大孔径静态干涉成像光谱仪图像的条纹消除与配准

大孔径静态干涉成像光谱仪获取的图像是叠加了干涉信息的二维图像,点干涉图的获取需要经过全视场的推扫,平台姿态误差会导致提取的干涉图存在误差,进而影响复原光谱准确性,因此,图像配准是干涉图提取的关键。由于图像受到干涉调制作用,导致传统的图像配准方法在应用于LASIS图像配准时配准精度有限。为了减弱干涉条纹对图像配准的影响,本文提出一种利用条纹模板消除LASIS图像条纹,再结合图像频域配准的方法实现LASIS图像的高精度配准。配准结果表明,本方法很好地消除了干涉条纹对配准精度的影响,配准精度可以达到0.029 4个像素,相对于已开展的LASIS图像配准方法,沿轨方向配准精度提高了45.48%,跨轨方向配准精度提高了52.22%,图像旋转精度提高了39.13%。     

基于ICA的遥感图像多组分研究

图像分类是遥感应用的基础,而遥感图像的多组分性是影响分类的关键难题之一。本文基于独立分量分析方法,构造遥感图像信号多组分分解的模型,对遥感图像的多组分分解进行了研究与实验,结果表明该模型与方法的正确性。     

特征与错位拟合的CCD图像无缝拼接

针对“天绘一号”01、02星高分辨率相机品字形CCD机械结构的特点, 分析了引起高分辨率片间CCD图像错位的影响因素, 利用实验数据定量描述了片间CCD图像错位现象。提出了基于特征的图像重叠区域同名点自动提取和优化方法, 针对错位帧数据建立了错位拟合函数修正模型。预处理试验表明本文所述方法有效解决了高分辨率相机的图像错位问题, 实现了CCD图像的无缝拼接。     

GeoEye-1遥感图像去雾霾方法比较

在多雨多雾地区,GeoEye-1卫星获取遥感图像时常受到雾霾的影响。由于雾霾对电磁波有吸收、折射、反射和散射作用,导致遥感图像清晰度降低。因此,尽可能地消除雾霾对图像的影响,才能有效地提高遥感图像的质量。利用ENVI软件作为图像处理平台,分别选取了国内外常用的"同态滤波"、"小波变换"和本文提出的"波段计算组合"3种去雾霾方法对GeoEye-1图像进行去雾霾处理效果的研究对比。结果表明,利用"波段计算组合"方法去除GeoEye-1图像中的雾霾有很好的效果。     

图像重采样对调制传递函数估算的影响

选取理想刃边图像和真实遥感图像作为原始图像,对其进行多种辐射和几何重采样操作,得到了一系列退化图像;用这些图像按照刃边法对成像系统的调制传递函数进行了估算。试验表明,采用刃边法估算成像系统的调制传递函数时,为了视觉效果,可以对图像进行适当的辐射重采样操作,基本不会影响成像系统的调制传递函数;而几何重采样则会严重影响成像系统的调制传递函数。     

基于地统计学的图像纹理在岩性分类中的应用

纹理是遥感图像的重要特征,它揭示了图像中辐射亮度值空间变化的重要信息。本文运用地统计学中的对数变差函数计算图像纹理,并与图像的光谱信息结合,进行图像岩性分类,分析了不同大小窗口纹理信息对分类精度的影响。结果表明,运用地统计学原理进行图像分类,可大大提高图像的分类精度;采用较大窗口提取的纹理信息参与分类能使总体分类精度提高,但某些岩性类的分类精度有所下降,建议在实际应用中,根据具体情况选择窗口的大小。     

海啸地区遥感图像空间分辨率定量评价研究

图像空间分辨率是图像质量评价的一项关键性指标,也是图像应用中举足轻重的一个参数。由于图像的成像方式不同,同一幅图不同方向的空间分辨率是变化的。由于影响图像空间分辨率的因素非常复杂,所以迄今为止尚无统一、有效的定量评价图像空间分辨率的理论和方法。该文基于熵理论和图像信息的特点,提出了变率信息熵的概念和算法,并进行了相关的特性分析。经过对模拟生成的条形码靶标图像和2004年印尼海啸地区的DMC等卫星遥感图像的处理和实验,验证了此方法可以客观、定量地评价一幅图像在水平和竖直方向的空间分辨率,实验结果证明了算法的有效性。     

侧扫声纳条带图像分段拼接方法研究

拖曳作业模式会引起侧扫声纳条带图像错位和畸变,并给基于地理编码的条带图像整体拼接以及海底目标的识别和判读带来问题。提出了一种基于共视目标的相邻侧扫声纳条带图像分段拼接方法。该方法通过对侧扫声纳条带图像预处理、基于共视目标的分段匹配、基于小波变换的公共覆盖区图像信息融合,最终实现了相邻侧扫声纳条带图像拼接,最大限度地削弱了错位和畸变对声纳图像质量的影响。试验验证了该方法的有效性。     

航空多光谱图像地形影响校正的模拟反射率方法

开展强起伏地形等复杂条件下的多光谱数据处理实用方法研究,是使中高山地区多光谱定量化解释成果水平取得明显提高的重要途径之一。本文根据地形因素对航空多光谱图像地质解释影响的特点、多光谱仪的成像方式,应用简化的太阳辐射能量平衡原理,研究了如何从航空多光谱图像像元的亮度变化中消除地形影响,模拟生成反射率图像的新方法。新方法综合考虑了地表太阳辐照度的变化、地物的光谱反射率、反照率和热辐射信息,与目前常规的处理技术(如比值法和剩余对数法) 相比,消除了地形坡度和坡向变化对图像解释的影响,保留了地物反照率信息,为多光谱定量化解释提供了更合理有效的反射率图像,对超光谱数据的处理和解释均有潜在的应用价值。     

天线方向图未知的机载SAR图像增强

为了减弱雷达天线方向图和作用距离对SAR成像质量的影响,提高天线方向图未知情况下的机载SAR图像可视化效果和判读特性,提出利用方位向强度积分计算增强因子的SAR图像增强方法。该方法沿方位向对SAR图像各距离处的强度值进行积分,根据积分结果计算距离向增强因子并进行增强处理,从而减弱雷达天线方向图和作用距离对SAR成像强度的影响,得到沿距离向色调一致的SAR图像。采用机载SAR图像进行了增强试验,得到了满意的增强效果,验证了该方法的有效性。     

遥感云计算平台原型系统设计与实现

针对现有的云计算平台成本和系统复杂度高、不适于在普通台式电脑进行部署的问题,结合系统设计思想和云计算相关理论,构建了遥感影像云计算平台原型系统。该系统框架结构划分为系统依赖库、物理资源层、系统实体层、应用支持层、遥感应用层和用户界面层,包括云存储、云计算和数据可视化等三个子系统。实验结果表明:该系统可以在普通桌面电脑上进行部署,并且支持遥感影像的存储和处理,验证了基于云计算的海量遥感影像存储和处理关键技术,为遥感影像高效存储与快速处理提供了必要的现实支撑和理论参考。     

基于支持向量机的遥感影像厚云及云阴影去除

本文提出了一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层,并利用太阳角度信息,判定云阴影区域,得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换,利用云层和云阴影二值图生成的选择矩阵,对变换系数进行多层镶嵌,完成云层及云阴影的初去除。对影像镶嵌未能去除的云层及云阴影,通过统计学补偿的方法进行修复。最后重构图像并进行中值滤波实现厚云及云阴影去除。仿真实验表明,该方法能更好地再现云层覆盖区域的地物信息,去云后的图像具有更好的光滑度和清晰度。     

基于混合像元分解的水体遥感图像去云法

大型内陆水体的遥感图像中往往存在着不均匀薄云或者是气溶胶的影响，由于种种原因，传统的大气辐射校正算法无法消除这种不均匀影响，这就给遥感图像的大气校正带来了很大困难。由于水体属于低反射率地物，这种薄云或者气溶胶的不均匀性带来的误差，极大地降低了水体遥感图像的信噪比，进而影响水体信息遥感提取精度。根据部分太湖地区的遥感图像和地面实测数据，作者以一种新的思路来尝试解决这个问题。该方法充分考虑了水气环境的特点，把水体像元光谱看作水、污染物和气溶胶（薄云）等光谱的混和。基于混合像元模型，该方法有效地消除了薄云和气溶胶的影响，可使我们通过遥感手段更加精确地提取水质信息。     

神经网络支持下的Sentinel-2卫星影像自动云检测

为解决利用Sentinel-2卫星影像进行地物信息提取时云层遮挡造成的信息误判问题,提出了一种基于深度学习的遥感影像云区高精度分割方法。该方法通过预处理的遥感样本数据构建出一种深度神经网络模型,自动提取高层次影像特征;再将影像特征输入分类器,实现遥感影像的像素级分类,从而分割出云覆盖矩阵;最后将云覆盖矩阵转化为云二值图,结合感兴趣区矢量准确获取指定区域云检测结果。选取典型区域进行测试,结果表明：该方法检测精度较高,速度较快,且无须辅助信息与人工干预,可用于Sentinel-2卫星影像不规则区域自动云检测。     

基于显著性图像与纹理特征的遥感影像云检测

遥感影像云检测是遥感影像处理中非常关键的环节,准确识别影像含云区域能够提升影像的利用价值.根据遥感影像的成像特点,将阈值法和纹理特征结合实现云和下垫面的分割.首先将影像从RGB(red-green-blue)空间转化为HSI(hue-saturation-intensity)空间,进而构建影像的显著性图像,利用Otsu...     

结合超像素和卷积神经网络的国产高分辨率遥感影像云检测方法

由于国产高分辨率卫星遥感影像波段少、光谱范围窄,导致传统云检测方法精度低。本文提出了基于卷积神经网络的高分辨率遥感影像云检测方法。首先采用主成分分析非监督预训练网络结构,获取待测遥感影像云特征;然后采用超像素分割方法进行影像分割;最后将检测结果影像块拼接,完成整幅影像云检测。试验效果评价表明,基于卷积神经网络的高分辨率遥感影像云检测方法不受光谱范围限制,云检测精度高,误判较少,适合国产高分辨遥感影像云检测。     

一种基于同态滤波的遥感图像薄云去除算法

目前国内外常用的去除遥感图像薄云的方法是同态滤波法,但该方法在去除薄云的同时,图像无云区域特别是边缘区域的信息出现了严重丢失。为此,提出了基于同态滤波的像素替换法,该方法既可以去除薄云,又可以恢复无云区域的信息,使得处理后的图像和原始图像在无云区域有极大程度上的相似性。     

基于中值滤波和小波变换的遥感影像去云

去云处理是遥感图像处理以及大气纠正的重要步骤,目前常用的遥感薄云去除法一般只能去除低频区域的云,而对高频区域的云则没有处理效果。因此,在研究传统小波算法对图像进行处理的基础上,引入了中值滤波,它将每一像素点的灰度值设置为该点邻域窗口内的所有像素点灰度值的中值,旨在对高频突变云区进行处理。而后结合主观视觉和客观统计分析两方面对结果进行评价,并且与传统小波去云比较,经分析表明,高频突变云有所减少,达到了预期目的。     

天绘一号卫星遥感影像云雪检测的ResNet与DeepLabV3+综合法

云和雪的检测是卫星遥感影像处理过程中的一部分,也是对其进行后续分析和解译等应用的关键步骤。本文提出了结合ResNet和DeepLabV3+的全卷积神经网络云雪检测方法。采用ResNet50骨干网络,根据云和雪在天绘一号遥感影像上的特点优化DeepLabV3+网络模型,并采用ELU激活函数、Adam梯度下降法以及Focal Loss损失函数来加快收敛速度、提高分割精度。通过天绘一号卫星云雪影像数据集对网络进行训练并测试,试验结果表明,本文方法与传统Otsu法相比,稳健性更强,在检测精度上优于FCN-8s与DeepLabV3+,速度上优于DeepLabV3+,能推广用于不同来源的遥感影像,具有较好的应用前景。     

基于Mallat算法遥感图像去云雾处理的改进方法

遥感图像云雾处于相对低频、景物处于相对高频。根据小波变换多分辨率的特点,分析云雾和景物在小波系数中的分布,得出景物信息包含于低层细节系数,而云雾信息包含于高层细节系数和近似系数。本文通过增大图像的低层细节系数,减小高层细节系数,并适当减小近似系数,达到去除云雾的目的。最后评价了图像处理结果,并与同态滤波做比较,表明本文方法是有效的。