结合PCNN的红外与可见光图像多尺度融合

针对红外与可见光图像融合对比度不高,易丢失细节信息等问题,提出了一种非下采样Contourlet变换域内基于特征激励的自适应PCNN红外与可见光图像融合方法。PCNN模型采用平均梯度和赋时矩阵来自适应调节其链接强度和迭代次数等参数。对NSCT多尺度多方向高低频子带系数,分别采用特征激励PCNN,根据点火时间图的区域能量来选择融合系数。实验结果表明,该方法能够有效地融合红外和可见光图像信息,对比度高,细节保持好,无论在视觉效果上还是客观评价指标上,优于常用的图像融合方法。     

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。     

基于聚类的极光形态分类的探索性研究

极光形态为研究日地物理过程提供了显著、直观和具有可识别性的特征。合理分类对研究各类极光现象与磁层动力学过程之间的关系尤为重要。极光形态分类机制的选择问题是极光有监督分类研究被主要诟病的问题之一。有监督分类实验中人工标记的工作量非常浩大,而且不能保证标记的准确性。更重要的是,高分类正确率只能说明自动分类符合人的认识,有监督分类结果无法验证分类机制的正确性。现有的分类机制是否为极光数据空间的真实划分,是否存在更为合理的分类机制都是我们应该探讨的问题。针对该问题,基于已有的全天空极光图像表征方法,引入聚类算法探究极光特征空间的结构,利用了9种聚类有效性函数选择适合极光数据的聚类个数。实验结果表明,对于从2003—2004年北极黄河站观测的全天空极光数据中随机选取的6 000幅极光图像,两类和四类的划分方式最为合适。两类的划分可以看作是分离度较好的极光类型,并且根据两类分布曲线呈现午前-午后双峰的分布特点,这一类极光可能是弧状极光。对于四类的情况,虽然通过肉眼观察无法用一幅典型的极光图像代表每一类,但是这些由聚类得出的极光类型具有各自的时间分布特点,这一结果从无监督的角度证明了极光类型在形态上是可分的。     

基于空间共现核的遥感影像分类

采用了基于模糊关系的图像空间共现核来进行高分辨率遥感影像的分类。首先分析了遥感影像的特点,指出其不存在绝对的参考帧。针对该特点,采用了具有较好方向不变性的描述子MROGH（multi-support region order-based gradient histogram）来进行遥感影像底层特征的描述;随后针对图像编码时的软编码情形采用了基于模糊关系的图像空间共现核来构建遥感影像的全局特征汇聚。在公用基准数据集上进行的遥感影像分类实验表明,采用本文方法得到的分类正确率显著优于传统的方式。此外,针对遥感影像分类时采用的不同分类框架进行了评估。     

利用卷积神经网络的高光谱图像分类

针对高光谱图像分类中对光谱信息利用不足的问题,提出一种基于卷积神经网络在光谱域开展的分类算法。该算法通过构建五层网络结构,逐像素对光谱信息开展分析,将全光谱段集合作为输入,利用神经网络展开代价函数值的计算,实现对光谱特征的提取与分类。实验中采用三组高光谱遥感影像数据进行对比分析,以India Pines数据集为例,提出的基于卷积神经网络的分类方法的分类正确率达到90.16%,比RBF-SVM方法高出2.56%,相比三种传统的深度学习方法高出1%~3%,训练速度也较为理想。实验结果表明,本文所提出的算法充分利用了高光谱图像中逐像素点的光谱域信息,能够有效提高分类正确率。与传统学习算法相比,在较少训练样本的情况下,更能发挥其良好的分类性能。     

基于AM335X的农作物气象自动观测系统设计

为顺应农业气象现代化的发展需求,以及观测方式由人工观测向自动观测的转变,设计了一种基于AM335X的农业气象自动观测系统。系统依托Ubuntu嵌入式开发平台,从硬件和软件两方面设计考虑。硬件部分选取Cortex-A8核心工业控制MCU,应用于对农业观测要素的图像信息处理,利用模块化结构,提升硬件设计的层次化标准。软件部分采用Thread多线程通信机制,搭建C++函数动态链接库,将基于SSH安全协议的ftp上传软件WinSCP,作为测试系统与PC机的交互工具。基于SecureCRT软件仿真环境,对照系统各状态输出格式要求,对观测系统的要素状态文件信息与图像文件信息进行了模拟状态调试输出与上传ftp服务器功能测试。结果表明:系统能自动实现对农作物观测要素状态数据与实时生长图像的观测采集与信息上传,对以后农业气象观测自动化的推广应用提供了一定的技术参考。     

基于HOT影像优化的遥感影像去雾算法

针对BSHTI和IBSHTI两种算法对卫星影像云雾校正后,地表的色调和纹理等细节缺失严重的问题,提出OIBSHTI算法对IBSHTI算法得出的雾厚度图像进行地表信息削减。通过填洼算法去除暗色区域,并引入纹理和边缘信息等进行优化处理,在彻底去除云雾的同时保留地表的色调和纹理,特别是蓝色或红色建筑物房顶的校正效果较为明显。     

一种基于无人机位姿信息的航拍图像拼接方法

针对现有航拍图像拼接方法处理速度较慢的问题,提出一种基于无人机位姿信息的快速拼接方法。首先从机载GPS和惯性导航单元获得无人机航拍时的坐标和姿态角,根据每一幅航拍图像对应的无人机坐标和姿态角计算它们之间的单应变换矩阵,实现航拍图像之间的快速配准。然后通过单应变换矩阵的运算得到拼接图像之间的配准,最后完成多幅图像的拼接得到整个区域的全景图。试验结果证明该方法快速有效。     

侧扫声呐图像分割的中性集合与量子粒子群算法

针对现有的侧扫声呐图像分割方法存在分割准确率不高和效率偏低的问题,提出了一种基于中性集合和量子粒子群算法的侧扫声呐图像阈值分割方法。通过基于中性集合计算图像灰度共生矩阵,实现了侧扫声呐图像精细纹理的表达,提高了分割精度;基于二维最大熵理论,采用量子粒子群算法计算二维最优分割阈值向量,实现了分割阈值向量的快速准确获取,提高了分割效率和精度。最终实现了高噪声侧扫声呐图像目标的准确、高效分割。通过对含有不同目标的侧扫声呐图像的分割试验,验证了该算法的有效性。     

利用轨道参数修正的无控制点星载SAR图像几何校正方法

使用距离多普勒模型进行SAR图像几何校正时,卫星轨道误差、系统成像参数误差和DEM高程的误差会影响几何校正精度。本文提出了一种基于轨道参数修正的星载SAR图像几何校正方法。首先利用多项式对卫星轨道进行参数化,然后使用模拟SAR图像与真实SAR图像进行匹配得到控制点来修正轨道参数,最后利用修正后的参数进行几何精校正,从而提高几何校正精度。该方法无需地面控制点,适用于不易于人工测量获取地面控制点地区的SAR图像几何校正,与基于模拟SAR图像匹配并使用多项式改正的几何校正方法相比,本文方法具有更高的精度。使用Radarsat-2图像进行试验,并使用地面实测GPS控制点验证了本方法的有效性。