基于ERDAS的SPOT5卫星影像正射校正方法研究

海岛海岸带卫星遥感调查与评价项目以高分辨率卫星遥感影像数据为基础。项目区块地形有一半为山地和丘陵,地形起伏较大,常规的几何校正难以消除因地形起伏引起的影像几何变形,必须进行正射校正。根据现有数据特点和项目要求,提出了可行的正射校正流程,基于SPOT5物理模型对融合影像进行正射校正,实验校正结果完全满足精度要求。     

基于INPHO在建库影像匀光匀色中的应用

在测绘生产的影像处理中,我们都会遇到影像存在有颜色、明暗、反差等过渡不均的问题,如何对影像进行快速的数字匀光、匀色处理,以达到改善影像质量、提高生产效率的目的,一直是大家研究探索的方向之一。通过建库项目的生产经验,介绍了利用INPHO软件对基础地理信息数据库建设项目中的影像进行匀光匀色处理的方法,并简要介绍了运用INPHO软件处理其它影像的技术手段。     

基于元数据的多源异构遥感影像管理技术研究与实现

通过统一多源异构遥感影像元数据建库标准,解决多源遥感影像数据信息异构.将元数据库与瓦片分级管理机制相结合,即时融合多源多时相遥感影像数据,有效解决多源遥感影像数据组织方式和版本异构问题.运用GIS、Web等技术搭建遥感影像即时服务云平台,实现多源异构影像数据高效查询检索、统筹管理与即时服务,提高影像数据共享与应用效率.     

基于DPGRID快速影像纠正技术的应用研究

随着各个领域对高精度遥感影像需求的不断增加,如何快速纠正影像数据以满足工程应用成为关注的热点。本文结合基础地理数据库更新项目,利用DPGRID航空正射影像快速更新图像处理软件对高精度影像数据进行快速纠正技术的应用研究,实现对现有高精度影像有效利用的目的。     

基于局域自适应信息理论测度学习的高光谱目标探测方法

传统基于信号检测的目标探测方法需要依赖特定的统计假设,只有在符合条件的情况下才能取得较好的目标探测结果。为了克服这一缺陷,提出了一种基于局域自适应的信息理论测度学习方法。首先将信息理论测度学习方法作为目标主函数,然后加以局域自适应决策法则进行约束,自适应地减小相似样本对距离,增大不相似样本对距离,使得在考虑阈值的同时兼顾测度学习前后距离的改变情况来进行目标探测决策,从而更好地实现目标探测。实验证明,该方法与其他经典目标探测方法或测度学习方法相比,可以更好地实现目标与背景分离,能够更有效地对高光谱影像数据进行目标探测。     

塘沽海区海底地形的SAR影像仿真与反演研究

利用袁业立、金梅兵(1997)提出的海底地形SAR影像仿真与反演模型，对渤海塘沽海区的一张Radarsat SAR影像进行了仿真和水深反演研究。研究结果表明：仿真影像与真实SAR影像基本吻合，反演水深与实际水深也有较好的一致性；进一步证实了袁业立(1997)SAR成像机理的正确性和在中国近海利用SAR影像进行浅海水深探测的可行性。     

基于MTFC的图像复原结果对比分析

地物在成像过程中,由于受到光学成像系统作用、地物周边环境等影响,会使得到的地物影像存在噪声、模糊等各种影像质量下降的问题,这种现象就是图像退化。根据影像退化机制,利用调制传递函数补偿(Modulation Transfer Function Compensation,MTFC)原理复原图像,提高航空面阵成像系统的成像质量,使航空面阵影像更便于判读解译。采用调制传递函数补偿(MTFC)原理进行图像复原。复原图像与原始影像相比在一定程度上边缘更加清晰,更利于判读解译,但在复原过程中也不可避免的添加了噪声。通过复原图像评价指标对比发现,利用航线方向MTF得到的复原图像效果较差,这与成像系统航线方向成像性能偏低有关。     

适用于遥感分类的多邻域粗糙集加权特征提取方法

邻域粗糙集是一种有效的影像特征提取方法,邻域粗糙集模型存在稳定性不高和邻域半径需要反复调整的不足,难以实现地物特征的自动化提取。提出一种多邻域粗糙集加权特征提取方法用于高分辨率遥感影像特征提取。该方法首先利用不同半径的邻域粗糙集对影像的光谱和纹理特征进行提取,求得不同邻域半径下的有效特征子集;然后统计所有邻域半径下各个特征出现的概率,将概率作为权重与特征进行加权得到最终地物特征。QucikBird影像上分类试验表明本文算法优于传统邻域粗糙集特征提取方法,分类总精度平均提高3.88%,Kappa系数平均提高5.16%。在GeoEye-1影像上的分类试验同样证明了本文方法的有效性。     

高光谱影像分类的深度少样例学习方法

针对高光谱影像分类面临的小样本问题,提出了一种深度少样例学习算法,该算法在训练过程中通过模拟小样本分类的情况来训练深度三维卷积神经网络提取特征,其提取得到的特征具有较小类内间距和较大的类间间距,更适合小样本分类问题,且能用于不同的高光谱数据,具有更好的泛化能力。利用训练好的模型提取目标数据集的特征,然后结合最近邻分类器和支持向量机分类器进行监督分类。利用Pavia大学、Indian Pines和Salinas 3组高光谱影像数据进行分类试验,试验结果表明,该算法能够在训练样本较少的情况下（每类地物仅选取5个标记样本作为训练样本）取得优于传统半监督分类方法的分类精度。     

影像匹配粗差的局部矢量面元剔除方法

提出了一套适用于影像匹配粗差的剔除方法。首先消除匹配像对间的系统性差异;然后通过构建匹配同名点的三角网结构,实现匹配结果的局部面元分割;在局部面元上进行矢量统计,引入针对局部敏感的矢量描述子指标,根据误差分布满足正态分布规律的假设设定合理的阈值,并最终实现影像匹配粗差的快速剔除。多组数据的实验验证了所提方法的可行性。该方法已成功应用于卫星影像与低空影像的自动化处理系统。