数字水印技术与算法实现

综述了数字水印技术的起源、概念、特点和应用；提出了数字水印处理技术的基本框架；列出了一些主要的基于图像的水印嵌入算法和水印检测算法；并展望了水印处理技术的未来发展趋势；最后给出了一种基于DCT变换的水印嵌入与检测算法。     

高分辨率SAR图像杂波模型对比研究

本文针对高分辨率SAR图像的陆地场景,开展Normal分布、Rayleigh分布、LN分布、Weibull分布和Gamma分布模型的对比拟合实验。通过K-S法检验每种模型对不同SAR场景杂波数据的拟合精度,并通过Gamma Map滤波简单说明杂波模型在斑点噪声抑制方面的应用。结果表明,Gamma Map滤波效率高于其他的传统方法。     

结合异质性及分水岭变换的遥感影像分割方法

面向对象的遥感信息提取,首要任务是对遥感影像进行分割,分割的目的在于把原始图像分割成一些在空间上相邻、光谱相似的同质区域。传统的分水岭变换对噪声敏感,易产生过分割现象,不能直接适用于遥感影像的信息提取。本文利用非线性同组滤波方法(PGF)消除原始影像噪声,根据高分辨率遥感影像地物的异质性特征,对分水岭初始分割结果进行异质性准则合并。实验结果表明,该方法对高分辨率遥感影像的分割效果良好,能够适用于面向对象的信息提取。     

基于脊线检测的高分辨率图像道路中线提取算法

为从高分辨率图像中提取道路中心线,本文提出了一种有效的基于脊线检测的提取算法。该算法首先对原始图像进行脊线检测得到道路中心线,再利用canny算子检测道路边缘,最后与脊线检测结果算术相与得到最终结果。实验表明该算法检测结果与实际道路中心线吻合度高,简单易行,且鲁棒性好。     

地震灾害现象模式分析与识别

在介绍典型震后地质灾害现象的基础上,设计了利用遥感影像进行震后地质灾害模式识别的整体方案,以震后滑坡造成的道路损毁现象为例,分析其表现出的独有模式,提出了先对影像进行目视解译并利用纹理特征对分类结果进行再分类的识别方法。     

利用RD模型和DEM数据的高分辨率机载SAR图像模拟

本文提出一种利用DEM数据基于RD模型的SAR图像模拟方法。该方法选择了Muhleman后向散射系数模型模拟SAR图像的辐射特性,引入SAR成像中的RD模型直接进行几何变换和灰度重采样模拟出SAR图像的几何特征。实验结果分析表明:模拟的SAR图像和真实SAR图像在图像纹理和几何关系上是一致的,而且几何关系可以精确配准到均方根误差为1.3个像素。     

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。     

基于纹理合成的三维地形水墨风格渲染研究

提出了基于纹理合成的三维地形水墨风格渲染的方法,以规则格网DEM为数据源,基于OSG进行三维地形建模,在此基础上提取山体特征线,然后生成一幅灰度控制图像。对Efros01纹理合成算法进行改进,利用灰度控制图像指导水墨纹理的合成,将得到的纹理图像映射到三维地形上,实现对三维地形的水墨风格渲染,通过对水墨纹理样本的选择和纹理合成参数的设置能够实现对纹理合成过程的交互控制。结果表明,该渲染方法对三维地形的水墨风格渲染具有较好的效果。     

基于LiDAR的海岛岸线自动提取研究

为了探讨栅格化方法与图像分割法对海岛岸线提取的效果,本文主要研究了基于Li DAR数据利用这两种方法对某岛进行瞬时海岸线的提取。利用栅格化方法通过对Li DAR点云数据进行粗差剔除、滤波去噪、构建Terrain数据集、创建栅格表面、生成TIN模型及自动生成等高线,从而实现了瞬时海岸线的提取;利用图像分割法是通过对Li DAR点云数据进行粗差剔除、滤波处理、构建TIN模型、生成二值栅格图像、图像处理与图像边缘提取的过程实现瞬时海岸线的提取。对两种方法提取的海岸线进行叠加显示分析,试验结果表明:两种方法提取的海岸线形态结构基本吻合,海岸线提取效率较传统方法均有提高,但栅格化方法提取的海岸线比图像分割方法提取的海岸线更平滑、更细化,边缘信息较为丰富,与实际海岸线更贴切,效果更加理想。     

基于权重与混合模型的遥感图像分类方法研究

提出了一种基于权重与混合像元模型的遥感图像分类方法。该方法在现有光谱混合模型的基础上,根据实际应用需要确定地类权重,通过地类丰度与权重因子加权平均确定像元的隶属类型,从而实现遥感图像分类。以SPOT-5土地覆盖遥感分类为例,对权重与混合像元模型结合的图像分类方法进行了验证,结果表明,该方法提高了遥感图像分类精度,在一定条件下更具实际意义。