典型遥感数据分类方法的适用性分析——以遥感图像场景分类为例

目前普遍采用的分类器通常都是针对单一或小量任务而设计的,在小数据量的处理中能取得比较满意的结果。但对于海量遥感数据的处理,其在处理时效和分类精度方面还有待研究。本文以遥感图像场景分类任务为例,着重对遥感数据分类问题中几种典型分类方法的适用性进行比较研究,包括K近邻(KNN)、随机森林(RF),支持向量机(SVM)和稀疏表达分类器(SRC)等。分别从参数敏感性,训练样本数据量,待分类样本数据量和样本特征维数对分类器性能的影响等几个方面进行比较分析。实验结果表明:(1)KNN,RF和L0-SRC方法相比RBF-SVM,Linear-SVM和L1-SRC,受参数影响的程度更弱;(2)待分类样本固定的情况下,随着训练样本数目的增加,SRC类型分类方法的分类性能最佳,SVM类型方法次之,然后是RF和KNN,在总体分类时间上呈现出L0-SRCL1-SRCRFRBF-SVM/Linear-SVMKNN/L0-SRC-Batch的趋势;(3)训练样本固定的情况下,所有分类方法的分类精度几乎都不受待分类样本数目变化的影响,RBF-SVM方法性能最佳,其次是L1-SRC,然后是Linear-SVM,最后是RF和L0-SRC/L0-SRC-Batch,在总体分类时间上,L1-SRC和L0-SRC相比其他分类方法最为耗时;(4)样本特征维数的变化不仅影响分类器的运行效率,同时也影响其分类精度,其中SRC和KNN分类器器无需较高的特征维数即可获得较好的分类结果,SVM对高维特征具有较强的包容性和学习能力,RF分类器对特征维数增加则表现得并不敏感,特征维数的增加并不能对其分类精度的提升带来更多的贡献。总的来说,在大数据量的遥感数据分类任务中,现有分类方法具有良好的适用性,但是对于分类器的选择应当基于各自的特点和优势,结合实际应用的特点进行权衡和选择,选择参数敏感性较小,分类总体时间消耗低但分类精度相对较高的分类方法。     

基于矩形分割的局部渲染技术在无线图像通信中的应用

为了提升无线图像通信中的图像渲染性能和减小数据的传输量,提出了一种优化算法,将基于矩形分割的局部渲染技术引入到无线图像通信中,以此减小每一帧的渲染区域和传输数据,以达到在节约CPU计算资源的同时,降低电量消耗和带宽依赖的目的。通过实验发现,该算法在图像相对变化较小的时候,最多能将渲染性能提升一倍,同时传输数据量和需要重新渲染的单个对象数量基本呈正比。实验结果证明,该算法有其适用范围,当图像较稳定的时候,平均能够提升30%以上计算性能,并减少50%以上的数据传输。     

基于改进SIFT算法的视频图像序列自动拼接

本文提出了一种自适应帧采样和限定特征提取区域的拼接方法,根据帧间重叠率和帧间隔建立线性模型,并把各帧图像对准到其前后的关键帧上。在特征点提取方面,提出了一种改进的SIFT算法进行特征点提取,并采用随机采用一致性(RANSAC)方法来更新匹配点,在图像融合中采用线性加权渐入渐出的自然融合算法。实验结果表明:该方法对一般场景能稳定的抽取到关键帧,并进行拼接,取得了较好的拼接效果。     

NOAA相邻卫片的自动镶嵌

图象镶嵌是个麻烦而且费时的工作。本文通过分析相邻图象的关系，给出了图象自动镶嵌的算法，即通过寻找相邻图象象素最小偏差平方和出现的位置来自动确定镶嵌需要偏移的行列数，这种方法容易实现。通过对NOAA图象镶嵌的试验，表明该算法是有效的。     

未知DEM下的机载SAR图像几何校正方法研究

针对机载环境复杂,不确定因素众多,与图像相对应的DEM不能精确获得等影响校正的不利因素,研究基于先验条件而不依赖DEM的机载SAR图像几何校正方法.从产生畸变的原理和校正过程的本质出发,将不同的几何校正理论在成像原理层面进行统一;在此基础上,分析精确校正所需要的条件,并提出当条件不能满足时的基于统计模型的几何校正方法;继而提出基于不同先验条件的校正方案决策模型.仿真实验及基于配准区域的保真度评价结果验证了所提方法的有效性.     

CHRIS／PROBA高光谱数据的预处理

针对CHRIS／PROBA高光谱遥感数据的特点,对CHRIS影像进行去条带处理、辐射校正、大气校正等预处理,获得较好质量的影像,为影像的进一步分析和实际应用提供保障。     

基于机理的合成孔径雷达系统成像误差理论分析

目前在遥感和GIS中,关于误差和不确定性研究的主要方法有两种: 概率统计和机理模拟。本文论述了二者的特点,详细讨论了影响合成孔径雷达成像的诸多因素,提出利用机理的方法分析SAR系统成像误差。本方法是从合成孔径雷达成像机理的研究出发,利用控制论的观点来解释、分析影响合成孔径雷达成像的诸多误差因素并建立误差传播模型。这不仅对研制合成孔径雷达的设计具有指导意义,而且对遥感数据的质量控制也有重要意义。     

一种有效的高分辨率SAR目标特征提取与识别方法

提出了一种有效的高分辨率SAR目标特征提取与识别方法,根据SAR图像目标对多尺度Gabor滤波器组的不同响应,充分利用多尺度信息及尺度间的相依性提取新的多尺度特征,该特征综合考虑了SAR图像目标的宏观和微观固有的尺度特性,从而更能反映目标的本质特征;并利用Fisher核映射使得非线性变换比线性变换更能刻画实际中的复杂模式。实验给出了MSTAR数据库中三类目标特征的空间聚类及分类情况,结果表明了该多尺度特征的有效性。     

一种移动视频与地理场景的融合方法

快速准确地了解灾害现场状况是救灾过程中的重中之重。通常发生灾害都会使用无人机进行现场勘察,但是无人机视频难以与实际的地理场景关联起来,为此本文提出了一种移动视频与地理场景的融合方法。该方法首先采用具有仿射不变性的ASIFT算法检测特征点,将匹配后的特征点采用RANSAC算法进行迭代剔除噪点,计算视频与地理场景最优的透视变换矩阵模型参数;然后将计算得到的透视变换参数应用到视频数据,恢复视频角点坐标;最后通过内插得出所有视频帧的角点坐标,实现视频与DOM的精确融合。试验结果表明,对视频数据匹配的间隔帧越短,其整体融合精度越高,通过本文方法进行视频与地理场景融合的误差标准差低于10 m。     

基于GPU和UNITY的嵌入式图像实时传输方法

智能化无人矿山对作业现场环境的可视化要求较高,现有的可视化方法仍存在诸多问题:数据采集方式单一,存在监控盲区;数据传输线缆布设困难且易被损坏,传输延时较高;表现形式不够全面立体,并且不能用于VR/AR、SLAM、机器人定位避障等应用场景。为了满足智能矿山建设的可视化需求,本文结合当前传感技术、矿用机器人以及5G技术的发展,探讨了从数据采集、服务器部署到接收显示的详细步骤。针对全景及深度影像这类新型三维数据,提出一种基于GPU和UNITY的嵌入式视频实时传输方法,包括实时编码、异步传输、轻量级的嵌入式流媒体系统、利用UNITY实时处理以及元数据的同步传输。借助UNITY平台,将三维可视化任务从CPU转移至GPU,仿真实验表明,最高渲染帧率为60 fps时,GPU占用率在35%以下。最后,以全景和深度传感器为例进行了测试,对数据编码、位移贴图、纹理纠正进行有效性验证,并从延迟、帧率、CPU占用率3个方面评估性能。结果表明,所提关键技术均可有效提高运行效率、减少资源占用,相比FFplay延时更低。全景影像的可视化代替了视角固定的传统监控,深度数据为智能矿山巡检机器人定位及避障提供实时数据源,传输方法整体向下兼容。不仅解决传统方法视角单一、布线困难的问题,而且考虑到了智能矿山建设过程中的新需求。