基于深度学习理论的无人机影像分类

针对无人机影像深度学习分类方法缺乏现状,本文利用深度学习理论卷积神经网络方法对无人机影像进行了分类。该法首先抽取无人机影像作为训练集和检验集,然后建立一个2个卷积层-池化层的卷积神经网络模型进行深度学习,通过设定参数并运行模型实现无人机影像分类。实验表明,本文提出的方法可完成较复杂地区无人机影像分类,其分类精度与支持向量机方法相当,为无人机遥感影像分类提供了一个崭新的技术视点。     

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。     

无人机大比例尺测图像控点布设方案设计

随着无人机技术的快速发展,无人机航空摄影测量的精度也大大改善,以无人机为平台低空摄影测量大比例尺地图成为可能。本文以旋翼无人机搭载非测量型相机,通过布设不同数量像控点进行分析和研究,得到无人机摄影测量在农村地区像控点布设规律。结果证明在合理像控点布设的情况下,无人机测图数字成果空中三角测量、平面和高程精度均可满足1∶500、1∶1000、1∶2000大比例尺地形测图的精度要求。     

内点最大化与冗余点控制的无人机遥感图像配准

利用小型无人机进行遥感图像配准在自然灾害损害评估、环境监测和目标检测与追踪等领域发挥着至关重要的作用,但小型无人机的图像采集过程容易受风速/风向、复杂地形、电池容量、飞行姿态、飞行高度等自然或人为因素的影响。这些问题通常会导致捕捉到的场景重叠率低与图像非刚性畸变,在特征点提取过程中产生大量冗余点,增加了图像配准的难度。本文提出一种基于特征点的小型无人机图像配准方法,该方法的核心思想是在配准过程中识别冗余点,同时最大化可用内点数量。所识别的冗余点当作控制点,用于控制网格代图像的运动。最后通过最大化内点和合理移动控制点来恢复图像变换。本文使用50对小型无人机图像进行特征匹配和图像配准的实验,其中平均配准精度可达80.38%,并且本文方法在所有的情况下都优于5种当前流行算法。     

基于高斯混合模型的海冰图像非监督聚类分割研究

为了利用海冰图像识别技术获取海冰冰况信息, 探索了利用高斯混合模型进行海冰图像分割的技术途径, 描述了具体算法, 并利用高斯混合模型的最大期望值（EM）算法以及最小描述长度（MDL）准则对渤海海冰图像进行目标提取。研究结果表明, 该方法可以很好地实现海冰信息的有效提取和海冰图像的有效分割, 从而证明了建立在图像分割技术...     

我国海岸潟湖卫星遥感分类方法研究

参照Landsat-5TM和HJ-1CCD遥感影像,依据实地踏勘资料及解译经验,分析各种海岸潟湖地貌学成因和发育演变阶段,提出基于潟湖地貌学成因的遥感分类方法。并将我国海岸潟湖划分为滨外坝型、沙坝型、沙嘴型、湾顶坝型、连岛坝型和河口型共6种地貌类型。建立基于发育演变阶段的潟湖遥感分类标准,将海岸潟湖分为青壮年期、老年期和死亡期共3个发育演变过程;结合潟湖在影像中的特征,以近红外、红、绿波段组合后的假彩色影像为例,从色彩、纹理、地物邻接关系等方面建立不同潟湖类型的遥感解译标志;根据所建立的遥感解译标志,对山东省53个海岸潟湖进行遥感分类验证,结果吻合。     

珊瑚骨骼生长特征的数字影像分析

造礁珊瑚骨骼一般呈年周期性带状生长,生长特征变化与周边环境有密切关系,具有重要的环境指示意义。本文依据珊瑚骨骼生长带X射线成像原理,利用计算机的数字化和影像处理功能,提出了珊瑚骨骼生长带数字影像分析的方法,能获得较传统方法更高分辨率和精度的珊瑚生长信息。利用该方法提取了海南岛三亚湾滨珊瑚骨骼月尺度的生长密度、生长率的变化序列,并探讨了生长密度、生长率的变化特征及其与主要环境因素的关系。     

一种基于分割图斑的海岸带遥感图像分类方法

传统的基于象元的分类方法在处理海岸带这类动态多变、混杂度大的地物时常出现“椒盐现象”,难以矢量化形成专题图。提出了一种新的遥感图像分类方法——基于分割图斑的分类法,即选择一个合适的尺度,利用光谱信息按照一定的策略将图像分割为一系列的图斑,并确保图斑内大多数象元的光谱特征相近,分别对图斑内诸象元进行统计,求出各个波段的均值,用该均值替换图斑内所有象元的原始亮度值,这样分类时可以确保同一图斑内的所有象元被分到同一个类别中,从而有效地避免了“椒盐现象”,使分类结果便于矢量化成图,也便于对特定地物的提取。实验结果表明,该方法还能在一定程度上提高分类精度。     

荧光法在赤潮图像分析中的应用

赤潮藻样品中往往包含着各种复杂的非藻沉淀物,为解决这些微藻的探测和分析的问题,可以利用微藻类在一定波长的光照射下会产生荧光的特性,对裸甲藻等多种赤潮藻类进行荧光实验处理,并在此基础上对藻类的荧光图像和灰度图象进行图像分割,轮廓和纹理分析及图象识别等后继图象处理。实验证明,荧光法可以有效的去除背景噪声,保留藻类信息,使得后继的图象处理工作更加容易和有效,从而解决了探测和分析包含复杂背景的沉淀物样品中微藻的问题。     

利用有理函数模型实现IKONOS影像的单片定位

分析了利用高分辨率卫星CCD影像进行单片测图的意义，介绍了目前有理函数模型在影像定位方面的应用情况，重点研究了一种利用有理函数模型实现单片定位的方法，即将有理函数模型的正解形式线性化并组成方程组，结合DEM数据，对方程组迭代求解以获取地面点坐标。实验结果表明该方法具有解算精度高和易实现等特点。