一种基于扫描线分析的自动去除无效像元方法

在遥感数字影像处理中,几何纠正影像周围一般会被大量无效像元填充。这些无效像元往往引起全局统计的偏差,导致遥感影像分类等处理结果的异常。针对这种现象提出一种基于扫描线分析的图像边缘无效像元自动去除方法,并通过实验证明方法的有效性和实用性。     

一种基于扫描线分析的自动去除无效像元方法

在遥感数字影像处理中,几何纠正影像周围一般会被大量无效像元填充。这些无效像元往往引起全局统计的偏差,导致遥感影像分类等处理结果的异常。针对这种现象提出一种基于扫描线分析的图像边缘无效像元自动去除方法,并通过实验证明方法的有效性和实用性。     

基于模拟退火算法的遥感影像亚像元定位方法

根据地物空间分布自相关原理,提出一种基于模拟退火算法的亚像元定位新方法,通过优化子像元的空间分布,最终确定混合像元中各组分的位置。通过遥感影像数据对模型进行测试,并使用已有评价指标对试验结果的视觉效果和分类精度进行评价,试验证明本方法能更好地重建地物空间分布,与硬分类方法相比能显著提高分类精度。     

一种基于进化Agent的遥感影像亚像元定位方法

遥感影像中存在着昆合像元,软分类技术将这些像元按照一定的百分比划分为不同的地物类别,亚像元定位技术利用在每个混合像元中所获得的百分比信息,得到一个锐化后的分类影像.像元分解成不同的子像元,代表不同的地物类别成分.进化Agent技术结合一种空间邻域的假设关系,通过繁殖和扩散两种行为模式,分配给每一个亚像元一个确定的位置,从而达到定位的效果.利用合成影像和退化的真实影像进行实验,通过与传统的硬分类进行精度比较,证明进化Agent技术是一种简单易行的亚像元定位算法.     

元胞自动机的遥感影像混合像元分类

通过对元胞自动机理论的研究,提出元胞自动机的遥感影像混合像元分解模型。利用多波段遥感数据验证混合像元分解算法的可行性,并将结果与线性分解模型进行比较。结果表明,元胞自动机混合像元分解模型在分解的准确性方面,明显优于一般线性模型的精度。最后,将分类结果与传统的监督分类算法比较,得出元胞自动机的混合像元分解模型明显优于监督分类精度的结论。     

基于正则MAP模型的遥感影像亚像元定位

为了更好地解决亚像元的定位问题,基于超分辨率影像重建的技术,结合亚像元定位理论,提出了一种应用于亚像元定位的正则MAP估计模型,并且通过真实数据进行了检验。实验表明,该模型是一种简单、有效地解决亚像元定位问题的方法。     

基于模糊ARTMAP神经网络模型的遥感影像亚像元定位

结合亚像元的相关理论,提出了基于模糊ARTMAP神经网络模型的遥感影像亚像元定位方法,利用该方法对模拟的武汉地区的TM影像进行了实验,并将实验结果与BP神经网络模型进行了比较。结果证明,利用本文方法能够更有效地解决亚像元定位的问题。     

一种基于多源遥感影像的亚端元光谱提取方法

提出一种利用多源影像来提取低分辨影像亚端元光谱的方法,该方法利用高分辨分类得到的组分与低分辨的光谱之间的线性混合关系,建立了反演出低分辨影像的亚端元光谱的线性模型,并提出一种快速鲁棒反演亚端元光谱的提取方法。利用IKONOS和ETM数据验证了本文提出方法,实验结果表明了该方法的有效性。     

高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。     

利用端元坐标的高光谱影像端元提取方法

通过研究凸面几何体理论,找出端元在高维空间中的分布特点,将对整幅影像的搜索转变为对影像中DN值最大和最小像元的分析,并将其应用到最大距离法初始端元的提取。考虑到高光谱影像在获取及处理过程中会产生误差,引入了距离阈值概念,计算距离原始端元小于距离阈值像元的平均光谱。实验证明,用平均光谱代替原始端元光谱,显著提高了光谱相似度,并用线性波谱分离,对Cuprite地区的AVIRIS数据进行丰度反演,取得了较好的效果。     

结合空间像素模板和Adaboost算法的高分辨率遥感影像河流提取

充分有效地利用像素间的空间关系,是提高高分辨率遥感影像解译精度的关键之一。提出一种空间像素模板来获取空间邻域关系,并结合Adaboost集成学习算法来实现高分辨率影像上河流的精确提取。首先,基于过滤式特征选择方法自动生成像素模板,继而构建多维特征向量,然后利用Adaboost算法实现多特征的加权集成利用提取河流。相关试验结果表明,本文提出的方法河流提取结果面向对象特征显著,并且能够较好地将与河流具有光谱重叠的其他地物区分开。     

基于高分辨率遥感影像的DSM建筑物点的提取研究

随着飞行平台与传感器技术的发展,空间信息的获取能力逐渐增强,特别是低空倾斜摄影及其数据处理方法的出现,使得城市真三维信息的获取手段变得更加丰富。针对现有区域生长算法在城市三维密集点云拐角处未能完全生长的问题,设计了点到边(point to edge,PTE)数据结构,提出了遍历PTE数据结构以完善构网的改进策略。实验结果表明,改进算法能对城市真三维密集点云进行较好的表面构网,并且能够解决现有方法在拐角处不能完全生长的问题。     

结合区域生长与道路基元的高分辨率遥感影像道路提取

针对基于像素道路提取方法存在的道路特征利用不够充分的问题,提出了一种采用道路基元的面向对象的道路提取方法。首先根据道路特征定义道路基元,然后在利用区域生长分割出道路的基础上进行道路基元的搜寻与构建、跟踪与连接,初步得到道路与中心线网络,再通过后续处理得到最终的道路与中心线网络。利用GeoEye卫星影像进行了实验,结果表明,本文方法能较有效地提取高分辨率遥感影像上的道路。     

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。     

高分辨率遥感影像林地边界提取方法

由于高分辨率遥感影像上的信息高度细节化,加之噪声的影响,会导致基于像元级纹理特征的林地边界提取方法的效果不理想。为此,提出一种基于种子纹理基元合并的半自动林地边界提取方法。首先利用基于图模型的影像分割算法获取初始基元;然后定义了一种针对非规则基元统计基元级灰度共生矩阵(GLCM)纹理特征的方法;最后在人工给定种子基元的基础上合并具有相似纹理的基元,并对基元合并的结果进行边界提取,得到高分影像上的林地边界。利用多源高分影像对所提方法进行验证及对比分析。实验结果表明,该方法对高分影像上大片典型林地的边界可取得较高的提取精度和计算效率。     

基于eCognition的遥感图像面向对象分类方法研究

随着高分辨率遥感图像越来越普及,传统的面向像元的图像分类方法不能满足对高分辨率遥感图像区域分类的需求,高分辨率遥感图像对图像处理的软件与硬件都有了更高的要求,因此,出现了相较于面向像元有着更高精度更为合理的面向对象分类方法,也更加适用于高分辨率遥感影像。本文通过采用面向对象分类的基本方法,运用eCognition软件,以山东省胶州市地区遥感影像为例,进行多尺度分割和面向对象分类。并用ENVI做监督分类,基于目视解译精度评定,对不同方法作出分析评价。结果表明:面向对象分类方法精度更高,更具有可靠性。     

遥感影像数据库设计与实现

遥感影像数据库的设计与实现,主要实现了多源遥感影像数据的管理。通过调用GDAL库,实现多源遥感影像数据的读取,对影像数据进行分块,建立影像金字塔,实现影像数据和元数据入库,建立高效的索引机制;根据窗口显示范围,调取合理的金字塔层数据,并对数据进行缓冲和实施处理显示;最后,设计元数据的管理。最终实现影像数据和元数据信息的一体化管理。     

PBIL算法在遥感影像匹配中的应用

提出了一种将基于群体增量学习(population-based incremental learning,PBIL)算法用于遥感影像匹配的方法,给出了详细的理论和实验分析,引入信息熵作为PBIL算法迭代终止的条件之一,取得了较好的实验结果。实验表明,基于该算法的影像匹配运算速度比较快,且收敛过程比较稳定。     

基于ArcObject二次开发的遥感影像裁切的实现

针对生产中批量影像裁切的实际情况,分析了遥感影像分幅裁切的特点,重点讨论了根据纠正后的遥感影像范围确定分幅图幅编号与批量裁切,而后利用Visual Basic 6.0对ArcObject进行了二次开发予以实现,并在生产中得以应用。