Canny算子与背景减法来检测目标的边缘信息;然后采用质心偏移算法还原目标在该场景的实际位置,从而实现多角度下连续跟踪,提升地理场景的时空理解力和分析力,提高动态目标的精准定位与跟踪能力。     

视频对象分割及跟踪方法研究

讨论和分析了视频对象全自动提取及后续帧中的跟踪过程及采用的方法 ,对其算法、分割性能和结果进行了比较和评述。并结合Hausdorff和Snake跟踪器 ,对初始对象轮廓进行跟踪。结果证明 ,这种跟踪方法能有效地解决对象被遮挡和形变以及背景移动的问题     

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%。     

改进SA方法的卫星视频图像超分辨率重建

为了提高卫星视频图像的质量,针对SA方法中无法实现小数倍超分重建和"黑色格网"问题,提出了改进的SA超分辨率重建方法。对于小数倍超分问题,首先建立参考帧低分辨率图像坐标系,以超分倍数构建参考帧高分格网,按表达的物方元素一致的原则,把所有低分辨率图像和高分辨率图像的坐标系统一在一个参考坐标系下;对于"黑色格网"改善问题,在使用运动估计参数时,为了减少由于运动补偿造成的误差,取消传统SA方法中四舍五入的运动参数补偿方法,改为以待求点为中心确定容许误差,通过容许误差选择参估点,用参估点计算高分辨率网格像素,以减少"黑色格网"现象。利用仿真和真实的卫星视频数据实验验证了该方法的有效性。     

高分辨率遥感卫星传感器严格成像模型的建立及验证

本文对高分辨率遥感卫星传感器严格成像模型进行了深入研究。分析了星载线阵CCD传感器严格成像模型的一般建立方法与过程,针对SPOT 5 HRS/HRG、ALOS PRISM、资源三号TLC等典型的高分辨率遥感卫星传感器特点,分别给出了3种改化的严格成像模型;设计了基于光束法区域网平差的模型验证方法。利用登封遥感实验场区域的3种卫星影像及相关辅助数据,对严格成像模型的正确性进行了验证。结果表明3种改化模型可有效实现卫星影像的平差定位。     

基于WebGIS的视频星车流量分析与路况查询系统

车流量作为衡量路况信息的重要因素,需要一个低成本且高效的可视化监控系统。本文对视频监控中的车流量信息进行了提取分析,采用背景差分的方法对视频中有关的车辆因子进行提取,包括车流量信息提取、车辆类型提取、车速提取,并将分析得到的数据通过Web GIS发布到网络上支持在线预览,结合GIS和视频监控的特点,解决了传统视频监控系统空间位置感较差的问题。     

基于GIS的远程移动视频监控系统

针对实际应用,从系统架构、应用解析、实现方法等方面介绍了将GIS技术应用于远程移动视频监控系统的解决方案。提出的视频与GIS数据集成方法是一个新的技术尝试,具有应用价值。     

Spatiotemporal retrieval of dynamic video object trajectories in geographical scenes

Current studies on video trajectory retrieval focus on the retrieval and analysis of image content, neglecting the gap between the spatiotemporal continuity of retrieval conditions and the spatiotemporal discontinuity of multi‐camera video trajectories. In this study, we propose a method for the spatiotemporal retrieval of dynamic video object trajectories in geographic scenes. Based on the camera calibration, the proposed method organizes the scene, cameras, and trajectories, constructs the spatiotemporal constraints, and queries the trajectories using two measures: camera‐by‐camera retrieval and global trajectory retrieval. The proposed method was verified through experiments, and the results demonstrate that both measures can query trajectories effectively and reduce the spatiotemporal video review range under different spatiotemporal constraints. Furthermore, compared with camera‐by‐camera retrieval, global trajectory retrieval can reduce the spatiotemporal video review range further and return more accurate results. The proposed method may provide support for the spatial analysis and understanding of surveillance video data.