相位误差、位置误差和灰度误差三者关系及SAR原始图像像元不确定性

由于SAR遥感的独特优势，使它得到了广泛的应用。因此，对SAR图像的不确定性研究也越来越必要和迫切了。针对数据分析方法的不足，该文着重从机理的角度探讨SAR原始像元的不确定性。相位误差、位置误差和灰度误差三者关系、各种误差分类和综合以及这些误差对SAR原始像元不确定性作用等问题往往是困扰从机理角度对SAR图像不确定性研究的主要障碍，该文重点讨论这些问题。     

以误差椭圆长半轴表示带宽的线元位置不确定性ε_E模型

考虑实用性和合理性,将线元看成离散点的集合,将线的不确定性看成点的不确定性的聚合体,将线元的位置不确定性模型看成以各点误差椭圆的长半轴E为半径的误差圆的聚合体,建立了以线元上任意点处的误差椭圆的长半轴E为带宽的线元不确定性εE模型。给出了基于该模型衡量线元位置不确定性的三种度量指标:可视化图形、平均误差带宽和误差带的面积。最后,将该模型与εσ模型和εm模型进行了比较。     

MIMO下视阵列SAR位置偏移误差分析

首先借助GPS系统的3个平移分量,根据等效相位中心原理,详细推导了MIMO下视阵列SAR整体误差模型;其次在忽略姿态角误差影响的前提下,重点分析了各个独立平移分量对成像结果的影响程度,得出了高程向误差分量影响最大的结论;最后通过分别加入相同大小高程向和跨航向误差分量的仿真数据的三维成像实验,验证了结论的正确性。实践证明,MIMO下视阵列SAR作为一种新体制三维SAR系统,在高楼耸立的城市测绘领域具有重要的应用价值。     

基于SL-ICA算法的SAR图像混合像元分解

为解决合成孔径雷达(SAR)图像存在大量混合像元的问题,针对传统ICA不能有效解决混合像元分解这一缺陷,提出一种新的独立成分分析算法--有监督学习ICA算法(SL-ICA).其目标函数是在原ICA负熵目标函数基础上增加监督学习的约束条件项,进而在同一目标函数内实现负熵和约束条件的统一,在最大化负熵的同时也最小化了约束条件的误差,此外,采用一种新的双梯度下降法优化迭代,提高计算速度.并以人工模拟SAR图像和北京地区ENVISAT-ASAR作为数据源进行实验,实验结果明显优于主成分分析方法(PCA)的分解结果.     

GIS中线元位置不确定性的误差圆带

分析了度量ＧＩＳ线元位置不确定性的“ε－带”和“Ｅ－带”指标后,提出了“误差圆带”新指标,并与前二者进行了比较。结果表明,后者不仅理论上更为合理,而且应用上更为简单。     

基于ε_m模型的线元位置不确定性度量指标

首先研究了线元不确定性的εm模型,将该模型误差带边界线分为左边界线、右边界线、左误差半圆和右误差半圆四部分,利用代数的方法推导了这四部分误差带边界线的解析表达式;利用误差带边界线的解析表达式,绘出不确定性区域的图形,给出了平均误差带宽和误差带的面积作为线元不确定性的精度评估指标。     

像元尺度上分类不确定性评价及可视化表达

传统的地物类别尺度上的遥感影像分类不确定性评价仅能实现分类精度的数学度量,无法反映分类不确定性的空间分布,难以完整、准确地描述和理解遥感影像分类信息的不确定性.文章首先在像元尺度上对遥感影像分类的不确定性进行评价,并在此基础上利用计算机技术从彩色可视化、用户交互式可视化和用户选择性可视化模式3个方面在空间域上对分类不确定性进行描述,从视觉感知角度表达遥感影像分类的不确定性信息,从而使用户更加形象直观地理解不确定性信息数据的大小及其空间分布.     

利用倒数灰度熵和改进Chan-Vese模型进行SAR河流图像分割

为了进一步提高合成孔径雷达(SAR)图像中河流分割的精度和速度,提出了一种基于人工蜂群优化的倒数灰度熵多阈值选取与改进Chan-Vese(CV)模型相结合的分割方法。考虑SAR图像中河流目标和背景类内灰度的均匀性,提出了基于蜂群优化的倒数灰度熵多阈值选取方法,以此对河流图像进行粗分割;针对基本CV模型收敛速度低、对初始条件敏感的问题,利用图像边缘强度取代Dirac函数,将粗分割结果作为改进CV模型的初始条件,对河流图像进行细分割。大量试验结果表明,所提出的分割方法无须设置初始条件,运行速度快,分割精度高。     

空间灰度相关在影像纹理分类中的应用及分析

介绍了空间灰度相关法的11个纹理特征。试验表明,仅3个是描述性强的纹理特征。通过用t检验法来分类纹理,发现该方法具有良好的\     

论光电测距仪的周期误差和相位不均匀性误差

论述了测距仪周期误差及相位不均匀性误差的性质,分析了这些误差对距离测量的影响,给出了实验结果,提出了改进有关误差检定的建议。     

基于功率和相位联合估计TLS-ESPRIT算法的极化干涉SAR数据分析

在推导各散射信号功率计算方法的基础上,提出基于功率和干涉相位联合估计的TLS-ESPRIT方法。因为干涉图像中的各主散射波和干涉相位能被分别估计,所以该算法可以利用同一分辨单元中不同散射机制后向散射信号功率的不同,将干涉相位分类实现散射中心分离。该方法通过提取两个占优势的相位得到两个高度,从而分别检测出森林的植被层和地表,特别是当散射波不相关并有不同的极化特性时,该方法有较好的性能,从而提高植被高度参数的估计精度。详细阐述该方法的原理和实施步骤,并通过对SIR-C/X-SAR的L波段实际数据进行分析处理,验证算法的有效性。     

关于雷达影像干涉测量的若干理论问题

就雷达影像干涉测量的若干理论问题进行了讨论,提出了一种高程解算数学模型,该模型基于相邻两点对于同一天线的相位差,以精确可靠的控制点为出发点,可以不必顾及基线估计;提出了将控制点影像坐标与卫星位置参量按成像方程进行平差,以保证相位解缠和高程解算对控制点和卫星位置精度的要求,指出了在此基础上的基线估计方法     

机载SAR影像地表要素解译试验研究

雷达影像以其全天候、全天时、穿透力强的工作能力,成为当前摄影测量与遥感领域的研究热点,近年来机载SAR系统在国内外得到快速发展和应用。本文介绍了高分辨率多极化机载SAR数据的特点,论述了SAR影像的正射纠正,分析了不同地表要素在机载SAR影像中的成像特点和解译方法,并与光学影像作了对比,得出了基于SAR影像地表要素解译的几点看法。     

光电测距仪周期误差初相角的研究

分析了测距仪周期误差初相角变化的原因,提出了周期误差理论的新思路,指出了周期误差处理中应注意的问题。     

SAR与TM影像融合及在BP神经网络分类中的应用

以加拿大Radarsat SAR与美国Landsat TM影像为信息源,分别将SAR与TM影像的DN值转换为表征地物特征的后向散射系数和反射率,利用改进的SVR法进行融合,同时与HIS,Brovey以及小波变换的融合效果作定量比较,并利用优化的BP神经网络模型,以相同的训练区分别对融合前后的影像进行监督分类。结果表明:改进的SVR法融合影像的光谱信息保持性、信息量以及分类精度都优于常用的融合方法,且分类精度比TM影像有较大提高。     

遥感信息不确定性研究

近年来遥感技术及遥感信息产业化发展迅猛 ,但遥感信息的不确定性制约着遥感信息的产品化和实用化的进一步发展。虽然 ,这一问题得到了国内外众多学者的关注 ,并提出和采用相关理论和方法进行分析 ,取得了相当的进展 ,但这些方法在分析遥感信息不确定性时忽略了一个重要的研究点 :遥感信息的不确定性传递机理。本文主要目标就是建立一套遥感信息不确定性的处理方法     

基于SVM算法和GLCM的侧扫声纳影像分类研究

根据侧扫声纳影像的特征,提出一种基于SVM和GLCM的侧扫声纳影像分类方法,利用灰度共生矩阵提取其纹理特征,采用主成分分析法对纹理特征进行筛选,选择适合侧扫声纳影像的最佳纹理特征,结合侧扫声纳影像的回波强度,应用支持向量机对侧扫声纳影像进行分类。研究结果表明,纹理特征结合回波强度的支持向量机分类精度高于只依靠回波强度的支持向量机分类精度。