遥感图像检索系统的设计与实现

海量遥感图像的检索与管理,需要研究有效的基于内容的图像检索方法。目前,对遥感图像的CBIR研究,主要集中在颜色、纹理、形状等视觉特征检索方法上,尚缺乏实用系统。从面向实用的遥感图像检索系统(RSIQuery) 的体系架构设计入手,着重分析了CBIR遥感图像数据模型和数据组织方式,并给出了系统的初步实现。     

综合多特征遥感图像智能检索方法的概念设计

遥感数据作为一种重要的时空数据源,在环境监测、资源管理、灾害预报、重大工程监理、国防安全等众多领域发挥着不可或缺的重要作用。遥感图像检索的效率和精度,直接关系到遥感影像数据应用的广泛性和实时性。本文在对国内外其他领域的图像检索技术、遥感图像检索技术的研究进展及其发展趋势进行综合分析的基础上,针对目前遥感图像检索所存在的...     

多源遥感影像深度特征融合匹配算法

针对多源遥感影像之间成像机理不同、非线性光谱辐射畸变大以及灰度梯度差异明显等所导致的匹配困难问题,提出深度特征融合匹配算法(Feature Fusion Matching Algorithm, FFM)。(1)通过构建特征图金字塔网络提取影像深度特征,使用特征连接结构将语义丰富的高层特征与定位精确的低层特征互补融合,解决多源影像同名特征难以表征的问题并提高特征向量的定位精度;(2)对原始维度1/8的特征图进行交叉变换来融合自身邻域信息与待匹配影像特征信息,通过计算特征向量间的相似性得分得到初次匹配结果,针对特征稀疏区域,提出滑动窗口自适应得分阈值检测算法来提升匹配效果;(3)将匹配结果映射至亚像素级特征图,在小窗口内计算像素间的匹配概率分布期望值来检校优化匹配结果,提高匹配点对的准确性;(4)使用PROSAC算法对匹配结果进行提纯,有效剔除误匹配的同时最大限度保留正确匹配点。试验选取6对多源遥感影像,将FFM同SuperPoint、SIFT、ContextDesc以及LoFTR算法进行对比,结果表明FFM算法在匹配点正确率、匹配点均方根误差以及分布均匀度等方面远优于其他算法。将FFM匹...     

基于颜色特征和空间特征的图像检索

针对已有的综合多特征进行图像检索的算法复杂度高、计算量大且准确率不够的现状,提出一种基于图像分块并综合灰度特征和空间特征的图像检索算法。首先将原图像划分为10×10的子块,再计算每个子块的平均灰度和空间位置作为检索特征,通过实验表明这种方法在检索结构相似的图像时准确率高,但对颜色不敏感。通过增加颜色特征并调整空间特征计算方式进行改进,相比改进前,算法对于公开的图像库中大多图片有更高的查准率。实验中统计了多类图片在不同情况下的查准率,表明文中算法准确高效,应用性好。     

基于可视范围的图像检索方法

图像是视觉所及环境的自然再现,具有表达直观、内容丰富的特性,其已成为GIS空间数据采集与应用中一种重要的可视数据源。随着硬件终端的高速发展,集成的传感器愈加丰富,多源传感器信息融合已成为移动GIS数据釆集的发展趋势。针对移动终端获取方位角偏差问题,本文重点阐述了基于移动终端的重力传感器与磁力传感器获取镜头拍摄朝向的算法,并基于EXIF图像格式实现了图像元数据、定位信息、方位信息一体化采集生成可定位图像。针对现有可定位图像以点代面建模方式的不足,本文以镜头视野范围AOV（Angle of View）模型为基础,提出了以图像元数据、位置信息以及方位信息构建图像可视域的方法,并采用多级网格方式对图像可视域面状特征建立空间索引,实现基于可视域的图像检索。在此基础上,针对福建省野外遥感核查采集的8022幅可定位图像,采用点建模及可视域建模2种方式建立检索图像集。从检索速度、检索结果2个方面进行对比分析,表明基于可视域图像检索方法不仅能检索出拍摄位置在检索区域内的图像,还可检索出拍摄位置在检索区域外但实际拍摄场景在检索范围内的图像。同时,通过多级空间网格索引可提升6.22-8.64倍检索速度。     

基于可靠匹配点约束的遥感影像密集匹配

针对现有由稀到密的加密匹配算法中,初始匹配点可靠性低将导致迭代匹配拓展过程存在较多误匹配的问题,提出一种基于可靠匹配点约束的遥感影像密集匹配算法.首先,利用SIFT匹配点约束直线匹配获得的同名直线构建虚拟匹配点集,结合虚拟匹配点集和SIFT匹配点集建立初始匹配点集;然后,依次采用局部影像信息和局部几何约束对初始匹配点集...     

基于遥感图像的镜泊湖自然地理特征分析

当前,对堰塞湖的研究大都采用实地探测、布线布点的方法,对堰塞湖及其与周围地物的联系这一项研究来说,不仅要花费大量的人力和物力,需要较长的时间。对大规模的堰塞湖研究来说,如何快速有效地获取所需信息是当前研究的一个前沿。     

光谱、形状特征结合的多精度图像分割算法与应用

由于高分辨率遥感图像的数据量和计算复杂性骤增,影像噪声、光谱混淆现象更为突出,这对传统主要依据于像元光谱特征的图像处理与分析方法提出了极大挑战。为此,特征更为丰富、在噪声处理和知识融合上,更具优势的面向对象的图像分析方法,逐步成为高分辨率遥感图像应用的研究热点。面向对象图像分析的第一步,以及关键一步是图像分割。本文设计了多精度图像分割算法:(1)采用降水分水岭变换进行初步分割获取图像次一级斑块,即分割亚基元;(2)设计一种可重复合并的快速图斑合并方法,进行亚基元的层次归并获得最后分割斑块,完成图像分割。在合并过程中,斑块之间的差异指标是其光谱合并代价、形状合并代价的加权和,合并结束的标志是斑块间两两合并代价超过尺度参数的平方。设置不同的尺度参数,则可实现多精度图像分割过程。实验证明,方法分割效果较好,并在算法效率上满足实际应用需求,可以开展后续图像分类、专题信息提取等工作。     

利用小波变换进行遥感多光谱图像融合的算法及实现

在分析了小波变换的分解与重建方法后,提出了一种基于区域的图像增强算法。先提取出源图的边缘,以图像的边缘为参考,围绕边缘建立融合窗口,然后结合区域内的图像信息,应用基于窗口的融合规则进行融合处理。实验结果显示,融合后的图像综合了3幅源图像的不同特征,处理后的图像变得容易识别了。表明该方法保持了尽可能多的原始信息,算法简单,稳定性好,适合于多光谱遥感图像识别、医学成像等领域。     

基于局部空间信息KFCM的遥感图像聚类算法

针对模糊C均值(Fuzzy C-Means, FCM)算法,不能有效地对夹杂噪声的遥感图像聚类的问题,本文提出了一种基于局部空间信息核模糊C均值(Kernel Fuzzy C-Means, KFCM)的遥感图像聚类算法。首先,运用核函数将遥感图像的所有像元映射到高维特征空间,通过非线性映射优化遥感图像的有用特征;然后,根据相邻像元之间的相关性,利用一种空间函数重新定义像元的模糊隶属度,将像元的局部空间信息引入到FCM算法中,并在高维特征空间中使用这种基于局部空间信息的FCM算法对像元聚类。由于引入了像元的局部空间信息,算法可以直接应用于原始遥感图像,不需要滤波预处理。大量实验结果表明,本文提出的基于局部空间信息KFCM的遥感图像聚类算法具有较强的抗噪能力,可得到较好的同质区域,优于现有的FCM算法、模糊局部信息C均值(Fuzzy Local Information C-Means, FLICM)算法及KFCM算法。     

基于优化合并的高分辨率遥感影像分割算法

高分辨率遥感影像的分割算法研究对遥感数据处理与应用具有重要意义。本文提出了一种优化合并的分割算法以提高运算效率,该算法包含局部最优合并和全局最优合并2个阶段。第1阶段采用凝聚层次聚类（Hierarchical Agglomerative Clustering,HAC）方法实现局部最优合并,并对其合并规则进行了优化,使优化后的合并规则先注重光谱特征,再考虑待合并区域的几何特征。第2阶段采用区域邻接图（Region Adjacency Graph,RAG）方法实现全局最优合并,其合并规则主要考虑了区域的光谱和边界信息,减少了区域尺度对合并规则函数产生的负面影响,并且该阶段利用了红黑树来实现全局最优合并,以提高对RAG的搜索效率。最后,利用OrbView3高分辨率遥感影像开展了分割实验,结果表明本文算法可以得到令人满意的分割精度。本文的成果为遥感影像分割及其相关研究提供了新思路。     

遥感影像像元级融合方法与试验评价分析

不同遥感影像有着各自的优点和局限,遥感影像融合就是为了充分利用它们的优点进行互补得到新的影像。采用PCA、Brovey和小波变换三种方法对SPOT多光谱影像和全色影像进行了像元级的影像融合,小波变换采用的Mallat算法和双正交小波函数,双正交小波函数的优点是小波逆变换时不会导致相位失真,论文对融合结果进行了光谱质量和空间质量两方面的定性和定量的评价。结果表明,小波变换融合影像是三种变换中最优的,同时在小波变换中采用不同的小波基函数的融合结果在光谱质量和空间质量方面也有很大的差异,可根据实际需要选用合适的小波基函数。     

卫星遥感图像空间分辨率适用性分析

从卫星遥感图像空间分辨率的定义出发,简述了影响卫星遥感图像空间分辨率的几种因素。根据各研究领域和研究层次对卫星遥感空间分辨率的不同需求,给出其相应的空间分辨率。从测绘制图的角度确定了不同比例尺地图所需要的卫星遥感图像空间分辨率大小。讨论了当前主要遥感信息源的应用范围,并结合案例对其适用性进行了分析,最后指出了卫星遥感技术目前存在的一些问题,提出了几点看法。     

面向单波段高分辨率遥感影像的人工目标变化检测技术研究

针对利用遥感影像进行目标变化检测的特点,设计了一套面向单波段高分辨率遥感影像的人工目标的变化检测处理流程,集成运用人工变化检测的影像分析工具,最大限度地发挥自动和人工两种变化检测方式的优点,特别是提出了基于变化目标相似度验证的检测算法,提高了影像变化检测的效率并有效地保证了检测的可靠性。     

高分辨率影像分割的分形网络演化改进方法

分形网络演化是针对高分辨遥感影像的高精度分割方法。它是以像元自下而上进行地物域合并,直至满足区域对象间异质性值大于预设阈值,停止区域合并得到最终分割结果。当对大数据量遥感影像进行分割时,形成初始区域对象的速度较慢,并且数量较多,导致分割时间长,有待在整体分割效率上进一步提高。一种有效的改进措施是采用某种分割方法,快速生成初始区域对象,然后再以初始分割结果区域对象进行区域合并。本文提出一种自动种子点的并行区域生长分割方法,用于快速生成初始区域对象;提出均匀数据划分的并行区域生长策略及消除数据划分线两侧的区域对象方法;采用OpenMP并行技术实现并行区域生长过程。分割效果对比和效率分析结果表明,本文提出的初始分割方法效率较高,并且分割结果可重现,从可信度、通用性角度来看,具有较高的实用价值。     

林下植被遥感反演研究进展

林下植被在森林生态系统碳、水和营养元素的累积和循环方面有着重要作用与科学意义。多角度、高光谱和激光雷达遥感系统凭借对森林分层结构的敏感性,成为量化林下植被的重要手段。本文综述了森林林下植被的遥感反演研究进展：首先讨论了林下植被的定义,其次对当前林下植被的遥感反演现状作了深入分析,总结了多角度、高光谱和激光雷达遥感观测的森林背景的反射率、林下植被的叶面积指数、高度和覆盖度的遥感反演原理和方法。基于不同卫星观测角度下森林冠层和森林背景对总反射的贡献差异,林下反射率可通过多个角度的观测数据进行反演。此外,借助激光雷达穿透冠层直接观测林下植被的优势,总结了激光点云数据和回波波形信息反演林下植被的覆盖度和高度的方法,以及今后使用遥感技术反演的难点和获取林下植被信息的主要发展方向。     

基于改进U-Net网络的高分遥感影像水体提取

传统基于光谱信息的水体提取未能考虑水体形状、纹理、大小、相邻关系等问题,且存在同物异谱、异物同谱现象,导致水体提取精度较低。而传统基于分类提取水体方法设计特征过程较为繁琐,且不能挖掘深度信息特征。因此,本文提出改进的U-Net网络语义分割方法,借鉴经典U-Net网络的解编码结构对网络进行改进：① 将VGG网络用于收缩路径以提取特征;② 在扩张路径中对低维特征信息进行加强,将收缩特征金字塔上一层的特征图与下一层对应扩张路径上的特征图进行融合,以提高提取结果分割精度;③ 在分类后处理中引入条件随机场,以将分割结果精细化。在保持相同训练集、验证集和测试集的情况下,分别用SegNet、经典U-Net网络和改进的U-Net网络做对照试验。试验结果表明,改进的U-Net网络结构在IoU、精准率和Kappa系数指标上均高于SegNet和经典U-Net网络,与SegNet相比,3项指标分别提升了10.5%、12.3%和0.14,与经典U-Net网络结果相比,各个指标分别提升了5.8%、4.4%和0.05。改进的网络水体提取结果较为完整,对小目标水体能够准确提取。改进的U-Net网络能够有效地实现水体提取任务。     

高分辨率遥感影像特征分割及算法评价分析

图像分割一直是图像处理和计算机视觉领域中的一项关键技术。本文首先从遥感影像地学处理与应用的角度阐述了影像分割技术对于遥感信息提取和目标识别的重要性,然后提出了基于特征的高分辨率遥感影像信息提取技术框架,建立了一套基于特征的遥感影像分割方法及分类体系。同时,鉴于遥感影像分割方法评价的重要性, 阐述了一种高分辨率遥感影像分割方法评价的思路,并对几种典型的基于特征的遥感影像分割方法进行定性和定量的试验和评价,对其各自的性能和适用面进行对比分析。最后,指出了遥感影像特征分割方法所存在的问题及其发展趋势。