基于倒频谱的运动模糊图像PSF参数估计

针对任意方向的直线运动模糊图像,说明只能直接在运动方向上得到运动参数,从而设置二维点扩展函数(point spread function,PSF).在此基础上,应用倒频谱分析法给出了PSF参数估计的方法.实验表明,该方法在模糊为任意方向且模糊范围介于5～55像素时对参数的估计误差较小,能保证较好的恢复质量;当模糊范围超出该范围时,估计误差急剧加大,估计值不可信,无法保证恢复质量.     

特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

基于二维图像特征的点云配准方法

为了提高低覆盖率点云的配准精度和收敛速度,提出了一种基于二维图像特征的点云配准方法。首先采用基于区域层次的点云配准算法实现粗配准;然后将三维点云转换成二维图像,再采用SURF算法提取二维图像的特征,并求解其匹配像素点对;最后根据二维匹配点获取相应的三维点云相关点,并计算刚体变换,由此实现点云的快速精确配准。试验结果表明,与迭代最近点（ICP）算法相比,该点云配准方法的配准精度和耗时分别提高了约20%和60%,是一种快速、高精度的点云配准算法。     

深度图像自动配准点云的方法研究

点云配准是三维激光扫描数据处理过程中不可或缺的一个环节,利用标靶进行配准是经典的手段之一,此类方案在单独扫描标靶的基础上进行半自动化配准。本文给出一种配准策略,利用中心投影原理将单站扫描的点云转换为深度影像,借助数字图像处理技术完成标靶的自动提取,拟合获得标靶中心点的坐标,并借用摄影测量学的知识实现点云的自动化配准。实验证明了本文方法的有效性。     

微光图像对比度增强技术研究

低对比度是微光图像的主要特征之一,因此对比度增强处理是微光图像处理的重要方面.本文首先对常用数字图像对比度增强方法--灰度变换和直方图均衡的基本原理和实现方法进行了阐述,然后针对实际试验中获取的典型低对比度微光图像进行了对比度增强处理,并且对比分析了几种增强方法所得到的图像处理效果,最后总结了典型低对比度微光图像对比度增强方法各自的优缺点及其适用性.     

基于区域特征的小波差值变化检测方法

小波变换在图像处理与分析方面的应用已取得很大的成功,如基于小波变换的图像编码、去噪、融合等,但在多时相的遥感影像变化检测方面的研究还很少.提出并实验了一种基于区域特征的小波差值变化检测方法,该方法对于高分辨率的遥感影像具有较好的检测效果,同时提高了运算速度.实验结果表明了该方法的可行性和有效性.     

联合像元-深度-对象特征的遥感图像城市变化检测

特征空间的构建和优化对遥感图像识别能力的提高具有重要作用。针对面向对象方法对波段光谱信息利用不足,以及像元识别法无法充分利用图像空间几何等信息的问题,本文建立了新颖的联合像素级和对象级特征的航摄遥感图像城市变化检测方法。首先,充分利用像素级和对象级特征的优势,建立考虑光谱、指数、纹理、几何、表面高度及神经网络深度特征的特征空间;然后,引入LightGBM(light gradient boosting machine)算法对大量特征进行选择研究;最后,采用随机森林识别器对宜兴市2012年和2015年两期遥感图像进行识别,利用变化矩阵进行城市的变化检测。结果表明:联合像元、深度、对象特征和LightGBM特征选择算法的识别效果最好,平均的总体识别精度达到了88.50%,Kappa系数达到0.86,比基于像元、深度或对象特征的识别方法分别提高了10.50%、15.00%和4.00%;城市变化检测精度达到了87.50%。因此,本文方法是利用甚高分辨率航摄遥感图像进行城市变化的检测的有效方法。     

SAR与可见光图像匹配算法研究

合成孔径雷达影像和可见光影像的匹配是雷达自动导航飞行器的本滤波方法,多尺度边缘特征提取的基本思路.论述了基于改进Hausdorff距离的SAR与可见光图像的匹配思想,总结了其中存在的主要问题.     

四元组标靶辅助下的RGB-D室内点云配准

面向室内弱纹理三维重建需求,本文以RGB-D摄影测量技术获取室内点云为基础,提出了四元组标靶辅助的点云配准方法。该方法首先通过阈值筛选大曲率点,自动识别邻接点云中的辅助标靶,然后采用随机采样一致性表达方法,拟合标靶参数及其中心坐标,并根据拟合参数匹配同名标靶中心,通过刚性转换完成邻接点云粗配准。在此基础上,迭代估算邻接点云间的重叠区域,优化点云间的配准参数,从而实现点云精配准。利用Kinect相机获取两类室内场景各12站点云对本文方法进行测试,试验结果表明,配准后的多站点云间距最大均方根误差优于一个采样间隔,证明了该方法在弱纹理室内点云配准中的可靠性。     

Walsh列率域中多维分形模型与GIS环境下地球物理信号处理

地球物理信号通常在多个尺度段表现尺度不变性,这些不变性起因于不同的地质、地球物理或成矿过程的自相似性. 利用这种在多个尺度段的尺度不变性可以设计多维分形滤波器,滤波所得信号表征了具尺度不变性的地质地球物理或成矿过程,可以用于成矿预测或环境评价. 本文研究了Walsh变换列率空间地球物理信号的列率功率谱密度与列率之间的分形与多维分形关系, 试验证实了大洋钻探、石油以及煤系地层地球物理测井资料在Walsh域的多维分形性质,提出了用于分解地球物理场,提取有用信号并用于矿产资源勘探或环境评价的多维分形W-A模型. 利用波列率域中的多维分形关系构造了W A图解(W-A Plot). 借助W-A图解可以确定最小平方误差（LS）意义下Walsh功率谱变化的不同自相似性的频率分界点,从而用于设计W-A分形滤波器. 这种滤波器可将地球物理场分解成具有不同自相似性的局部场,并且保留原场的各向异性结构. 与通常使用的基于Fourier变换的滤波技术相比,W-A模型具有许多优点：W-A适用于检测地球物理信号中的突变、线性、环状、局部与纹理结构等弱信号. 同时,由于Walsh变换中只有简单的变号(加法与减法),其计算速度远快于建立在复数乘法之上的Fourier变换,所以W-A计算速度远快于Fourier域的滤波方法,可以用于地球物理信号的现场实时处理. 用加拿大Nova-cotia省西南地区的布格重力异常进行了W-A方法的试算,处理结果反映了地质、矿产分布规律,能够很好地进行矿产预测.