基于感兴趣区域在区域层面上决策的SAR图像变化检测的方法研究

在现有的变化检测方法中,针对差分图像的方法得到了广泛的应用,但现有该框架下的技术都在在像素层面上决策产生的变化检测结果,这易使结果中存在诸如有噪声般散落的杂点、连通区域内有孔洞及边缘不平滑等缺陷。为此,本文给出一种在区域层面上决策生成变化检测结果的技术,其核心为抽取并处理感兴趣区域,而关键在于获取合适的抽取感兴趣区域的标签和如何在区域层面上生成变化检测结果。为使抽取的感兴趣区域包含几乎所有的变化类信息,我们用平稳小波变换和模糊C-均值(Fuzzy C-Means, FCM)算法分两步获取抽取感兴趣区域的标签;为在区域层面上生成变化检测结果,我们依据标签搜索感兴趣区域内所有的连通区域,并把每个连通区域看作为一个数据点,再由阈值技术处理这些数据点生成最终的变化检测结果。对真实SAR图像数据集的变化检测结果表明,其主观效果和客观性能都优于其他相关技术的。     

利用经验模态分解和主成分分析的SAR图像相干斑抑制

对SAR图像应用对数加性噪声模型,将经验模态分解(Empirical mode decomposition, EMD)与主成分分析(Principal Component Analysis, PCA)相结合,提出了一种基于PCA的EMD相干斑抑制算法。根据对数SAR图像中相干斑噪声的统计特性和高斯白噪声经EMD分解后的能量分布模型,近似估算SAR图像经EMD分解后各层内蕴模态函数中所含噪声的能量;将内蕴模态函数利用PCA进行分解,根据PCA对含噪信号的分解特性和内蕴模态函数中噪声能量所占的比例,选择合适的成分分量重构内蕴模态函数,以进一步去除噪声保留有用的细节信息。仿真实验结果表明,本文方法在有效抑制相干斑噪声的同时可以较好地保持边缘纹理细节的清晰。     

遥感解译在南京市生活垃圾填埋场识别中的应用

运用遥感技术对南京市航空影像进行了解译工作,提取了面积大于10 000 m2的垃圾场位置并进行了实地查证和分析比对,绘制出南京市垃圾填埋场分布图,为南京市垃圾场的适宜性评价工作奠定了基础。     

基于Erdas Image 9.2 LPS区域网平差处理Spot5卫星影像实现方法

介绍基于LPS的正射影像处理流程,以图文的形式描述区域网平差处理Spot-5卫星影像的具体过程,最后得到正射纠正影像,用于1∶50 000DOM生产。     

遥感影像快速纠正系统的设计与实现

深入分析了传统遥感影像纠正处理工作中存在的问题,提出了以基础地理信息数据库为基础、基于网络环境的协同作业模式,解决了传统遥感影像纠正处理工作中资料准备工作量大、控制点采集效率低以及数据安全等问题。介绍了系统技术架构、设计与技术实现,为实现遥感影像快速纠正提出了切实可行的技术方案。     

基于VirtuoZo的航测内业DOM生成技术研究

笔者基于长期从事正射影像图制作的工作经验,以VirtuoZo全数字摄影测量系统制作正射影像图为研究对象,探讨了正射影像图的制作流程,文中关于正射影像图的匹配与编辑等内容凝练了笔者长期的工作实践经验,对于从事相关工作的同行有着一定的参考价值和借鉴意义。     

基于水平集的海岛（礁）提取

提出了适合航空影像区域分割的水平集运算策略,将原始影像首先进行格网分类,对分类后的海岸线格网进行水平集运算提取精确海岛（礁）边缘,并采用多核编程策略提高运算效率。实验表明该方案效果理想,能够正确提取海岛（礁）区域。     

SPOT5影像数据不同融合方法的比较与评价

采用小波IHS变换、小波PCA变换、EHLERS变换等五种不同融合技术对SPOT5的多光谱影像和全色影像进行融合,并从均值、标准差等方面对融合结果进行了评价。研究表明：EHLERS融合后影像有很好的整体视觉效果,但在细节表达方面有所缺陷;改进后的IHS融合后影像清晰度较低;PCA变换融合容易导致影像失真;而小波IHS和小波PCA融合技术以数据保留量大、失真程度小、视觉效果好、影像层次分明等特点证明了小波分解技术的优势。     

基于高分辨率遥感影像数据的FNEA分割算法研究与应用分析

近年来,随着遥感技术和信息技术的发展,遥感影像空间分辨率也大大提高。基于像素的传统影像处理方式已经不能满足现实需求,面向对象的遥感影像分析已成趋势。因此,图像分割技术是进行其他图像处理与分析之前的关键步骤,分形网络演化多尺度分割算法（FNEA）是面向对象分析的核心。本文详细阐述了基于FNEA的多尺度分割算法的思想和流程,并结合遥感影像进行了分割实验与参数分析,对高分辨率遥感影像的研究与应用有一定指导意义。     

机载LiDAR点云数据与影像数据融合

分析机载LiDAR系统获取的点云数据与影像数据的优缺点,从而取长补短,将二者进行叠加融合,并成功地将航空影像的光谱信息赋给相对应的LiDAR点云,弥补了LiDAR点云在光谱信息方面的缺陷,为LiDAR点云数据的后续处理提供重要的信息支持。