光学遥感影像DCM-HTM去雾算法研究

针对卫星遥感影像的雾区检测和校正问题,提出了一种暗通道图像DCM与雾厚度图像HTM结合的DCM-HTM遥感影像去雾算法。算法基于暗通道原理,采用mean-shift均值漂移滤波和直方图自动阈值来检测雾区域;同时通过不重叠窗口获取HTM;最后在检测出的雾区内实现去雾校正处理。实验结果表明,算法能较准确地检测出影像上的雾区域,能在影像正常区域不受影响的前提下,有针对性地对受雾影响区域进行校正,校正效果较整幅影像的去雾校正有较大改善。     

地基可见光全天空云图云量图像处理识别方法

为增强地基可见光全天空云图中云与天空的特征和区别,提高云检测率,基于图像复原和图像增强技术提出一种改善云图质量的方法。该方法采用暗通道去雾算法进行图像复原;采用亮度直方图均衡增强图像纹理细节;综合两种方法,先图像复原,再图像增强。按低能见度薄云、低能见度厚云、高能见度薄云、高能见度厚云4种情况分别进行讨论,结果表明:除高能见度薄云采用单一的图像复原使云检测效果降低外,图像复原和图像增强都能使云检测和云量识别准确率提高;综合二者,云检测和云量识别准确率进一步提高;该方法对薄云和低能见度云图的改善最为显著。     

微型化大气电场检测仪的设计

针对目前电场检测仪体积大,成本高,操作复杂等问题,研制了一套微型化大气电场检测仪系统。该系统以电容作为传感器感知单元,两相四线步进电机作为传感器感知单元转动的载体,使用含内置A/D转换的STC12LE2052AD单片机进行数据采集,简化了电路的设计。无线蓝牙模块与数据采集系统相结合实现了实时显示的功能,最后将接收到的数据通过上位机显示出来。硬件部分设计了信号的放大滤波电路、A/D转换电路及数据采集与处理电路。利用MATLAB仿真,C语言编程,调试结果表明各项功能符合设计要求,并获得了误差小于4%的高精度测量结果。     

新型天气雷达发射脉冲包络检测集成系统设计与实现

实现一种新型天气雷达发射脉冲包络检测集成技术,高度集成数控衰减器、包络检波器、A/D转换器和FPGA(Field Programmable Gate Array)处理器;能快速准确的对发射机脉冲特性进行检测,无需其他仪器和工具辅助,全自动测试,自动生成测试报告并根据测试结果给出检修建议,能够有效解决台站天气雷达对发射脉冲包络传统测试和维护的单一测试仪器功能,有效降低人为测试误差,减少天气雷达故障诊断和日常维护带来的制约和影响,促进天气雷达测试、维护维修保障的标准化和自动化。     

HSV变换和多尺度分割相结合的高分辨率遥感影像阴影检测

针对阴影在高分辨率遥感影像的特性,提出了一种色彩空间变换和多尺度分割相结合的阴影检测方法。该方法首先对原始影像进行连续两次HSV变换,并分别提取前后两次变换的亮度分量和色度分量;然后引入面向对象思想,进行多个尺度的影像分割并依次实现每一尺度下的阴影检测;最后将多个尺度的检测结果进行决策级融合获取最终检测结果。利用高分二号和Google Earth影像分别进行实验,实验结果表明,该方法有效结合了粗细尺度优势,阴影检测误检率和漏检率较低,同时对较亮阴影和较暗地物均具备较好的识别效果。     

基于二阶局部纹理熵的边缘检测方法

针对传统的边缘检测方法将灰度变化较为平缓的区域误判为边缘的问题,提出了基于二阶局部纹理熵的边缘检测方法。利用了二阶局部纹理熵能表示局部区域灰度变化大小的性质,并采用灰度错位压缩法消除灰度值压缩造成的条纹现象。实验表明,本文提出的方法能有效地检测出各类边缘,解决了上述的误判问题;通过不同大小窗口的边缘检测效果比较,建议在采用基于二阶局部纹理熵的边缘检测方法时将窗口设置为3×3。     

基于地形图的大比例尺DEM精度检查技术

大比例尺DEM成果精度检查是数据质量检查的核心内容,如何全面核查DEM成果精度、快速发现粗差区域对于指导DEM数据生产、提高成果质量有重要意义。结合武汉市大比例尺DEM数据生产及检查工作现状,提出以全要素地形图为基础,采用基于FME的高程信息提取模型和DEM精度检查模型,通过ArcGIS模板和Python自动化处理脚本对DEM成果精度进行检查分析和统计的处理技术。试验结果表明,该方法能提高DEM成果精度检查分析的效率和质量,可广泛应用于DEM数据生产实践。     

利用阴影指数和方位搜索法检测Landsat 8 OLI影像中云影

Landsat 8 OLI影像已成为重要的数据源,但受云及云影的影响较大,降低了数据的可用性,因此,快速识别云及云影,为后续的数据恢复有着积极的应用价值。通过构建云指数(CI)、归一化暗像元指数(NDPI)和比值阴影指数(RSI),采用阈值法和方位角搜索法,以两景Landsat 8 OLI影像(一景试验影像,另一景验证影像)为例进行云及云影检测。每类随机选取200个样点进行精度分析,结果表明:CI可快速区分OLI影像中的云区与非云区,厚云样本点正确识别率达到99%;NDPI与归一化植被指数(NDVI)构建的比值阴影指数RSI放大了水体、云影与其他阴影间的差异,更便于区分;方位搜索合理设置搜索方位角和搜索距离,简化了云影与云的相对关系模型,可准确区分水体与云影,两者的正确识别率都超过93%,弥补了阈值法的局限性。本方法可行快捷,为OLI影像的后续应用提供了基础,可有效提高其利用精度。     

格网划分的Delaunay三角网快速生成算法

针对常见的三角网构建算法效率受查找三角形的约束的问题,该文提出了一种基于格网划分的Delaunay三角网快速生成算法,对传统逐点插入算法的点定位及LOP算法进行了优化。通过对离散点数据进行格网划分,将三角形面积坐标法与直线行走算法相结合,在点定位过程中可大幅度缩短搜索路径,快速定位到插入点所在的目标三角形。实验结果表明,改进后的算法兼顾了时间和空间的性能,执行效率明显提高,定位路径惟一且为最佳路径。     

遥感时间序列影像变化检测研究进展

同一区域、不同时期大量历史数据的积累,以及同一区域能够方便地获取高时间分辨率遥感数据,使遥感时间序列影像变化检测成为近年来遥感技术与应用的研究热点。本文系统总结和评述了当前遥感时间序列影像变化检测的相关研究进展和应用状况,在阐明遥感时间序列分析的意义,以及时间序列影像在变化检测中的优势的基础上,从非遥感领域时间序列变化检测方法出发,针对遥感时间序列影像变化检测的需求,明确和归纳了遥感时间序列变化检测的问题与类型,并对当前最新研究进行了综述,总结了各种方法的优点与不足,重点介绍了基于经验模态分解的遥感时间序列影像异常信息检测方法和基于隐马尔可夫模型的土地利用/覆盖变化检测方法,以期能够为相关研究提供参考。最后总结了该研究领域的发展趋势和存在问题,并对今后的研究工作和未来发展方向进行了展望。