一种结合稀疏表示和纹理分块的遥感影像超分辨率方法

提出了一种基于稀疏表示和纹理分块的单幅遥感影像超分辨率方法,主要利用先验知识及影像自身的纹理信息重构遥感图像。首先,提取用于字典学习的图像块,从高、低分辨率遥感图像块中训练出冗余字典,采用正交匹配追踪方法更新字典,用迭代的方法直到算法收敛;然后,将训练的字典应用于遥感影像超分辨率重构。重构时将图像块分成平滑块和非平滑块两种类型,平滑块采用双三次卷积方法重构,非平滑块采用低分辨率遥感图像块的稀疏表示系数及高分辨率图像块冗余字典重构。实验结果表明,此方法重构速度较快,并在视觉及客观评价指标上有较好的超分辨率效果。     

利用多尺度几何特征向量的变化检测方法

提出了一种利用多尺度几何特征向量的变化检测方法,其基本原理是基于多尺度影像分割将变化检测从传统的像素光谱空间转换到对象尺度空间,利用多尺度分割形成的几何特征向量进行变化检测。以陕西省渭南市为研究区域,使用本方法检测该区域2002～2009年的地表覆盖变化。从变化检测结果可以看出,本文方法的检测效果优于其他传统检测算法。     

顾及异向性的局部径向基函数三维空间插值

针对三维局部径向基函数(radialbasisfunction,RBF)空间插值过程中合理设置待插值点的邻近搜索范围问题,提出了一种依据变异函数分析探索空间异向性的局部径向基函数插值方法。首先,构建采样点的协方差矩阵求解数据的三个轴向;然后,通过旋转变换将数据变换到新的坐标系下,根据地统计中的变异函数计算三个方向的变程,并将三个变程设置为局部搜索椭球体的三个轴;最后,对每个采样点构建节点RBF,通过对待插值点影响范围内的节点RBF进行线性加权组合,求出待插点的属性值。实验结果表明,该方法顾及了空间数据的异向性,计算精度高,插值结果可靠,是一种可行的顾及异向性的三维空间插值方法。     

HY2A卫星的GPS/DORIS/SLR数据精密定轨

采用HY2A卫星2013年2月的实测数据,研究了GPS、星载多谱勒无线电定轨定位系统(DORIS)及卫星激光测距(SLR)三种观测数据的单独和联合定轨问题。通过与法国CNES的精密轨道数据比较发现:分别采用GPS、DORIS和SLR数据进行单独定轨,GPS数据确定轨道的径向平均精度为1.3cm,三维位置约为6.2cm;DORIS定轨的径向平均精度为1.6cm,比GPS结果略差;SLR确定轨道的径向平均精度为2.3cm。用GPS、DORIS和SLR三种数据联合定轨,确定轨道的径向平均精度为1.2cm,三维位置约为6.5cm。与星载GPS定轨结果比较,三种观测数据的联合定轨在提高卫星轨道确定精度上不明显,但联合定轨有利于保持计算轨道精度相对稳定。用站星间高度角大于60°的SLR数据检验GPS/DORIS联合确定的轨道,两者在测距方向的均方差为2.5cm,可见基于HY2A的观测数据可以实现cm级的定轨需求。     

基于多尺度分割和径向基神经网络的极化SAR影像分类

针对目前常用的基于像素的深度神经网络极化SAR分类方法产生的椒盐现象,文中提出了一种联合自适应阈值多尺度分割方法和径向基神经网络的极化SAR地物分类方法。实验证明,该方法能够有效地保留SAR图像的结构特征并有效消除分类过程中产生的椒盐现象和破碎斑块,具有较高的分类精度。     

导航卫星天线相位中心变化估计及对LEO精密定轨影响

精确标定导航卫星发射天线相位中心对于高精度GNSS(globalnavigationsatellitesystem)数据处理十分重要,对于低轨卫星(lowearthorbit,LEO)精密定轨更是如此。本文以GPS为例,首先探讨了一种基于LEO简化动力学精密定轨残差建模的方法,对导航卫星发射天线相位中心变化(phasecentervariation,PCV)进行标定,与IGS08_1745.atx(internationalGNSSservice,IGS)的PCV比较结果表明,本文所得PCV在天底角低于14°部分与IGS的PCV差异约1mm,并且有效地将天底角(nadirangle)拓展至17°;最后采用多种方案讨论了导航卫星PCV对JASON2精密定轨的影响。结果表明,导航卫星PCV可导致1～2cm的定轨误差。其中利用本文所得PCV可实现3DRMS约3cm、径向约1cm的定轨精度,与采用IGS的PCV定轨精度相当,本方法可为北斗卫星发射天线相位中心变化的标定提供参考。     

一种基于均值比率和最佳熵的SAR影像边缘检测方法

针对比率边缘检测算子提出了一种自动确定阈值的方法,该方法引入最佳熵的理论到SAR边缘检测中,把基于比率的边缘检测均值比率影像分割成边缘和非边缘两类。此方法执行起来简单、快速,无需人工干预,能避免人为因素的影响。     

图的谱方法的空间目标形状表达研究

提出了一种新的关联矩阵——角度矩阵来表达关联图,分别采用邻接矩阵、拉普拉斯矩阵、距离矩阵和角度矩阵来数字化表达关联图。初步实验结果表明,图的谱方法是一种有效表达空间目标形状信息的方法,其中选择角度矩阵作为关联矩阵的效果最好。     

PolSAR数据在矿山遥感监测中的可行性研究

随着极化合成孔径雷达系统的发展,Pol SAR数据在各个领域得到了广泛的应用。本文研究了Pol SAR数据在矿山监测领域的可行性。首先对Pol SAR数据进行滤波去噪等预处理;然后介绍了适合矿山地物分类的Cloude特征向量分解和Freeman分解方法,在极化分解的基础上采用了一种结合散射熵和Freeman分解的Wishart分类方法进行分类,最终得到矿山监测地物的分类图,并通过人工解译的方式对分类后的图像信息进行归类并建立数据库,得到矿山地区的地物分类图。以机载Pol SAR数据为例,得到了较好的实验结果。     

全极化SAR图像边缘检测的随机距离法

提出了一种基于复Wishart分布随机距离的PolSAR图像边缘检测方法,将统计学中的随机距离理论引入PolSAR图像边缘检测中,依据的主要原理是边缘两侧类别之间随机距离的大小与边缘的方向和两侧类别差异的高度相关性。通过模拟数据对随机距离检测边缘的性能进行了全面分析,表明随机距离具有准确的边缘定向和定位能力。并利用基于复Wishart分布随机数生成器模拟的PolSAR图像和一景机载全极化SAR图像进行了验证。试验结果证实了该方法检测边缘的效果。     

基于层次密度分析的遥感影像分割方法

传统的全局性密度分析指标往往无法适应局部集群分布特征,提出一种新的层次密度分析方法,达到自适应遥感影像分割的目的,取得了较好效果。     

基于数据场的图像分割方法初探

分析了数据场的基本原理,提出了一种基于数据场的图像分割方法。该方法在原有图像分割方法基础上实现了可视化基础上的分割,通过实验,并根据图像分割效果定性定量角度的分析,论证了该方法的可行性和有效性。     

一种快速有效的MSTAR SAR目标图像分割算法

提出了一种快速有效的SAR目标图像分割算法。该算法基于混合Gamma分布,利用改进的Potts模型引入先验信息,通过结合期望最大化和图切割优化算法(GC)对混合分布模型参数进行快速稳健的估计,从而获得最终的分割结果。在MSTAR SAR数据集上的实验表明了该算法的有效性和灵活性。     

一种基于影像分割的城市建筑物变化检测方法

针对高分辨率遥感影像建筑物变化检测精度不高的问题,本文提出了一种改进城市建筑物变化检测方法。首先通过提取像元顶点构造像元图集,并以长宽比与矩形度作为变化检测测度,对后一期影像进行影像分割,识别建筑物轮廓对象。将建筑物轮廓进行几何关系筛选,完成建筑物变化信息提取。实验表明,该方法具有较高的变化检测精度,可明显削弱光照条件和成像角度对建筑物变化检测精度的影响,是一种普适性较强的城市建筑物变化检测方法。     

自适应无监督分类的PolSAR图像机场跑道区域快速检测

针对复杂PolSAR图像场景中机场目标区域检测问题,本文提出一种自适应无监督分类的机场目标快速检测方法,该方法首先对极化SAR相干矩阵分解提取PolSAR图像的特征值图,转化为超像素图实现图像去噪及降维。然后用SLIC超像素分割算法分割构造超像素。基于超像素图构建极化分类特征,并采用无监督的谱聚类方法提取出疑似机场跑道区域,其中的类别数确定利用VAT-DBE(Visual Assessment of cluster Tendency-Dark Block Extraction)算法获得。最后,在疑似区域内结合跑道结构特征进一步辨识检测出场景中的机场跑道区域。利用美国UAVSAR系统采集的多组全极化SAR实测数据对算法进行验证,并与两种已有的无监督跑道检测算法进行对比,实验结果表明,该算法能够快速准确检测出机场跑道区域,处理耗时可减小80%以上。具有更好的鲁棒性。     

面向端元提取的光谱角特征空间图像分块方法

传统的高光谱端元提取算法一般是在高维的光谱特征空间中进行运算,并且图像的全部像元都参与算法,因此运算量偏大,运算效率较低。提出了一种光谱角特征空间的概念,利用图像的空间信息辅助端元提取。图像的全部像元都可以映射到8维的光谱角特征空间中,样本点在特征空间中距离原点的远近表征了其在图像中的位置是否为地物区块的边缘,利用这点可以对高光谱图像进行空间分割。在分割后的每个子块图像内部只选取少数"最纯"像元参与端元提取算法,从而大大降低了端元提取的计算复杂度。     

基于光谱多尺度分割特征的高光谱混合像元分解

提高混合像元线性分解精度的一个关键点在于改善端元光谱矩阵的构成。本文提出一种基于光谱多尺度分割特征的混合像元分解方法。首先在分割段内离差平方和最小准则下,对高光谱影像的光谱进行多尺度分割,并以各分割段中对应像元的光谱平均值为光谱特征,最后以限制性的最小二乘方法估计出混合像元的组分。模拟与真实数据的实验结果表明,本文方法能够较大的提高遥感影像混合像元的分解精度,并且优于光谱维小波特征的分解。