概率神经网络与BP网络模型在遥感图像分类中的对比研究

通过分析概率神经网络(以下称PNN)的基本结构及其训练算法,建立了卫星图像分类的概率神经网络模型,并通过实例对比分析了概率神经网络与BP网络分类模型的分类效果。实验表明,PNN图像分类方法在分类精度上优于误差反向传播神经网络模型,且分类时间相当,是一种有效的图像分类方法。     

基于灰度形态学的高分辨率遥感影像预处理

提出了一种从高分辨率遥感影像中提取线性目标时影像预处理的方法。该方法基于灰度形态学的Top-Hat运算和灰度膨胀运算，用Top-Hat算子除去影像的噪声，再利用灰度膨胀增强影像目标和背景之间的对比度，使目标更易于识别。经过处理的遥感影像，能够更有效地提取影像的目标。     

IMD法在多光谱图像分类中的应用

数学形态学着重于分析和处理图像的几何结构信息。根据这一原理，在图像分类预处理过程中，对各种地物区域的几何结构特点进行分析，构造相应的结构元素，然后对图像进行形态迭代分解法(IMD，Iterative Morphological Decompostion)变换。在变换结果中，地物区域的灰度信息进行了归一化处理，同时区域的几何结构特点和独立地物得到了有效保留。将多光谱图像的IMD变换结果进行分类实验的结果表明，该方法可以有效提高多光谱图像分类的精度和效率，具有较强的适用性。     

GIS数据辅助下的线状目标自动提取

首先介绍了遥感影像中线状目标骨架自动提取的意义和研究现状，然后结合老的GIS数据，提出了一种算法来实现遥感影像中线状目标骨架的自动提取，算法主要包括影像预处理、GIS数据与影像的配准、骨架跟踪、编组连接与数据简化等步骤。最后又利用遥感影像和相应的GIS数据进行了实验，实验证明了算法的可行性和有效性。     

图像控制点数据库的设计与实现

地面控制点数据是航天航空图像摄影测量几何处理的必需数据。文中首先比较了控制点数据的存储管理方式，即采用文件系统方式与数据库方式的优缺点；接着分析了控制点图像数据的特征，从而提出了图像控制点数据的数据库存储方案，讨论了图像控制点数据库的查询方法；最后结合文中的方法，设计并且实现了一个控制点图像数据库管理与应用实验系统。通过分析认为，建立控制点图像数据库是重复利用控制点资源的有效途径。     

一种基于DCT变换的盲水印检测算法

提出了一种基于DCT变换的盲图像水印算法。实验表明 ,该算法对典型攻击具有较好的鲁棒性。     

高分辨率遥感影像的精纠正

论述了对高分辨率遥感影像进行精纠正获得正射影像的关键技术。若干实际不同分辨率的高分辨率遥感影像被用于相应的实验，实例证明了本文算法的正确性。     

基于EM算法和单幅雷达图像阴影的控制点坡度校正

对在我国现有的条件下进行控制点坡度校正的必要性进行了阐述，并分析了EM算法。根据EM算法以及基于区域增长的余弦散射模型建立了控制点坡度校正模型，并用河北省张北地区的雷达影像进行了实验，取得了较高的精度初值。     

基于光谱空间密度分析的边缘提取

针对传统的边缘提取方法大部分不适应高光谱数据的特点，提出了基于光谱空间密度分析边缘提取的思想。在分组主分量变换提取第一主分量作为特征维的基础上，采用面向对象的二次判别边缘的方法，通过立体判决将光谱空间中低密度超椭球体集群视为真实边缘点集群。试验表明，此方法是合理可行的。     

基于光谱信息的遥感图像空间域自适应滤波

遥感图像往往由于内外因素的干扰含有各种噪声 ,为提高图像质量人们对其进行滤波。常规的滤波方式完全基于图像空间域 ,在消除异常点使图像平滑的同时使边界变得不清楚从而使图像模糊 ;或者正相反 ,在边缘信息得到增强时也放大了图像噪声而使图像变得粗糙。该文的自适应滤波方法充分利用多光谱和高光谱遥感图像的光谱维信息 ,滤波时不仅要使均匀的地块得到平滑 ,而且要使地块间的边缘、局部的异常点、线仍然得到保存、在光滑的同时尽量保持原有的数值特征