基于小波变换的遥感图像融合研究——以黄河三角洲地区为例

针对黄河三角洲地区Landsat TM的多光谱影像和全色影像,提出了一种基于IHS变化和离散小波变换的遥感图像融合方法。该方法在IHS变换的基础上进行直方图均衡化;其次,利用离散小波变换的方法对多光谱图像的亮度分量I和全色影像进行融合;用融合后的图像代替多光谱图像的亮度分量I再进行IHS逆变换得到融合结果。实验证明,融合后的影像不仅保留Landsat TM多光谱图像的光谱特性,而且具有很高的空间细节表现能力。     

快速有效地提高学生读图能力的三种方法

一、叠置——把单一要素的地图组合为整体 地图的“叠置”,就是将同一区域内相互关联的各个单一地理要素的图象叠放在一起,把图像复合起来,形成一个互相联接、互相补充、互相贯通的整体,以便于更好地突出所学习的知识,让学生陕速地突破重点难点,从整体上全面掌握区域地理的基本特征。     

宇宙信息

美国宇航局新近发射的太阳动力学天文台发回的首批图像展现了其前所未有的观测能力,它将会帮助天文学家更好地了解太阳的动力学过程。这些图像显示了太阳表面活动和物质从太阳黑子流出的惊人细节,同时它还在超紫外波段上对太阳耀斑进行了高分辨率测量。     

基于内容的半监督流形图像检索

提出了一种半监督流形图像检索方法。给定查询图像,首先利用L1距离进行相似度计算,构造出图像数据库的加权图并排序;然后,由用户从排序结果中选择少量与查询图像相似的图像,形成正反馈图像集合作为已标注样本,其他图像作为未标注样本,进行基于拉普拉斯流形正则化的半监督学习,训练分类函数;最后利用训练好的分类函数对数据库中的图像进行分类排序,返回检索结果。在Corel图像数据集上的实验结果表明,半监督流形图像检索方法能获得较好的效果。     

联合图像与单目深度特征的强化学习端到端自动驾驶决策方法

现有的基于深度强化学习(deep reinforcement learning,DRL)的端到端自动驾驶决策方法鲁棒性较低,存在安全隐患,且单纯依赖图像特征难以正确推断出复杂场景下的最优动作.对此,提出了一种联合图像与单 目深度特征的强化学习端到端自动驾驶决策方案.首先,建立了基于竞争深度Q网络(dueling dee...     

条件随机场建模的大尺度空间上下文的高分辨率遥感图像分类

表达和利用目标空间下文及语义信息是高空间分辨率图像分类的一项关键技术。而条件随机场（CRFs）在空间上下文建模以及分类预测方面有其独特优势。但是基于单尺度分析的CRFs模型存在“不能描述大尺度的空间上下文信息”的问题。因此,针对高分辨率图像分类问题,本文提出了一种两级空间上下文特征分析的CRFs模型。该模型描述如下：先对图像进行分层及逐层特征提取,并进行“对象层-目标层”特征关联;再用支持向量机（SVM）的概率输出定义CRFs模型的关联势函数,利用分层特征加权的Potts函数定义交互势函数。最后采用分段学习及最大-积消息传递算法对该模型进行训练和推理。用Quickbird及大比例尺航空图像城区场景进行实验,结果表明：与单尺度下的基于像素、对象层或目标层分割的SVM-CRFs相比,本文提出的模型其分类精度均有所提高,分类效率较高。     

三维速度结构的研究现状和展望

本文评述了三维速度图像研究的现状,简要地叙述了在全球尺度、大尺度和区域尺度内三维速度图像重建所取得的主要成果.笔者在介绍了三维速度图像同地球科学其它领域的关系之后,在对未来的展望中认为,为板块构造和地球动力学这样一些基本的地学问题提供直接的地震学的证据将是一个长期的目标,并为此提出了三个要解决的问题,还针对我国现有条件提出了供选择的参考课题.     

荧光法在赤潮图像分析中应用

为解决探测和分析包含复杂背景沉淀物样品中的微藻的问题,利用微藻类在一定波长光的照射下会产生荧光的特性,对裸甲藻等多种藻类进行荧光实验处理。并在荧光实验的基础上进行阈值分割,轮廓和纹理分析及图像识别等后继图像处理,实验证明,荧光法可以有效的去除背景噪声,使得后继的图像处理容易和有效,从而解决了探测和分析包含复杂背景的沉淀物样品中微藻的问题。     

青海湖区土地荒漠化遥感地学分析

青海湖是我国最大的内陆咸水湖,是世界著名的湿地,但随着周围地区荒沙漠化环境的恶化,其土地荒漠化也不断加剧。本文对青海湖地区土地荒漠化的自然特征和社会经济特征进行了分析,明确了荒漠化的环境背景。在此基础上,结合青海湖地区荒漠化土地普查与监察工作的范围和内容,采用ASTER卫星影像图对湖区周围地区进行解译,并利用解译数据对荒漠化土地进行等级划分,分析土地荒漠化的空间分布格局,对荒漠化作出综合评价。     

基于混合像元分解的辽河口滨海湿地分类

滨海湿地高精度的地物分类可以为湿地监测与保护提供数据支持和决策依据。以辽河口湿地为研究对象,以Landsat8 OLI多光谱影像为数据源,结合研究区域实际地物情况,采用像元纯度指数和均值波谱法确定端元光谱,并利用全约束最小二乘混合像元技术和决策树技术制定分类规则,最后将研究区域分为芦苇、翅碱蓬、水稻、滩涂、水体(海水、虾池水、河水等)和人工建筑(包括路面、人工设施、房屋等)六大类。结果表明:该算法分类精度高于90%,结合目视判读与野外实地调查,发现分类结果符合实际地物情况。