基于误差补偿预测树的多光谱遥感图像无损压缩方法

预测树方法是一种有效的无损多光谱图像压缩技术,将自适应线性预测方法与传统预测树方法相结合,提出了一种多光谱遥感图像的误差补偿预测树压缩方法。该方法利用多光谱图像谱间的局部统计冗余和结构冗余建立自适应预测器,对传统预测树方法产生的误差进行补偿,从而进一步减少了多光谱图像的数据量;并且利用多光谱图像的局部平稳特性对算法进行了简化。实验结果表明,该方法得到的压缩比与原始预测树方法相比有明显提高,同时算法简化后可以使计算复杂度大幅度降低。     

一种高光谱遥感影像无损压缩方法与应用

针对遥感影像巨大数据量给传输、存储造成巨大压力和压缩比低的问题,本文提出了一种改进的自适应波段重排和最小均方误差预测的高效无损压缩方法。该方法能自适应地确定波段的最佳顺序,并根据最小均方误差预测充分利用这种排序相关性消除影像冗余。首先,该方法对高光谱影像波段自适应分组,在每个组内利用最小生成树算法排序,以提升相邻波段的谱间相关性。然后,对组内波段自适应地选择上下文进行谱间和谱内预测,去除高光谱影像的冗余。最后,对预测残差进行二进制算术编码去除统计冗余,完成高光谱影像无损压缩。基于资源一号高光谱影像的试验结果表明,本文方法有效利用了谱内、谱间相关性,改善了预测性能,优于常用的压缩方法。     

一种基于预测树的多光谱遥感图像无损压缩方法

最小绝对权值（ＭＡＷ）预测树方法是一种有效的多光谱遥感图像无损压缩方法,但其中构造预测树的算法复杂,实现困难。本文对预测树方法进行改进,提出一种侧邻域最小绝对权值（ＳＮＭＡＷ）预测树方法,通过改变预测树的四邻域定义,使构造预测树的算法简化,并且,实验结果表明,对不同类型的多光谱遥感图像,ＳＮＭＡＷ的压缩效果与ＭＡＷ的压缩效果相近或有所改善。     

遥感影像压缩的前沿技术

概要介绍了遥感影像压缩技术的作用和重要性,以及当前主流技术的种类、原理、特点和优越性。     

基于分类K—L变换的多波段遥感图像近无损压缩方法

去除空间和谱间相关性是多波段遥感图像压缩中的重要环节，为了得到更好的去相关效果，将矢量量化方法引入多波段遥感图像压缩中，以去除对应同一地物的波段矢量间的相关性，再通过分类K－L变换去除量化误差图像的变间相关性，对K－L变换后的特征图像采用预测树的方法进一步去除谱间结构相关性和空间相关性，实验结果表明，该方法可以取得很好的压缩效果。     

基于最小生成树的高分辨率遥感影像层次化分割方法研究EI北大核心CSCD

在更精细的空间尺度下,高分遥感影像呈现更丰富的地物细节信息,信息内容的复杂性、空间性和海量性等特征,给传统遥感影像分割方法带来挑战。针对这些挑战,寻求一种更有效的分割模型和并行化的处理方法是有效提高大尺度高分遥感影像分割精度和处理效率的关键。为此,论文提出基于最小生成树的高分遥感影像层次化分割方法及其并行化重构。前者利用层次化最小生成树模型实现影像复杂场景信息的有效刻画,在此基础上利用区域化模糊聚类模型构建层次化分割模型。后者基于子块切分的并行划分和并行模糊聚类分割方法,实现大尺度高分遥感影像的快速、有效分割。论文的主要工作如下。     

基于最小生成树的遥感影像分割

随着遥感影像在人们生产生活各个方面的广泛应用,普通的分割算法已不适用于高分辨率遥感影像的目标识别需求。本文提出了一种基于最小生成树的遥感影像分割算法,首先根据像素间的相似性测度构建遥感影像的无向带权图,然后通过Prim算法生成遥感影像的最小生成树用于刻画影像的像素间相似性结构,并建立最小生成树的拓扑结构;在此基础上,建立基于最小生成树的分割模型,进行子树划分,从而达到影像分割的目的。模拟和真实影像的分割实验表明,本文算法是一种有效的遥感影像分割算法。     

遥感图像准无损压缩技术的研究

提出了一种基于图像恢复技术的遥感图像压缩技术,在提高遥感图像压缩比的同时,使压缩后的重建图像质量达到准无损的技术要求,对ＳＰＯＴ,ＴＭ图像的试验结果表明,该技术是可和地的。     

遥感图像处理与地理信息系统

本文简要介绍了遥感图像处理技术与ＧＩＳ的关系，概述了遥感图像处理技术的发展状况及其在ＧＩＳ中的应用，讨论了遥感（ＲＳ）与ＧＩＳ结合的现状及前景。     

一种改进的基于最小生成树的遥感影像多尺度分割方法

影像分割是遥感影像面向对象信息提取的基础步骤。基于多特征、多尺度及考虑空间关系的遥感图像分割是主流研究方向。本文基于eCognition软件的多尺度分割思想,引入基于图论的最优化理论,提出了基于最小生成树分割和最小异质性准则的多尺度分割方法。该方法采用相干增强各向异性扩散滤波和最小生成树分割得到初始分割结果,通过最小异质性合并准则同时考虑多波段光谱特性区域形状参数进行区域合并,实现多尺度的影像分割。本次研究选取两景试验影像,对本文方法和eCognition软件的多尺度分割方法开展了目视比较和定量指标评价,结果表明,本文提出的方法是一种有效的影像分割方法,在光谱差异较小区域的细分方面优于eCognition方法。     

基于增强小波ECW的遥感图像压缩研究

基于小波变换的图像压缩方法能在高压缩比的前提下保持好的重建图像质量,小波变换的编码技术被广泛地应用于图像的压缩中。但这些传统的小波压缩技术及改进算法,都需要构造复杂的小波基、小波函数,算法复杂,制约了在实际中的广泛应用。而最新发展的增强小波技术较传统的小波技术ECW在压缩率、压缩速度、压缩编码方面均有了新的突破,利用ECW SDK二次开发包,可在应用系统中直接嵌入ECW技术进行遥感影像压缩,避免了传统的小波技术算法复杂等弊端。实践表明该方法是一种有效的、可以在实际中广泛应用的遥感图像压缩方法。     

栅格电子地图的无损压缩新方法

JBIG在压缩灰度或彩色图像时,需要将图像分解为多个位面,编解码效率低而且难以利用位面之间的相关性.文章提出了RBMA方法,首先将像素值转换为引用值,然后使用多重算术编码压缩引用值,避免了位面分解.实验表明,RBMA方法与JBIG相比不仅成倍提高了编解码效率,而且提高了约40％的压缩比.GIF以一维的形式编码像素,在处理相同颜色区域时存在字典条目长度增长缓慢的问题.本文提出的LZWB方法将具有相同颜色的区域特殊编码,只输出色块的颜色、色块宽度与高度.实验表明,LZWB提高了约20％的压缩比,解码速度约为GIF的3.7倍.     

一种基于SiftGPU的遥感影像匹配方法

针对已有的遥感影像匹配方法难以同时满足高精度、可靠性和高效率要求的问题,该文提出一种基于分块策略的尺度不变特征变换快速匹配方法。首先对两幅待匹配影像进行分块,根据影像的坐标信息建立参考影像与搜索影像上每个分块的对应关系,并进行量化级数转换;然后对每一对分块影像采用尺度不变特征变换算子进行匹配,同时采用GPU进行加速;最后对得到的所有匹配点进行误匹配点剔除。为验证该方法的有效性,采用经过正射纠正的ALOS影像和经过传感器校正的资源三号正视影像进行匹配实验。实验结果表明,该方法能够得到较多高精度的同名点,并且能在短时间内完成大数据量的处理。     

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。     

GDI+在遥感数据处理中的应用

本文利用GDI+在图像处理方面的新特点,举例说明了GDI+在遥感图像的基本操作、空间滤波增强、图像的灰度化及伪彩色处理和图像的编码解码和多格式转化等方面的优势,从而为GDI+在遥感图像处理系统中的应用提供了新思路。     

高分辨率遥感影像超像素的模糊聚类分割法

传统模糊C均值聚类在影像分割中只考虑影像的灰度特征,导致该算法用于高空间分辨率遥感影像分割时分割结果不理想。针对该问题,本文提出了一种高分辨率遥感影像超像素的模糊聚类分割方法。该方法首先利用分水岭变换算法产生多个超像素子区域;然后比较各个子区域间光谱特征的相似性;最后利用融合光谱特征的模糊C均值聚类对这些超像素子区域进行合并。试验选用4组不同场景的遥感影像,采用定性和定量相结合的方法评价试验结果。试验结果表明,该方法有效提高了分割区域的分割精度,并取得了较好的分割视觉效果。     

遥感影像并行处理的数据划分及其路径优化算法

研究了一种基于数据划分的遥感影像并行处理的路径优化算法,用于解决将并行技术应用于海量遥感影像分布式存储和处理领域时其处理模型所具有的多路可达性所引起的路径动态、最优选择问题。在栅格数据可分解性分析及并行模型数据态、元素、相对信息量和映射等8个基本定义和6个性质的基础上,给出并行处理一般数学模型。以该模型为基础获得在一般并行处理情况下,以平均计算代价变量的比值作为控制横向并行与纵向并行选择方式的标志,并进一步给出四叉树索引并行生成、基于四叉树的目标检测并行处理等具体示例。最后,通过试验验证了算法的有效性,分析了算法的特点及影响因素。     

高分辨率遥感影像语义分割的半监督全卷积网络法

在遥感领域,利用大量的标签影像数据来监督训练全卷积网络,实现影像语义分割的方法会导致标签绘制成本昂贵,而少量标签数据的使用会导致网络性能下降。针对这一问题,本文提出了一种基于半监督全卷积网络的高分辨率遥感影像语义分割方法。通过采用一种集成预测技术,同时优化有标签样本上的标准监督分类损失及无标签数据上的非监督一致性损失,来训练端到端的语义分割网络。为验证方法的有效性,分别使用ISPRS提供的德国Vaihingen地区无人机影像数据集及国产高分一号卫星影像数据进行试验。试验结果表明,与传统方法相比,无标签数据的引入可有效提升语义分割网络的分类精度并可有效降低有标签数据过少对网络学习性能的影响。     

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。     

基于深度学习的高分辨率遥感影像建筑物提取方法

针对传统的建筑物提取方法精度较低和边界不完整等问题,本文提出基于深度学习的高分辨率遥感影像建筑物提取方法。首先,采用主成分变换非监督预训练网络结构,获得待提取遥感影像特征。其次,为减少在池化过程中影像特征信息的丢失,提出自适应池化模型,通过非下采样轮廓波变换来获取影像纹理特征,并将纹理特征输入网络中参与建筑物提取。最后,将影像特征输入softmax分类器进行分类,获得建筑物提取结果。选取典型区域进行建筑物提取试验,并与典型建筑物提取方法进行对比分析,结果表明,本文提取方法精度高,并且提取建筑物的边界清晰、完整。