基于联合稀疏模型的高分辨率SAR与光学遥感影像融合研究

遥感影像融合技术能通过综合不同卫星传感器获取影像互补信息达到对地物进行提取的效果。针对合成孔径雷达(Synthetic Aperture Radar,SAR)与光学影像融合的光谱扭曲和空间细节信息丢失问题,提出一种基于联合稀疏模型的高分辨率SAR与光学影像融合方法。该方法借鉴信号联合稀疏表示思想,假定SAR与光学影像均可由共有和专有稀疏表示部分组成,分别对应影像冗余信息中的有效部分与影像互补信息:其中共有部分用离散余弦字典表示,专有部分用离散余弦字典和学习字典组成的混合字典表示。在求解出融合影像在联合稀疏模型下的稀疏系数之后重建出融合影像。实验结果表明,该方法能同时保持高分辨率SAR影像空间细节信息和光学影像光谱信息,提高了高分辨率SAR与光学遥感影像的融合效果。     

SAR影像与光学影像翻译方法研究

<正>遥感技术的快速发展使得不同特性的多源遥感数据的获取更加快捷、方便。然而,当前的遥感数据获取技术和影像解译技术还不能完全满足遥感应用的需求。例如,光学传感器可以获取分辨率高、视觉特征明显的可见光影像,但是不能像合成孔径雷达(SAR)传感器那样全天时、全天候成像,在恶劣天气下的灾害应急处理中难以发挥作用,而SAR传感器成像又不如光学影像那样直     

光学-极化SAR影像特征融合与分类

针对多源遥感影像分类的需要,本文提出一种光学-极化SAR影像特征融合与分类,利用山东省泰安市区域的Landsat-5与全极化ALOSPALSAR卫星进行了实验验证。实验结果表明,引入全极化SAR目标分解后向散射特征与极化均值纹理特征的特征级影像融合分类,总体精度达到98.8048%,能够充分利用影像特征之间的合作性与互补性,减少分类结果的椒盐噪声,从而有效地提高影像的分类精度。     

深度学习在光学和SAR影像融合研究进展

遥感影像融合作为影像处理领域中最具有挑战的工作,一直是学术界研究的热点。合成孔径雷达SAR(Synthetic Aperture Radar)具备全天时、全天候、穿透云雾等多种特点,却因存在相干斑噪声等问题,使得影像难以解译。相比之下,光学影像可以反映地物的光谱和空间信息,易于解译,但容易受到云雾干扰,造成信息丢失,将光学与SAR影像数据融合可以实现不同类型传感器成像之间的信息互补,能够更好地为后续的影像分析与解译提供方便。本文首先对光学和SAR影像融合进行了系统性回顾,包括传统融合方法和基于深度学习方法在影像融合方面的最新工作,重点阐述了卷积神经网络CNN (Convolutional Neural Network)、生成式对抗网络GAN (Generative Adversarial Networks)等框架在光学和SAR影像融合中的进展;然后总结了光学和SAR影像融合在深度学习领域开发的数据集,并做了简单介绍和说明;最后,从数据集、时间序列影像融合、融合评价体系和算法轻量化等4个方面对光学和SAR影像融合的未来发展趋势进行了展望。     

基于高分SAR与光学影像数据融合的滨海湿地变化监测方法

滨海湿地是自然作用和人类活动剧烈地带,及时监测湿地资源及其生态环境的变化具有重要现实意义.基于高分辨率卫星影像的遥感变化检测技术是滨海湿地精细化变化监测的一种有效手段,但目前大多数研究仅利用单源遥感数据进行变化监测,较少综合利用多源遥感数据的互补性,从而制约了变化监测精度.光学影像光谱信息丰富,但不能穿透植被冠层.合成...     

SAR与光学影像融合在宁陕地区明长城探测中的应用研究

宁夏和陕西地区的明长城在遭到自然与人为双重破坏后日渐退化,有的区段已消失于地表。本文采用了SAR与光学影像像素 级融合方法——HIS变换融合和PC主成份变换融合,通过比较2种方法的融合效果,最终选定PC主分量变换融合的结果作为自动提取 该区明长城信息的基础。通过“骨架”算法实现了对该区明长城空间位置的自动提取,最终获得了较为清晰的明长城信息。该区明 长城准确而完整的空间位置,可为进一步研究该区明长城沿线环境变化及古环境演变提供精准的研究范围和研究基础。     

SAR影像匹配算法的研究

提出了一种高效稳定的SAR影像匹配算法,该算法首先采用Frost滤波对SAR影像的斑点噪声进行预处理,再结合SIFT和SURF算法对滤波后的SAR影像进行特征点提取,使用Matlab程序实现立体影像无痕拼接,实现了SAR影像的高精度匹配,该方法提高了SAR影像的匹配成功率,减少了匹配时间。     

基于特征提取的光学影像和SAR影像自动配准

针对现有的配准方法用于多光谱影像与SAR遥感影像配准时,存在受SAR图像斑纹噪声影像大、手工选取配准控制点精度低、利用图像景物特征配准时获取区域和边沿困难等问题,以SPOT5影像与RADARSATSAR影像配准进行实验,提出了一种利用改进的SIFT在提取的特征图像上寻找匹配点进行粗配准,然后利用交叉累积剩余熵作为相似性测度结合原始影像信息寻找光学特征图像的角点在SAR影像上的匹配点并进行精配准的方法,配准精度达到了子像素级水平。实验结果表明该方法对多源遥感影像有很强的适应性,配准精度高。     

SAR与光学遥感影像融合在土地资源监测中的应用

以高分辨率机载SAR和光学多光谱影像为基础数据,采用主观评价和客观评价相结合的方式,分析评价三种融合影像及其在土地资源监测中的应用优势,并利用融合影像解译出土地资源监测中比较关注的几种主要土地利用类型。     

高分辨率SAR与光学影像联合调绘研究

为解决地形图测绘中外业调绘效率低问题,在分析SAR影像与光学影像特点基础上,利用高分辨率机载SAR影像与Google Earth影像联合调绘方法,进行1∶5 000地形图调绘实验。通过层次分析法对SAR影像、Google Earth影像以及联合调绘方法的工作量进行对比分析。结果表明:联合调绘方法能大大减少外业工作量,缩短作业时间。     

SAR影像边缘检测算法研究

边缘检测是影像分析的基础,但由于SAR图像中存在强的、乘性的相干斑噪声,使在光学图像中有效的边缘检测器对于SAR图像不再适合。提出一种针对带有斑点噪声的SAR影像边缘检测改进算法,运用此算法与传统MRoA,RGoA和MRGoA算法对一幅真实的SAR影像进行处理,并且使用不同指标对处理的结果进行比较分析,试验结果证明本算法的有效性和实用性。     

基于模糊算法的极化SAR影像分类

极化合成孔径雷达（POLSAR）由于其能对目标进行更为全面的极化信息的描述,已经成为SAR领域中最先进的传感器之一。本文对模糊集理论中的三种模糊聚类算法进行了系统全面的阐述,并重点研究了基于模糊可能性C均值算法（FPCM）的极化SAR非监督分类方法。     

基于FGHT的SAR影像形状检测算法

形状检测在目标识别中有着重要作用。广义Hough变换(GHT)具有很好的全局特性,是常用的目标形状检测算法。但由于SAR影像具有强噪声等特点,常用的广义Hough变换算法可能会产生定位不准确的问题,甚至会出现错检的情况。文中将GHT中投票不集中的区域看做"模糊投票点",构造了隶属函数,并据此设计了模糊广义Hough变换算法(FGHT),通过优化参考点的位置达到检测结果精确定位的目的。实验对比证明,该算法在强噪声情况下具有更好的鲁棒性。     

基于FGHT的SAR影像形状检测算法

形状检测在目标识别中有着重要作用。广义Hough变换（GHT）具有很好的全局特性,是常用的目标形状检测算法。但由于SAR影像具有强噪声等特点,常用的广义Hough变换算法可能会产生定位不准确的问题,甚至会出现错检的情况。文中将GHT中投票不集中的区域看做“模糊投票点”,构造了隶属函数,并据此设计了模糊广义Hough变换算法（FGHT）,通过优化参考点的位置达到检测结果精确定位的目的。实验对比证明,该算法在强噪声情况下具有更好的鲁棒性。     

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域（MSER）的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明：本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

基于小波变换的雷达与光学影像匹配算法研究

分析了实孔径雷达与ＣＣＤ传感器影像不同的成像特点,讨论了采用小波变换进行边缘检测、影像分解与重建、实现分层匹配的方法;同时,提出了多种匹配算法模式。经过试验,取得了良好的结果。     

基于SFIM算法的融合影像分类研究

以福州市城乡结合部的Landsat7 ETM⁺影像为例,就该融合算法的自动分类精度作进一步研究,并藉此对该算法作全面评价。研究结果表明,SFIM融合影像的分类精度高于原始未融合影像的分类精度,但选择不同尺寸的均值滤波器会影响融合影像的分类精度。试验表明,太大尺寸的滤波器虽然能提高高分辨率影像的信息融入度,但会降低融合影像的分类精度和光谱的保真度。