基于Zernike矩的多时相遥感影像匹配方法研究

针对参与变化检测影像的特点,归纳多时相影像匹配方法应满足的条件,提出了一种基于Zernike矩的匹配策略。在进行多时相影像匹配时,该方法对灰度的线性变化不敏感,而且可以匹配存在较大旋转角度的影像。试验表明,该匹配策略具有较高的匹配正确率。     

一种基于角点特征的遥感影像自动配准方法

本文通过对Harris算子进行改进,自适应地提取角点特征,然后基于角点特征进行由粗到精的匹配,完成影像的配准;并利用MODIS影像、TM影像和HJ-1卫星影像3种不同分辨率的遥感影像进行配准实验,结果表明该自动配准方法能够达到亚像素级的配准精度,是一种高精度的影像配准方法。     

遥感影像的高精度自动配准

在影像数据融合,动态变化监测等遥感影像集成分析和应用中,将来自不同传感器,不同时相获取的影像高精度快速配准是其中的关键技术之一,本提出了一种不同传感器,不同空间分辨率影像配准的全自动方法,并实际用于ＳＰＯＴ和ＴＭ影像的配准,其精度,可靠性和效率等明显优于传统的人工方法。     

基于小面元的多源遥感影像高精度配准方法

基于几种高精度的匹配方法，引入了小面元微分纠正的思想，设计出一种高精度影像相对配准方法。实验结果表明，该方法对多种遥感影像有很强的适应性，相对配准精度高，尤其适用于变形明显或山区多源影像间的高精度配准。     

基于SIFT特征的遥感影像自动配准

遥感影像的自动配准是长期以来一直未能很好解决的一个重要问题。本文将视频图像匹配中获得巨大成功的SIFT（Scale Invariant Feature Transform）特征应用于遥感影像的自动配准问题中，并且针对遥感影像的成像特点，给出了一种具体的特征匹配方法。对航空和航天遥感影像在不同的变形、不同的光照变化和不同的分辨率下进行的大量实验表明，该方法具有稳定、可靠、快速等特点。     

基于深度学习的遥感图像匹配方法

目前,图像自动配准技术已成为图像配准领域中的研究热点之一。如何提高匹配精度是图像配准的关键步骤,基于此本文提出基于深度学习的匹配方法。首先,描述了卷积神经网络模型的网络结构,通过改善经典模型的网络结构,将其应用到影像匹配任务当中;其次,利用训练好的自适应网络模型来获取控制点的特征表达;最后,将控制点的特征表达通过欧式距离算法进行相似度匹配。实验结果表明,本文方法大幅降低了图像匹配粗匹配的错误率,为后续配准建立了良好基础,且对数据源具有良好的稳健性。     

基于小面元的多源遥感影像高精度配准方法

基于几种高精度的匹配方法,引入了小面元微分纠正的思想,设计出一种高精度影像相对配准方法.实验结果表明,该方法对多种遥感影像有很强的适应性,相对配准精度高,尤其适用于变形明显或山区多源影像间的高精度配准.     

基于压缩感知的遥感影像弹性配准方法

针对遥感影像由于载荷类型、观测角度、地形起伏等内外部因素造成的影像局部几何畸变,而基于全局配准方法制约着影像配准精度的提高,基于像元的弹性配准方法可大幅提升遥感影像的配准精度,但是存在运算效率这一瓶颈等问题,该文利用像元弹性配准参数的稀疏性,提出一种基于压缩感知的弹性配准方法。通过对遥感影像像元梯度幅值响应较强的点进行随机抽样,形成观测样本点集,采用弹性配准局部参数解算模型求解样本点平移参数;通过压缩感知稀疏重构算法重构影像各像元平移参数。实验表明,在配准精度差异较小和一定的参数设置条件下,该方法可显著提高弹性配准运算速度。     

利用遥感影像进行变化检测

首先分析了利用影像进行变化检测的紧迫要求和存在的困难 ,接着对变化检测的方法进行分类 ,提出将影像配准与变化检测整体同步解求的思想和在此基础上进行三维变化检测的可能性 ,并在文中概要介绍和比较了各种变化检测的 7种方法 ,最后展望了下一步应继续研究的方向。     

遥感影像的高精度自动配准

在影像数据融合、动态变化监测等遥感影像集成分析和应用中,将来自不同传感器、不同时相获取的影像高精度快速配准是其中的关键技术之一。本文提出了一种不同传感器、不同空间分辨率影像配准的全自动方法,并实际用于SPOT(全色)和TM(多波段)影像的配准,其精度、可靠性和效率等均明显优于传统的人工方法。     

基于卡方分布的矢量图和遥感影像变化检测方法

为实现土地利用矢量图的快速更新,提出一种基于卡方分布的土地利用矢量图和遥感影像的变化检测方法。该方法通过栅矢套合获取像斑,利用像斑的特征向量构建χ2统计量,采用迭代的方法获取各地物类别在遥感影像上的均值向量和协方差矩阵,在一定的显著性水平下获取变化检测结果,在Quick Bird影像上的实验结果验证了该方法的有效性。     

利用矢量影像法进行土地利用变化自动检测

为解决土地利用矢量图与遥感影像的变化检测问题,提出了一种基于类别的矢量图与遥感影像变化检测方法。在矢量图约束下,对遥感影像进行影像分割获取像斑;提取像斑在遥感影像上的直方图特征,采用G统计量度量像斑之间的特征距离;利用像斑与其他相同类别像斑之间的特征距离,构建单波段上像斑的类别异质度,自适应加权组合各波段上像斑的类别异质度构建像斑的类别异质度;依据最大熵方法获取各地物类别对应的异质度阈值,以类别为单位对各像斑进行变化判别,获取变化检测结果。在QuickBird遥感影像上的试验验证了本文方法的有效性,实现了矢量图与遥感影像的自动变化检测。     

基于ArcGIS平台制作矢量电子地图的方法探讨

电子地图的应用已日趋广泛,其制作方式得到了重视。本文从基础数据准备与处理、电子地图配图以及电子地图切图3个方面着手,探讨在ArcGIS 10.0平台下矢量电子地图的制作方法,并对其相关问题的解决方案进行了详细的阐述,以期为矢量电子地图的制作和更新提供相应的技术路线和解决相关问题的新思路。     

基于支持向量机的遥感影像辐射质量评价方法

当代摄影测量与遥感技术的迅速发展,已经步入大数据时代,如何对获得的海量数字影像的辐射质量进行评价是一个值得重视的问题。本文从信息量、清晰度、灰度分布3个方面选择了10个评价指标作为影像特征,利用支持向量机监督学习的方法对以资源三号为例的遥感影像的辐射质量进行评价及结果分析。试验结果表明,本文方法得到的评价结果与人工评价结果较为一致,准确度较高,并且自动化程度高,可应用于遥感影像的辐射质量评价。     

顾及高影响力要素的矢量地图质量评价方法

针对目前矢量地图质量多级模糊综合评价中使用的传统模糊评价算子易失效且准确性低的问题,提出了一种基于高影响力评价算子HEEO的矢量地图质量多级模糊综合评价方法。以包含国界要素的地图为例,制定了涉及国界要素的矢量地图质量评价指标体系;并依据相关地图审核标准制定了地图质量等级,利用HEEO较好地解决了传统模糊评价算子失效以及评价不准确的问题,准确给出了包含国界要素的矢量地图质量评价;最后运用HEEO分析6组地图数据质量。评价结果显示,HEEO有优于传统算子的评价能力,验证了HEEO的有效性。     

基于支撑向量机的遥感影像分类方法比较研究

对支撑向量机的分类方法作简单介绍,并通过对MSS遥感影像数据的分类实验与多种常用的遥感影像分类方法进行对比,发现在分类精确度上,支撑向量机优于其他分类方法,但是速度稍慢,这也是支撑向量机需要改进的.     

使用深度学习的遥感三分类分割问题的精度提高方法

传统的基于光谱相似性的分割方法无法将具有相似光谱特性的不同地物分割开来,并且会存在错分现象。利用深度学习直接进行三类地物的分割,其分割效果不能满足实际要求。本文改进了最新的UNet++模型,提出一种将三分类分割问题分解成两个二分类分割的方法来提高分割精度。首先将三类别样本制作为两个单类别样本;其次分别训练二分类网络,在测试集上将二分类结果输出为0～100之间的概率;最后将二分类结果按概率融合为三分类。实验结果表明,改进的UNet++模型精度有显著提升,同时将三分类化为二分类算法的分割结果,其各项评估指标也均有提升,平均交并比MIoU、平均精确度MP、平均召回率MR和平均像素精度MPA分别提高了0.3%、1.8%、1.5%和4.5%。     

基于阴影图的航空遥感地面覆盖快速分析方法

航空遥感系统在地形复杂地区侧视成像作业时,有可能会因地形遮挡而出现成像盲区,在任务规划阶段进行载荷成像盲区检测是解决该问题的有效方法。鉴于现有基于地形可视域分析的盲区检测方法存在计算效率低、通用性差等缺点,提出了一种基于阴影图算法的航空遥感地面覆盖快速分析方法。实验结果表明,该方法不仅具有效率高、通用性强的特点,而且可定量分析载荷成像地面覆盖率,为航空遥感作业任务规划的盲区检测与覆盖评估提供了很好的支持。     

基于小波-HIS的遥感影像融合方法技术研究

小波是建立在泛函分析、调和分析、傅立叶分析基础上的时频原子,在时域、频域同时具有良好的局部化特性和多分辨率特性。遥感影像融合是遥感影像处理中的重要环节,是人们处理多源遥感影像数据的主要手段之一,而融合方法的选择对融合结果来说至关重要。将传统的融合方法与小波结合已经成为研究的热点,本文将小波变换与HIS融合方法相结合,并...