基于映射机制的遥感影像盲水印算法

针对遥感影像数据,提出一种基于映射机制的抵抗几何攻击的强抗差性盲水印算法。首先,采用随机序列发生器生成固定长度的伪随机二值序列作为水印信息;然后,建立影像数据与水印信息的映射函数,并对映射变量进行扩展,确定水印信息的嵌入位置;最后,采用基于映射机制的修改像素值位平面的水印嵌入规则进行水印嵌入。水印检测是水印嵌入的逆过程,采用多数原则确定水印信息。该方法克服传统抗几何攻击时要求攻击后影像的大小和像素相对位置保持不变的局限,有效扩充水印容量,具有好的抗差性和不可见性,并能保持影像精度特征和统计特性。     

一种基于伪随机序列和DCT的遥感影像水印算法

首先,对原始影像进行分块,通过伪随机序列选择要嵌入的影像块;然后,采用量化的方法在每一块的DCT低频系数中嵌入水印信息;最后,通过精度约束,对嵌入水印信息后的遥感影像进行误差控制。由于采用了量化的方法嵌入水印信息,其提取过程不需要原始影像的参与,实现了盲检测。实验结果表明,该算法在满足水印算法鲁棒性的同时,也能达到对遥感影像近乎零修改的目标。     

利用特征组合检测算法的无人机遥感影像匹配研究

影像匹配是无人机遥感影像拼接和三维建模的基础和关键步骤。结合不同算法的优势,本文提出一种基于特征组合与RANSAC算法的无人机遥感影像匹配方法。该匹配方法首先采用AKAZE算法检测影像的特征点,然后利用SIFT描述符描述特征向量并获取特征点的主方向,最后基于单映射变换矩阵的RANSAC算法进行精准匹配。本文对基于特征组合与RANSAC算法的匹配效果进行了试验对比分析,试验结果表明：与常用匹配方法的匹配效果相比,本文的匹配方法继承了AKAZE算法的快速匹配能力,匹配总耗时介于AKAZE算法和SIFT算法之间,约为BRISK算法匹配耗时的20%;同时,该匹配方法继承了SIFT算法的多匹配点对性能,从整体匹配效果来看,本文的匹配方法优于AKAZE、SIFT、BRISK算法。     

基于精度特征的遥感影像数据盲水印算法

提出一种基于数据精度特征的遥感影像盲水印算法。首先,分析了遥感影像数据特征及其对水印算法产生的影响,然后构建了水印信息位、精度位集、非精度位集三者之间稳定的同步关系,再依据待嵌入数据点的精度位集生成水印信息位,最后采用量化的思想将水印信息嵌入对应的非精度位集。实验表明,所提出的水印算法不仅保持了遥感影像的数据精度,而且具有较好的效率,尤为重要的是,算法对于任意强度的数据裁剪、放大、缩小、几何旋转、剪切等水印攻击都表现了良好的鲁棒性,为遥感影像数据提供了较好的版权保护。     

抗几何攻击的高分辨率遥感影像半盲水印算法

提出了一种可有效抵抗几何攻击的高分辨率遥感影像半盲水印算法。该算法充分考虑了高分辨率遥感影像的特点,在水印嵌入方案中,对原始水印信息进行扩频处理,将水印值与最高有效位进行匹配,生成密钥矩阵,水印嵌入到最高位或次低位,并以二进制方式保存生成的密钥矩阵;在水印提取方案中,采用模板匹配技术提取出最优的水印信息。实验结果表明,该水印方案具有良好的不可见性,并且对影像的裁剪、旋转、平移、加噪、滤波等操作具有较强的鲁棒性。     

一种抗彩色合成的遥感影像完整性认证算法

针对目前遥感影像完整性认证的需求以及对彩色影像合成认证方法的欠缺,基于脆弱水印技术提出了一种抗彩色合成的遥感影像完整性认证算法。首先,将遥感影像分块处理,把分块位置信息转化为水印信息并加以置乱处理;然后,选择分块内线性拉伸处理后能逆向恢复的灰度值进行水印嵌入;最后,对提出的算法进行了实验验证。实验结果表明,算法能够有效认证遥感影像的完整性,尤其是可以对彩色合成进行完整性认证,并可在数据遭受篡改时可准确定位。     

深度学习遥感影像多尺度油罐检测算法性能分析

遥感影像中油罐目标尺度变化大,小目标较多,影响其检测性能。为探究影像缩放对各网络油罐检测的影响以及油罐目标尺寸对于检测结果影响的规律,选择经典的5种深度学习目标检测算法,包括FRCNN、RFCN、SSD、YOLOv3和RetinaNet算法,对不同尺度油罐目标的检测精度、泛化能力和运行效率等进行了对比分析和实验验证。实验结果表明,RetinaNet和RFCN算法的平均精度和泛化能力最好;YOLOv3算法的速度最快。不同算法都有所谓的最佳检测尺寸窗口,通过对检测影像适当地缩放可以使待检测目标尺寸落入最佳窗口,从而提高油罐目标检测的精度。同时,对基于深度学习的遥感影像多尺度油罐检测算法提出了改进的建议。     

结合RPN网络与SSD算法的遥感影像目标检测算法

利用传统方法对遥感影像的目标检测,过程复杂并且耗时.随着深度学习的发展,用深度学习的方法进行目标检测,为遥感影像的检测开辟了新的思路.当前目标检测的方法主要包括以Faster R-CNN为代表的两阶段检测算法和以SSD为代表的单阶段算法,两阶段算法精度高速度慢,单阶段算法速度快精度低.针对两种算法的优势,该文将Faster R-CNN中的RPN与SSD算法相结合,融合单阶段和两阶段算法的优势,在提高精度的情况下保证速度,并加入特征金字塔结构,利用多个卷积层融合低层特征和高层特征的信息,提高预测效果.在NWPUVHR-10高分辨率数据集上进行训练和测试,对结果进行算法评估.同时选用测试集将该文算法与Faster R-CNN和SSD算法进行对比,实验表明该文算法提高了对小目标物体的检测精度,获得了更优的性能.     

遥感影像松弛匹配算法研究

松弛匹配算法是遥感影像匹配中应用广泛的算法之一,它是一种并行和迭代的算法,在匹配过程中利用了周边像素的信息,能够有效地避免临近匹配结果不协调、不合理的现象。本文对松弛算法的原理进行阐述,从收敛速度和错误率两个指标出发,针对多种不同的松弛匹配算法进行比较研究,分析其性能及其应用。实验证明,收敛速度并不能作为算法优劣的唯一标准,松弛算法应该更多地利用影像的背景信息来消除局部的不确定性。     

基于卷积神经网络的高分辨率遥感影像云检测

在深度学习理论模型的基础上,提出了基于卷积神经网络的云检测方法。以GF-2号卫星影像为数据源,选取广西壮族自治区贵港市为实验区,提取了不同下垫面的云,验证了该方法的有效性。     

微粒群优化方法的遥感影像变化检测研究

将微粒群优化方法引入遥感信息变化检测领域,构建了基于微粒群优化方法的遥感信息变化检测方法。在变化监测的过程中,通过变化规则的自动搜索和建立,实现了遥感影像变化信息的一次性直接提取。应用微粒群优化方法对北京试验区20002006年、2006--2009年两个时间段的遥感影像进行土地覆盖类型的变化信息检测,并与决策树（C4．5和PART）、最大似然等方法的变化检测结果进行对比分析。结果表明,微粒群优化方法能够自动搜索变化规则,得到的变化规则比决策树方法更简单,并能够获得更高的检测精度。     

基于数学形态学的遥感影像边缘检测研究

针对含有复杂地物、边缘密度大的遥感影像,提出了一种基于多结构元素形态学的边缘检测方法。首先,根据遥感影像的特点,用形态学的开闭滤波器去除影像中的噪声点。然后基于多结构元素形态学进行边缘检测,最后,对边缘检测结果进行二值化及细化处理。并同Sobel及Canny算子的检测结果进行了比较。结果证明,该方法能有效地提取边缘、保护细节。     

多光谱遥感影像亮度空间相位一致性特征点检测

提出了一种基于亮度空间和相位一致性理论的多光谱遥感影像特征点检测算法。首先利用参数自适应的灰度变换函数建立影像亮度空间;然后结合相位一致性方法在影像亮度空间进行候选特征点检测,并将候选特征点映射到原始影像上进行非极大值抑制;最后在尺度空间计算特征点的特征尺度值。本文方法有效结合了亮度空间特征检测和相位一致性特征检测的优势,对多光谱遥感影像的辐射变化具有较强的稳健性。试验结果证明,与传统特征点检测算法相比,本文方法在特征重复率和重复特征数量方面都具有明显的优势。     

交互式遥感影像分割算法研究

目的 针对传统算法过于强调机器推理等弱点,将基于元胞自动机分割图像的思想移植到GIS平台上,作为解决遥感影像分割问题的一种新思路,实现了基于元胞自动机的遥感影像分割算法。这一分割方法将人的判断融入分割过程中,有着很强的灵活性。     

基于边缘的多光谱遥感图像分割方法

从Marr视觉计算理论和Tobler地学第一定律出发,提出了基于边缘的多光谱遥感图像分割方法.在基于边缘的多光谱遥感图像分割方法中,由边缘检测、边缘综合、边缘生长、区域标号等环节组成.该遥感图像分割方法在可视化开发平台Delphi中予以编程实现.将之应用于日本熊本市（Kumamoto）的Quickbird多光谱遥感图像中,并与多种遥感分割算法进行了比较：（1）从多光谱遥感图像各波段亮度信息利用的程度上看,提出的遥感图像分割方法能充分利用多波段亮度信息;（2）从遥感图像分割结果上看,由于分别对不同的波段进行边缘检测,并在此基础上进行边缘综合、边缘生长,遥感图像中的细节特征得到了充分体现,遥感图像分割效果更理想;（3）从计算复杂度和计算效率上看,基于边缘的多光谱遥感图像分割法较其他分割方法有一定的优势.     

基于ERDAS的遥感影像变化检测技术的研究

变化检测是遥感图像处理中经常使用的一门技术,随着遥感技术的发展,变化检测的应用越来越广泛。本文介绍了变化检测的定义、流程和应用,利用ERDAS软件进行遥感影像的变化检测实验,并对ERDAS变化检测的几种不同的方法进行比较分析,得出的结论是利用变化检测模块(Change Detection)进行检测的效果较好,最后将这种方法同监督分类技术一起应用于厦门市城市建设用地的变化检测中。     

基于LBP/C纹理的遥感影像居民地变化检测

针对遥感影像上居民地纹理的特点,将基于方差的纹理分析方法、基于LAWS纹理能量测度的纹理分析方法、基于LBP/C(local binary pattern/contrast)的纹理分析方法分别对遥感影像上的居民地纹理特征进行分析描述;然后进行基于区域生长的扩张检测,得到居民地变化检测的结果。对不同地区、不同居民地分布情况的遥感影像进行了居民地扩张变化检测的试验。结果表明,基于LBP/C的变化检测方法可以高精度地检测出居民地的扩张变化,并提高了检测的自动化程度。     

GABA算法的遥感图像分类

为了弥补蝙蝠算法后期收敛速度慢、寻优精度不高、易陷入局部最优值的缺点,本文提出了一种新的遥感图像分类算法--GABA算法,该算法将遗传算法中的选择、交叉、变异操作应用到蝙蝠算法中,使蝙蝠算法具有变异机制,避免种群个体陷入局部最优,提高了算法全局寻优能力,增加了蝙蝠算法的多样性。同时,为了突出本文算法的优点,试验将蝙蝠算法、K-means算法、粒子群算法与本文算法结果进行比较,分析评价遥感图像的分类结果。试验表明本文算法在遥感图像分类应用中既提高了分类精度又减少了分类时间,是一种可行、有效的遥感图像分类方法。