一种用于篡改定位及近似恢复的水印算法

针对遥感影像易被非法篡改的问题,提出了一种用于篡改定位及近似恢复的遥感影像半脆弱水印方案。首先将二值伪随机矩阵作为认证水印,通过量化Contourlet变换各方向子带中绝对值最大的系数将其嵌入,然后采用影像4×4分块后的灰度平均值作为恢复水印,将其嵌入到最低有效位。水印检测不需要原始遥感影像参与,实现了盲提取。实验结果表明,算法对于噪声、JPEG压缩等合理性失真具有一定的鲁棒性,而对于恶意篡改等攻击具有脆弱性,能够实现篡改区域的精确定位和近似恢复,使恢复后的遥感影像满足基本的视觉要求,可有效保护遥感影像的安全。     

eCognition在土地动态监测中的应用

基于eCognition的多尺度影像分割与识别技术,进行了土地变化监测研究。首先选取同一区域不同时相的两幅影像,通过实验确定适宜变化监测的尺度参数、形状参数和紧致度参数,然后进行影像分割,最后进行各类地物信息提取,探测不同时相同一地物的不同形态,进而发现地类图斑变化。实验表明,基于eCognition,可以分析出地类图斑的细致变化,完成土地动态监测。通过对比实测数据,基于eCognition的地类图斑点识别精度合格率在90%以上,不失为一种高精度土地动态监测新方法,同时也为土地变化信息监测提供了一种经济、科学的技术方案。     

视觉显著性与知觉组织相结合的高分影像居民地提取方法

受人类视觉认知机制的启发,提出了一种利用视觉显著性与知觉组织相结合的高分辨率遥感影像居民地提取方法。首先利用认知物理学中的数据场构建居民地的视觉显著性模型,并通过自适应阈值法实现候选居民地的自动提取,然后利用多尺度小波变换的高频特征实现居民地的知觉组织,最后通过集合交运算提取同时满足这两种视觉机制的居民地。通过ZY-3和Quickbird两种高分传感器的影像数据集进行居民地提取试验,验证了该方法的有效性。     

航空遥感稳定平台的模型参考自适应控制

针对航空遥感惯性稳定平台中所受到的不平衡力矩等所引起的成像载荷不稳定导致无法获取高分辨率遥感数据的问题,提出了在平台控制系统中应用基于模型参考的自适应比例-积分-微分控制方法。根据需求设计出参考模型,将参考系统输出与实际系统输出之间的误差输入到自适应PID调节器,实时调整PID参数,对误差进行实时校正,以达到抑制不平衡力矩扰动、提高稳定平台稳定精度的目的。对所提出的模型参考自适应控制方法进行了仿真验证,结果表明:相对传统PID方法,模型参考自适应控制器对偏心力矩等主要干扰具有很好的抑制作用,系统输出能够很好地跟踪姿态变化,系统稳定精度得到显著提高。     

图割能量驱动的高分辨率遥感影像震害损毁建筑物检测

为充分利用高分辨率遥感影像提供的细节信息,提高震害损毁建筑物检测精度,提出了一种图割框架下融合形状、边缘、角点等多种类型特征的损毁建筑物检测方法。该方法首先利用震前建筑物线划图提取包含单个建筑物的局部影像,用于图割能量函数建模,并分别根据建筑物的位置、形状、边缘以及角点构造能量函数的各约束项。在此基础上,通过最大流/最小割算法求解能量函数最小值,依据最小割能量进行地震前后局部影像中建筑物的相似性度量。最后利用最大期望算法(expectation maximization,EM)求得最小割能量的分类阈值,并根据错分率估值执行后处理以获得最终变化检测结果。采用2011年3月11日东日本大地震前后石卷港的高分辨率遥感影像进行试验,结果表明本文提出的方法能有效检测出损毁建筑物。     

高分辨率遥感影像的深度学习变化检测方法

为提升高分辨率遥感影像的变化检测精度,提出一种利用深度学习的变化检测方法。在预处理的基础上,利用顾及邻域信息的改进变化矢量分析算法和灰度共生矩阵算法获取影像间光谱和纹理变化,并通过设置自适应采样区间提取最可能的变化和未变化区域样本。构建并训练包含标签层的高斯伯努利深度限制玻尔兹曼机模型,以提取变化和未变化区域深层特征,从而有效辨别变化区域。通过WorldView-3与Pléiades-1影像的试验表明本文方法在变化检测精度方面优于对比方法。     

一种融合超像素与最小生成树的高分辨率遥感影像分割方法

影像分割是面向对象高分辨率遥感影像分析的基础与关键。针对传统影像分割方法易受噪声影响,且难以确定合适的影像分割尺度的问题,本文提出了一种融合超像素与最小生成树的高分辨率遥感影像分割方法。首先用简单线性迭代聚类算法对影像进行过分割生成超像素;然后初始设定影像分割数,采用区域动态约束聚类算法对超像素进行合并,获得分割数-方差和、分割数-局部方差、分割数-局部方差变化率指标图,依据3个指标图确定合适的影像分割数;最后根据确定的合适影像分割数,采用区域动态约束聚类算法对超像素重新合并得到分割结果。定性对比试验和定量评价结果表明,本文方法可以有效地克服影像噪声对分割结果的影响,获得良好的影像分割结果。     

时空约束下的沙化土地遥感提取方法研究

针对辽西北中轻度沙化土地的区域特点和特殊性,通过分析其沙化土地的光谱特征、空间分布及时间变迁特征,研究了一种时空约束下的多光谱遥感影像沙化土地识别方法。在对沙化土地进行光谱特征分析的基础上,加入时-空分布特征进行约束修正,有效提高了沙化土地监测的精度和效率。     

“高分二号”卫星在黄土地质灾害解译中的应用研究

黄土高原地区地质灾害多发频发,危害严重,应用亚米级的高分二号(GF-2)卫星影像数据,提取地质灾害信息,并对室内解译结果进行了野外查证。本文提出了以GF-2卫星数据为主要信息源,进行地质灾害解译的技术方案;并以宁夏南部黄土高原区为例,验证了该方法的适用性,为规模化地开展基于国产高分系列卫星的黄土高原地区地质灾害遥感解译提供了可行的技术方案;通过GF-2卫星影像与常用的国内外卫星数据用于地质灾害信息判释的对比研究,认为GF-2卫星影像对于地质灾害信息的识别能够满足地质灾害遥感解译的要求,GF-2卫星影像的应用具有较高的性价比和显著的经济社会效益。     

Analysis of urban built-up areas and surface urban heat island using downscaled MODIS derived land surface temperature data

Regional scale urban built-up areas and surface urban heat islands (SUHI) are important for urban planning and policy formation. Owing to coarse spatial resolution (1000 m), it is difficult to use Moderate Resolution Imaging Spectroradiometer (MODIS) Land surface temperature (LST) products for mapping urban areas and visualization, and SUHI-related studies. To overcome this problem, the present study downscaled MODIS (1000 m resolution)-derived LST to 250 m resolution to map and visualize the urban areas and identify the basic components of SUHI over 12 districts of Punjab, India. The results are compared through visual interpretation and statistical procedure based on similarity analysis. The increased entropy value in the downscaled LST signifies higher information content. The temperature variation within the built-up and its environs is due to difference in land use and is depicted better in the downscaled LST. The SUHI intensity analysis of four cities (Ludhiana, Patiala, Moga and Vatinda) indicates that mean temperature in urban built-up core is higher (38.87 °C) as compared to suburban (35.85 °C) and rural (32.41 °C) areas. The downscaling techniques demonstrated in this paper enhance the usage of open-source wide swath MODIS LST for continuous monitoring of SUHI and urban area mapping, visualisation and analysis at regional scale. Such initiatives are useful for the scientific community and the decision-makers.