原始影像管理及质量分析系统的设计与实现

为了适应摄影测量与遥感技术的快速发展,满足测绘生产的需求现状,针对原始影像的管理与质量分析进行了深入的研究与探讨,并在现有的研究成果和设备的基础上,设计和实现了一套适应于作业部门需求的原始影像管理及质量分析系统。此系统不仅面向测绘生产者提供数据,而且也面向用户提供影像的初级产品———附有内外方位元素的原始影像,为实现原始影像的快速分发和共享提供了良好的服务平台。     

级联卷积神经网络的遥感影像飞机目标检测

传统遥感影像飞机目标检测算法依赖于人工设计特征,对大范围复杂场景和多尺度的飞机目标稳健性较差,基于深层卷积神经网络的目标检测算法通常难以有效应对大幅影像的目标搜索和弱小目标检测问题,针对上述问题,本文提出了一种基于级联卷积神经网络的遥感影像飞机目标检测算法。首先根据全卷积神经网络能够支持输入任意大小图像的特点,采用小尺度浅层全卷积神经网络对整幅影像进行遍历和搜索,快速获取疑似飞机目标作为兴趣区域,然后利用较深层的卷积神经网络对兴趣区域进行更精确的目标分类与定位。为提高卷积神经网络对地物目标的辨识能力,在卷积层中引入多层感知器,并在训练过程中采取多任务学习与离线难分样本挖掘的策略;在测试阶段,建立影像金字塔进行多级搜索,并结合非极大值抑制消除冗余窗口,从而实现由粗到精的飞机目标检测与识别。对多个数据集下多种复杂场景的遥感影像进行测试,结果表明,本文方法具有较高的准确性和较强的稳健性,可为大幅遥感影像的飞机目标检测问题提供一个快速高效的解决方案。     

海岛礁卫星影像无地面控制点定位方法

针对海岛礁卫星影像的定位问题,提出一种利用航天飞机雷达地形测绘任务（shuttle radar topography mission,SRTM）DEM辅助的无地面控制点定位方法。该方法分为概略定位和精定位两个阶段,各阶段均包括DEM提取和DEM匹配等主要步骤,可分别对影像中的相对误差和绝对误差进行补偿。SRTM DEM被充分应用到方法各环节中,以发挥其高精度的特性:提取DEM时既用于剔除海域点,也用于确定求解陆域点高程时的高程搜索范围,从而避免海域影像的不利影响,同时保证计算效率;DEM匹配时其作为基准数据。利用多景天绘一号卫星海岛礁地区的立体影像进行验证。实验结果表明,所提出的方法对具有不同陆域比例、不同生产方式的天绘一号海岛礁影像均能得到较稳定且较高的定位精度,平面和高程精度分别优于6.2 m、5.2 m,能较好地满足1:50 000比例尺地形图的精度要求。定位精度基本不受待匹配DEM分辨率的影响,计算效率取决于陆域比例和待匹配DEM的分辨率。     

矢量数据辅助的高分辨率遥感影像道路自动提取

高分辨率遥感影像上细节信息繁杂、干扰物普遍存在,对其进行自动化道路识别与提取的相关研究仍处在探索阶段。在道路提取过程中引入矢量数据辅助,可解决初始信息获取的困难,得到可靠性较强的训练样本。为此,提出一种矢量数据辅助下的道路提取方法,能够筛选出矢量数据中包含的有效信息,引导实现对高分辨率遥感影像的道路自动提取。利用Mean-shift滤波对图像进行预处理后,首先从矢量数据获取候选种子点,并通过提炼同质区域的形状特征剔除错误候选点;然后,自动获取负样本点以进行朴素贝叶斯分类,并采用邻域质心投票算法从分类影像提取道路中心线;最后,结合像素跟踪与方向判断矢量化道路中心线,并提出一种基于矢量几何分析的断线连接与毛刺剔除方法,对提取结果进行信息修复与规整、优化。实验结果显示,该算法的提取质量达到80%以上,且具备较强的稳健性,能够适应具有不同道路辐射和分布特征的高分辨率遥感影像。     

线性混合模型的光谱解混算法综述

混合像元的存在不仅影响了基于高光谱图像的地物识别和分类精度,而且已经成为遥感科学向定量化发展的主要障碍。目前的混合像元分解算法大多采用线性混合模型,其关键步骤为端元提取。文中从线性混合模型的定义出发,总结了近年来提出的端元提取算法,并重点对SMACC、VCA、SGA等算法进行了深入的分析,最后总结了混合像元分解的发展趋势。     

一种基于直线特征的遥感影像和GIS数据自动整体配准方法

提出了一种基于直线特征的对尺度变化和旋转变化不敏感的遥感影像和GIS数据自动整体配准方法。该方法利用在变换模型转换后GIS数据中参考线段上的端点和影像上对应特征线段的距离为零建立相似性测度,以共线条件方程作为变换模型,通过改进的霍夫变换进行优化求解,同时得到变换模型参数即外方位元素和匹配结果,实现了遥感影像和GIS数据的自动配准及遥感影像的外部定向。实验结果表明,该方法具有较高的可靠性和配准精度。     

一种基于LiDAR点云的建筑物提取方法

从机载雷达点云数据中快速准确提取建筑物是当前研究的难点和热点。在对现有建筑物点云提取方法充分研究和分析的基础上,本文提出了一种基于LiDAR点云的建筑物提取方法。首先根据建筑物的几何特性提取初始建筑物轮廓点;然后构建局部协方差矩阵计算点云分布特征,剔除非建筑物轮廓点;最后利用DBSCAN聚类算法对建筑物轮廓点聚类,以聚类结果为基础构建缓冲区,以缓冲区内所有建筑物轮廓点为初始种子点,采用圆柱体邻域进行多种子点区域增长,实现建筑物点云的提取。通过两组试验,共5组数据验证本文算法的性能。试验结果表明,该方法能够准确、有效地提取多层复杂的建筑物点云,效率高,且具有一定的适用性。     

多特征多尺度相结合的高分辨率遥感影像建筑物提取

在高分辨率遥感影像中,建筑物通常表现为多尺度形态,且存在同谱异物和同物异谱现象。因此,本文提出了一种综合利用光谱特征、形状特征和纹理特征,并结合多尺度分割的建筑物分级提取方法。该方法首先对遥感影像进行形态学建筑物指数（MBI）计算,而后对其特征影像进行阈值分割,并借助形状特征参数实现建筑物初提取;然后引入面向对象思想完成遥感影像多尺度分割,并利用纹理特征实现单一尺度的建筑物对象识别;最后借助多尺度融合思想完成建筑物后提取。利用本文方法对冲绳某地区影像进行了建筑物提取试验。试验结果表明,该方法的识别查准率和查全率在对象级和像素级两方面均取得较高精度。     

基于广义点的定向方法

传统摄影测量是基于测点的前方交会和后方交会,所以共线方程(即物点、像点与摄影中心位于一条直线上)是整个摄影测量的核心。相对定向和绝对定向则基于同名像点共面的思想,而在工业计量测量和飞机姿态测量等领域,大量存在的是一些直线或者曲线,并不存在明确意义的点。因此,提出了基于广义点的相对定向和绝对定向的方法,解决了传统相对定向和绝对定向不能解决的问题,理论上证明该方法是可行的。     

数字影像质量评价方法研究

为了配合遥感技术的迅速发展，数字影像质量评价问题的研究值得重视，数字影像的质量评价应从几何质量，构像质量和内容完整性3方面进行。从以上3个方面入手系统研究进行数字影像质量评价的主要方法和理论，着重介绍利用最小二乘匹配方法评价压缩影像的几何质量和利用基于调制传递函数的方法对影像质量评价的主要方法和理论，着重介绍利用最小二乘匹配方法评价压缩影像的几何质量和利用基于调制传递函数的方法对影像的构像质量做出评价的理论和过程，提出对影像进行内容完整性检查的思想，实践证明利用所述方法得到的评价结果较传统方法更接近于人的主观评价结果。