基于双分支卷积神经网络的SAR与多光谱图像融合实验

针对合成孔径雷达(Synthetic Aperture Radar,SAR)和多光谱(Multi-Spectral,MS)融合图像中存在的空间细节模糊和颜色失真问题,该文兼顾光谱监督和空间细节监督,设计光谱损失函数和空间细节损失函数,提出一种基于双分支卷积神经网络(Convolution Neural Network,CNN)的SAR和MS图像融合算法。该算法网络框架包含光谱保持和细节提升两个分支:光谱保持分支通过上采样MS图像连接到网络的输出,直接将光谱信息传递到融合图像中;细节提升分支对SAR和MS图像通过高通滤波提取高频细节信息,然后应用CNN对细节信息进行特征提取、特征融合及重建,最后将重建的细节信息叠加到上采样的MS图像,得到融合结果。以哨兵-1B GRD级别的SAR图像和Landsat8卫星多光谱图像为实验数据,通过与传统融合算法和深度学习算法RSIFNN进行对比,结果表明,该文算法在定性和定量评价方面效果更好,能够在保持光谱信息的基础上增强多光谱图像的空间细节信息,有利于后续地物分类和目标识别等工作的开展。     

深圳市土地利用变化机制分析

利用１９８０、１９８８、１９９４年的遥感影像,通过应用最大似然法和概率松弛法对深圳市土地利用进行了测量。在此基础上,运用分类结果求得研究区土地利用变化的转移矩阵,据此分析了深圳上１５年来土地利用变化的空间过程。结果表明：深圳市土地利用纺要表现为原有农田、果园用地显著减少,城镇用地沿海岸和主要公路干线迅速增加。这一土地利用变化的驱动力主要是深圳经济特区的开放政策、城镇人口迅速增长、外资大量涌入和以房     

资源一号02C卫星多光谱数据真彩色模拟技术研究

资源一号02C卫星多光谱数据没有蓝色波段,给制作真彩色影像带来了一定困难。本文针对02C卫星多光谱波段的特点,分析了常用线性模拟蓝波段影像方法,选取多景不同时相的、覆盖山地或平地的真实数据进行加权法和平均值法的对比试验,定性与定量分析后的结果表明：基于加权法生成蓝波段的真彩色模拟结果,无论是从整体色调方面,还是从典型地类的颜色方面,均优于基于平均值法生成蓝波段的真彩色模拟结果,可进一步深入研究后进行规模化应用。     

小波理论在遥感图像融合中应用

小波变换用于多源遥感图像融合已得到了国内外学者的广泛关注,并且又提出了很多小波变换与传统融合方法结合的融合算法。本文在对这些算法进行总结的基础上,讨论了基于小波包变换和最优树变换以及多进制小波变换在融合中的应用,分析他们在融合中各自的特色,以便使用时根据具体情况进行选择。     

城市景观遥感影像融合质量对小波基选取的响应

应用IHS和小波变换结合的融合算法时,小波基的选取是影响融合图像质量的关键,而且包含不同地物信息的影像融合质量对小波基的响应特征有待深入探讨。该文以SPOT全色和多光谱影像为数据源,选取大量高、低密度建筑城市景观影像样本,用信息量、平均梯度和偏差指数3个指标定量评价融合质量,分析不同小波簇下两类融合图像之间的质量差异。研究表明:融合质量与影像所含地物特征密切相关;相对于其它小波簇,rbioNr.Nd表现出较强的变异性;两类融合图像在各小波簇上的波动性差异明显,并呈分段特征;根据质量需求和具体景观特征影像,可以在分解层数固定的情况下选取最佳小波基,以获取高质量融合图像。     

皮肤图像分析系统对祛斑类化妆品功效评价的研究

目的是探索如何获得不同色素性皮肤病的清晰图像,研制出操作简单、自动化与精度高的皮肤图像分析系统。方法：应用多光谱皮肤显微偏振光与数字图像处理技术,测量目标皮损形状、面积、灰度、积分光密度及色素颜色参数的变化等。结果：用祛斑类化妆品和药物治疗136例黄褐斑、经该系统测量分析后各治疗组相关参数随时间的推移呈下降趋势,而药物组与对照组相比各参数值明显下降、与各组相比均有显著差异（P＜0．05）,并提出客观的疗效评定单位“ID”值。结论：该系统是一种潜力较大的皮肤表面色素定量工具,客观性和重复性好,灵敏度高,不对观察对象造成损伤,在临床获得满意效果。     

RS与GIS集成环境下的遥感图像分析技术

通过多源数据融合，将目前GIS中包含的地理信息作为辅助数据，引入到RS图像分析过程中。GIS数据在空间信息、目标属性和目标范围等方面对RS图像分析具有重要的引导作用。     

Error analysis of satellite attitude determination using a vision-based approach

Improvements in communication and processing technologies have opened the doors to exploit on-board cameras to compute objects’ spatial attitude using only the visual information from sequences of remote sensed images. The strategies and the algorithmic approach used to extract such information affect the estimation accuracy of the three-axis orientation of the object.This work presents a method for analyzing the most relevant error sources, including numerical ones, possible drift effects and their influence on the overall accuracy, referring to vision-based approaches. The method in particular focuses on the analysis of the image registration algorithm, carried out through on-purpose simulations. The overall accuracy has been assessed on a challenging case study, for which accuracy represents the fundamental requirement. In particular, attitude determination has been analyzed for small satellites, by comparing theoretical findings to metric results from simulations on realistic ground-truth data. Significant laboratory experiments, using a numerical control unit, have further confirmed the outcome.We believe that our analysis approach, as well as our findings in terms of error characterization, can be useful at proof-of-concept design and planning levels, since they emphasize the main sources of error for visual based approaches employed for satellite attitude estimation. Nevertheless, the approach we present is also of general interest for all the affine applicative domains which require an accurate estimation of three-dimensional orientation parameters (i.e., robotics, airborne stabilization).     

基于ECDIS的多数据源支持技术分析

利用多源地理空间数据集成和融合理论,研究了基于ECDIS的多数据源支持技术。介绍了常用的多源海图数据及其使用原则,分析了ECDIS多数据源支持技术的特点及内涵,总结了国内外常用多源海图数据集成方法,从数据可用性角度探讨了提高国产电子海图系统适用性的措施。     

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。