基于ERDAS二次开发的震害图像信息提取方法研究

通过ERDAS IMAGINE软件二次开发,建立了一些实用的震害信息提取方法,利用这些方法开发的震害遥感信息提取的程序模块对1976年唐山地震影像、1999年台湾集集地震影像及Quickbid影像进行了处理,将得到的结果与目视解译结果进行对比,结果表明研究中提出的震害信息提取方法具有较好的实用性.     

融合多元遥感信息的新右江次级活动断裂解译

提出了融合多光谱影像、全色影像、DEM等多元遥感信息的断裂特征增强方法,建立了以地形和水体的空间特征变化为基础的断裂解译标志,解译并发现桂西北巴马-马山断裂带和右江断裂带之间存在一条北西向展布、长约40km的新的右江次级活动断裂,结合野外地震地质调查进行了验证。多元遥感信息融合处理中,将KL变换、HIS变换、乘积变换、比值变换、小波变换等融合方法进行了全面比较,对融合后影像进行主分量分析,确定了乘积变换融合的影像增强方法和解译底图,显著突出了活动断裂特征。     

遥感图像融合方法研究

利用遥感图像专业处理软件ENVI与ERDAS IMAGINE,对珠海市2002年的Landsat 7 ETM+遥感数据进行了图像融合方法试验,包括IHS变换、Brovey变换、K-L变换和Gram Schmidt波谱锐化等。然后利用定性和定量方法对各种方法的融合结果进行了光谱特征和统计参数等方面的评价。研究结果表明:Gram Schmidt波谱锐化在纹理信息、亮度信息和光谱信息等方面都优于其他几种融合方法。     

可见光遥感图像海面目标检测技术综述

利用大规模、高分辨率可见光遥感图像探测舰船目标一直是遥感领域的研究热点,其在军事和民用领域发挥着重要作用。舰船目标背景的复杂多变性,舰船目标的多尺度、多种类、多姿态类内差异性,以及检测模型的局限性等问题,都给大范围的高分辨率可见光遥感图像舰船目标探测带来了极大的挑战。首先对利用遥感技术进行舰船检测的方法体系进行总结归纳,然后在此基础上聚焦当前研究热点,对2010—2020年高分可见光遥感图像舰船目标的检测技术体系与发展历程进行概述,并对主流的检测方法进行详细论述,以期推动高分辨率可见光遥感影像舰船检测更加深入的研究和更加广泛的应用。     

星载合成孔径雷达海浪图像谱仿真研究

利用Hasselm ann 的完全非线性积分方法对文氏海浪谱的星载合成孔径雷达(SAR)图像谱进行了仿真研究。结果表明: (1) 在星载SAR海浪成像过程中, 速度聚束调制远比水动力调制、倾斜调制和距离向聚束调制重要;(2) 图像谱有180°的方向模糊和方位向的高波数截断,距离向传播海浪的图像谱存在双峰现象; (3) 不同极化方式和雷达视向的选取对图像谱无明显影响, 因而对于海浪的星载SAR遥感而言, 可以采用单一极化和单一视向。对于不同成长状态的风浪而言, 以上结果保持不变。     

波浪在陡坡上的传播变形

利用数值方法和物理模型分析以反射为主的陡坡上波浪传播变形特性。数值方法采用标记单元法,为处理倾斜反射边界对斜坡前波浪运动的影响,提出了“台阶镜像法”。通过1：1．5光滑斜坡上物理模型试验,分析了不完全立波的运动特性,说明强反射光滑陡坡坡前波浪运动呈明显的立波状态,它与直墙反射的主要差别是被前第一波节点和腹点位置向岸推移。本试验得到的波浪反射、爬高和回落特征值与港口工程规范给定结果接近。     

一种云端一体化的土地督察遥感监测方法

针对目前土地遥感监测工作中存在的监测频次低和数据现势性差等问题,通过统筹获取国产卫星影像数据提升监测频次,设计了多源遥感影像的空间网格组织和调度方法,改变传统的影像切片发布模式,建立实时影像服务方法,大幅提升了土地督察遥感监测时效。通过在国家土地督察济南局试点应用,研发了云端一体化的土地督察遥感监测服务平台,实践证明基于空间网格的影像组织管理效率优于传统金字塔切片管理模式,有效支撑了违法用地、永久基本农田保护和城市开发边界突破等监测预警,应用成效显著。     

数字影像分析技术在海滩环境监测的应用

运用视频监测技术对青岛石老人海滩进行环境变化的监测,将基于高斯混合模型的聚类方法应用于数字影像中进行浒苔目标分割,并计算出浒苔的面积。分析结果表明,该项技术能够对海滩浒苔等海滩环境进行实时的监测,从而避免浒苔在海滩的堆积,对浴场海滩的环境及旅游业的发展都具有重要意义。     

海岛礁光学和雷达影像基于改进非子采样小波变换的自动配准

Homologous feature point extraction is a key problem in the optical and synthetic aperture radar （SAR） image registration for islands. A new feature point extraction method using a threshold shrink operator and non-subsampled wavelet transform （TSO-NSWT） for optical and SAR image registration was proposed. Moreover, the matching for this proposed feature was different from the traditional feature matching strategies and was performed using a similarity measure computed from neighborhood circles in low-frequency bands. Then, a number of reliably matched couples with even distributions were obtained, which assured the accuracy of the registration. Application of the proposed algorithm to SPOT-5 （multi-spectral） and YG-1 （SAR） images showed that a large number of accurately matched couples could be identified. Additionally, both of the root mean square error （RMSE） patterns of the registration parameters computed based on the TSO-NSWT algorithm and traditional NSWT algorithm were analyzed and compared, which further demonstrated the effectiveness of the proposed algorithm. The algorithm can supply the crucial step for island image registration and island recognition.     

一种基于双通道的水下图像增强卷积神经网络

近年来各国对于海洋生物的保护意识日益强烈,用来监测海洋生物生存状态的水下机器人装备的研发是保护海洋生物资源的关键。水下相机是这类机器人在水下进行海洋生物监测时的光学感知设备。然而水下环境复杂,拍摄到的图像模糊不清,为解决水下图像模糊等问题,提出了一种基于双通道的水下图像增强卷积神经网络。在网络的编码器中采用双通道结构,其中一个通道采用了密集连接和高效通道注意力机制,提取水下图像的细节特征,另一个通道采用多尺度结构,提取原始图像的多尺度语义特征。接着,在网络中引入残差注意力模块和自适应特征融合模块,进一步优化了特征。最后将优化后的特征输入解码器重建出增强后的水下图像。试验表明：提出的网络算法在UIQM指标和Entropy指标上分别为3.005 6和7.654 7,较第二名的算法分别高出0.097 5和0.123 2。