相对仿射变换自适应模拟下的ASIFT宽基线立体匹配研究!

目的 针对Affine-SIFT(ASIFT)穷举模拟影像匹配带来的海量特征描述符提取以及高维距离计算问题,本文提出了一种自适应选取最优仿射变换集以大幅减少模拟影像数量,进而提高 ASIFT宽基线立体影像匹配效率的方法,并就其中单应性下的相对仿射变换模拟、渐进式匹配搜索与模型参数估计以及最优仿射变换集的确定等关键问题进行了阐述。实验表明,本方法较好地兼顾了 ASIFT宽基线立体影像匹配的稳健性与效率,具有实用价值。     

用于高分辨率SAR影像建筑物提取的对象级高亮特征描述方法

目的 合成孔径雷达(synthetic aperture radar,SAR)影像分辨率的不断提高为建筑物提取提供了有效的数据支持,而传统像素级方法,提取建筑物的效果较差,精度较低。通过分形网络演化分割算法(fractal net evo-lution approach,FNEA)获取分析单元,利用对象级分析单元与邻近环境之间的上下文特征,提出了高亮邻接强度特征(highlight adjacent intensity,HAI)与亮点散射密度特征(shining point distribute density,SDD)的概念,然后结合上述两种特征进行对象级建筑物的提取。最后通过几组实验验证了基于面向对象特征方法比面向像素特征方法对高分辨率SAR建筑物提取具有更好的效果、更高的精度。     

利用稀疏分解的高分辨率遥感图像线状特征检测

目的 线状特征检测是利用遥感数据开展地物目标自动识别的重要步骤。利用高分辨率遥感图像的高度细节化特点,针对现有线状特征检测方法存在的问题,提出了一种基于稀疏分解的高分辨率遥感图像线状特征检测方法。采用 K-SVD字典学习算法获取线状特征表达所需的过完备字典,基于稀疏分解模型,从高分辨率遥感图像中分离出高频成分,实现遥感图像线状特征的初步检测;用曲波分层自适应阈值法对分离后的高频成分作降噪处理,以提高线状特征检测的效果。利用 QuickBird图像进行实验的结果显示,该方法在线段连续性、低对比度线段检测与椒盐噪声消除方面均有一定优势。     

一种基于GEO星间链路的导航系统时间同步新体制

设计提出了一种时间同步新体制即在GEO卫星上放置高精度氢钟并在GEO卫星间建立高精度星间链路以进行高精度时间维持利用两种方案进行了仿真比较研究 仿真结果表明本文提出的方案切实可行可以显著提升时间同步精度尤其是自主时间同步精度并得出了时间同步精度与星间链路精度和星载钟的精度关系 仿真结果表明星载钟精度对新体制时间同步精度的影响相对于星间链路精度的影响较小.     

微机遥感图像应用处理系统

本文详细介绍了我们研制的微机遥感图像应用处理系统。它的硬件部分以四台微机为主,采用分布式联接,组成四个子系统,可供1—4人同时操作,能方便地输入输出多种数据和图像。该系统的软件部分,由对应硬件子系统的四个软件包组成,即磁带机数据采集软件包,图像显示软件包,专题制图软件包及遥感应用处理软件包。作为重点的第四部分软件,是在遥感应用工作者的经验和工作方法的基础上设计的,它收集和综合了各种实用处理方法,比通用的图像处理软件包更具有遥感应用的特色。     

陆地卫星五号TM图像系统纠正产品的几何精度分析

为了鉴定陆地卫星5号系统纠正TM图像产品的精度,我们以1:5万地形图为基准,对四景TM图像作了精度分析。结果表明,系统纠正后的TM图像产品,内部几何精度相当好,有较小的旋转、比例误差。采用一阶多项式即可建立TM图像和地形图之间的几何关系,其误差为1个像元左右。TM图像的大地绝对误差,可通过将整个TM图像沿x,y方向平移的方法来加以校正。     

高光谱目标探测的进展与前沿问题

针对高光谱目标探测问题的主要挑战,将高光谱目标探测的进展与前沿问题分为两个方面进行综述。基于信号检测理论的方法如结构化背景的约束能量最小化方法、非结构化背景的自适应一致性余弦评估器等,是高光谱目标的探测经典算法;随着统计模式识别与机器学习领域中新技术的出现,一些数据驱动的目标探测方法逐渐成为了高光谱目标探测的前沿问题,如核方法、稀疏表达方法等。概述了两类方法的特点,比较了各自的优势和不足,并展望了高光谱目标探测未来的发展趋势。     

基于积分图像的面状注记配置方法研究

提出了一种基于积分图像的面状图形注记自动配置算法,设计并实现了基于积分图像的面状注记配置的核心算法。实验表明,该算法能快速准确地定位待标记注记的位置,合理而又美观地实现面状图形注记的自动配置。该算法已成功应用于深圳市地籍测绘大队的房产测绘系统中。     

全景立体视觉的快速近区重力地形改正方法

重力地形改正是区域重力测量工作中的一个关键步骤,目前重力地形改正的主要挑战是如何快速地重建测站附近高精度的三维地形。本文提出了一种基于全景立体视觉和摄影测量技术的快速近区重力地形改正方法,设计和开发了相应的快速测图系统。为了使该系统硬件尽量小型化并满足精度需求,我们进行了系统的理论精度分析和设计优化。所开发的研究系统可以从获取的全景立体图像自动生成DEM并计算重力地形改正值。该系统已经过野外多站多种地形的实验验证,结果表明其效率和精度明显优于传统的野外测量方法。     

An efficient application of fusion approach for hot spot detection with MODIS and PALSAR-1 data

Hot spot detection with satellite images, especially with synthetic aperture radar (SAR) images is still a challenging task. Several researchers have used TM/optical data for identification of hot spot but the use of SAR data is very limited for this type of application. The fusion of SAR data with TM/optical data may add additional information which in turn will lead for enhancement of detection capability of the hot spot. Therefore, this study explores the possibility of fusion of Moderate Resolution Imaging Spectroradiometer (MODIS) and Phased Array L-band Synthetic Aperture Radar (PALSAR) satellite images for the hot spot detection. Image fusion is emerging as a powerful tool where information of various sensors can be used for obtaining better results. For this purpose, vegetation greenness and roughness information which is obtained from MODIS and PALSAR satellite images, respectively, are used for fusion, and then, a contextual-based thresholding algorithm is applied to the fused image for hot spot detection. The proposed approach comprises of two steps: (1) application of genetic algorithm-based scheme for image fusion of MODIS and PALSAR satellite images, and (2) classification of the fused image as either hot spot or non-hot spot pixels by employing a contextual thresholding technique. The algorithm is tested over the Jharia Coal Field region of India, where hot spot is one of the major problems and it is observed that the proposed thresholding technique classifies the each pixel of the fused image into two categories: hot spot and non-hot spot and the proposed approach detects the hot spot with better accuracy and less false alarm.