一种特征可控的图像检索方法

提出了一种新的图像检索方法,它利用图像颜色特征和空间特征的加权平均作为图像的相似性度量．与目前常用的图像检索方法相比,该算法在查精度及查全度两个指标上均有明显的提高,且对结构相似但颜色完全不同的图像也能够有效地进行检索．同时,由于特征加权因子的可调节性使得所设计的系统可根据用户检索所反馈的信息进行调节及控制．     

夏季青藏高原水汽输送特征

使用ＧＭＳ－５的６．７μｍ水汽图、云图及天气图等资料，综合分析了１９９５年６月中旬至７月上旬青藏高原上空的水汽输送过程，总结出中、高层水汽输送的三种环流型特征（脊东型、脊西型和反相型）；并初步分析了它们与降雨的关系。     

华北区域冰雹天气分型及云系特征

基于地面加密观测资料、FY-2E静止气象卫星观测资料和NCEP分析资料,选取2010—2012年华北区域内27次冰雹过程,按大气环流背景、主要影响系统和云系的云型特征等将其分为冷涡云系尾部型、低涡槽前型和偏北气流控制型3种类型。分析结果表明:3种天气型下冰雹对流云系特征存在差异,但90%以上的冰雹过程发生在对流云团的快速发展阶段中,降雹集中出现于准圆形或椭圆形对流云团边缘或带状对流云系的传播前沿区域,对应于云顶亮温梯度的大值区。在掌握背景环境的前提下,综合分析红外图像中对流系统的发展演变、水汽图像暗带和暗区变化等信息,对冰雹的监测和预警有一定的参考价值。定量统计分析表明,大的亮温梯度值 (不低于8 ℃/0.05°) 是辅助判断冰雹能否发生的重要参量,而当冰雹云同时具备低云顶亮温和大亮温梯度的情况下,更有利于大于10 mm大冰雹的发生。     

阿克苏地区一次大降低水天气的卫星云图分析

通过分析１９９５年９月２－７日阿克苏地区一次大降水天气的静止卫星云图资料，结合形势学变，认识到副热带大槽所形成的大积雨云团北抬，以越过青藏高原，并与北部云系结合，共同影响阿克苏地区的大降水天气。     

小波同态滤波用于南极遥感影像阴影信息增强

介绍了同态滤波方法的原理、实现过程和特点,给出适用的滤波器和表达式,引入基于小波变换的同态滤波方法,采用同态滤波器对小波分解系数进行处理,实现了在保持南极遥感影像总体面貌的基础上增强阴影信息的效果.     

高光谱图像数据变换编码压缩方法

三维ＤＣＴ变换编码包括谱段方向的一维ＤＣＴ变换和由此产生的特征值图像的二维ＤＣＴ变换编码。谱段方向一维ＤＣＴ变换的主要作用是去除光谱方向的数据相关性,并产生由ＤＣＴ系数构成的并与各个谱段相对应的特征值图像。特征值图像的压缩由ＪＰＥＧ算法完成,图像的压缩比由ＪＰＥＧ的量化因子ｑ控制。图像边缘特征对高光谱图像的应用具有非常重要的意义,在高光谱图像的压缩过程中要尽量保持图像的边缘特征。我们设计了具有图像     

一种基于相位一致的高分辨率遥感图像特征检测方法

精确检测图像边缘特征是进行高分辨率遥感图像分割和识别的关键。空域特征检测算子以解决阶跃形边缘为主,得到的边缘特征对图像的亮度和对比度敏感。本文引入了一种基于频域相位一致的图像特征检测方法,该方法对遥感图像亮度和对比度具有不变性,同时适用于多种边缘特征的检测。使用Log Gabor小波计算IKONOS Pan图像的相位一致多尺度梯度,对农田、道路和厂房等典型地物进行特征检测的结果表明,相位一致算法对图像局部亮度和对比度不敏感;并且对线形物体产生单线响应,不似空域检测算子产生双线响应。最后考察滤波器尺度和方向参数变化及添加高斯噪声对检测结果的影响,发现相位一致算法无需先使用低通滤波去除噪声,因而具有更稳定的特征定位精度;并且抗噪声干扰的能力强,检测结果不会因为噪声而出现波动。基于相位一致的遥感图像不变特征提取,为高分辨率遥感图像的分割和对象识别提供了基础。     

一种快速的全色和多光谱图像融合算法

针对非下采样Contourlet变换(NSCT)在全色和多光谱图像融合中计算复杂度较高的问题,文章提出了一种快速的基于NSCT和超维彩色空间变换(HCT)相结合的融合算法:采用HCT变换提取多光谱图像的亮度分量,使得任意波段的多光谱图像跟全色图像融合的计算复杂度降低;采用NSCT进行融合,使得融合结果的空间分辨率提高的同时,保留原光谱特性。基于Pleiades卫星图像的实验结果表明,跟NSCT变换相比,本文提出的融合算法的融合结果空间细节更加突出,光谱畸变更小,同时计算复杂度显著降低。     

投影寻踪学习网络的遥感影像分类

采用投影寻踪(projection pursuit,PP)学习网络方法建立了一种新的遥感影像分类模型。该方法结合了统计学中投影寻踪算法节点函数灵活的非参数估计特点和人工神经网络的自学习功能,具有简捷的网络结构和良好的鲁棒性能。利用苏州市TM影像进行了分类实验,将分类结果与BP神经网络和最大似然法的分类结果相比较,投影寻踪学习网络的分类精度较高,具有一定的实用性。     

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。