多源遥感影像配准技术分析

图像配准技术是近年来发展迅速的图像处理技术之一,是图像融合、目标提取与定位、变化监测、高分辨率影像重建等处理工作不可缺少的步骤.首先给出了多源遥感影像配准的概念和基本过程,然后着重从匹配基元、转换函数、相似性测度、匹配策略4个方面对国内外现有的影像配准技术和方法进行了分析和评述,最后指出了影像配准技术所面临的主要难题和发展方向.     

自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法

全色-多光谱影像融合技术可以显著提高遥感影像的地物判别能力,但是空间信息融入度与光谱信息保真度是相互矛盾的一组性质,一般方法往往无法平衡这两方面。SFIM算法具有良好的光谱信息保持能力,但是其空间信息融入度较差,影响了整体的融合效果。为此,本文分析了SFIM模型的原理与特点,提出一种自适应高斯滤波与SFIM模型相结合的全色多光谱影像融合方法（AGSFIM）。以均值调整后的多光谱整体平均梯度为标准来计算高斯滤波的最优参数,将下采样全色影像的清晰度调整至同样水平,以保证融合结果的空间信息融入度与光谱信息保真度之间的平衡。利用6种融合算法对“北京二号”（Beijing-2）、“资源三号”02星（ZY-3 02）数据进行对比试验,表明在良好的光谱保持能力的前提下,改进方法可以有效克服SFIM算法空间信息融入不足的缺点。     

一种基于高通滤波的主成分分析影像融合方法

针对主成分分析(PCA)变换影像融合过程中变量降维信息损失较多的问题,提出了一种基于高通滤波的主成分分析(PCA)变换融合方法。该方法首先对高分辨率影像在高通滤波模块上进行卷积运算,然后将滤波过后的影像与主成分变换后的第一主分量进行直方图匹配和加权平均运算;最后用直方图匹配过的高分辨率影像代替第一主分量与其他分量经K-L逆变换得到融合结果。选取北京二号卫星影像进行试验,通过将PCA变换和HPF融合结果进行对比评价,结果表明了该方法很好地提高了影像的空间细节信息与光谱保持能力,实验结果将为后续高分系列卫星影像处理提供支持。     

基于Model Builder的等值面自动制图研究 ——以CaO含量等值面图制图为例

针对分步数据处理效率低下问题,基于Model Builder提出了一种复杂数据处理方法,并应用于阿尔及利亚阿德拉尔省南部山区CaO含量等值面制图,通过对原始采样数据进行克里金插值、重分类与平滑处理,取得较好的制图效果。制图实验证明,Model Builder可大大提高数据处理效率与纠错能力,实现复杂数据自动化、一体化处理。Model Builder模型具有较强的共享性,其建模成果可以保存于SDE数据库,也可以通过网络共享,为类似数据处理提供模板。同时,Model Builder模型开放性较好,可任意编辑修改已有模型,定制出特定数据处理方案。Model Builder模型与编程语言深度融合,可通过计算机编程改变数据处理方法。     

砂样图像岩屑自动分割提取方法

通过将砂样图像进行单颗粒分割,识别砂样成分,可显著提高砂样岩性分析的准确性和效率。现有的砂样图像分割方法主要以传统分水岭算法和卷积神经网络为主,但由于对单颗粒岩屑轮廓细节提取不足,误分割率高。本文提出一种以图像融合算法为桥梁,将卷积神经网络和分水岭算法相结合的单颗粒图像分割提取方法。首先利用改进的Mask R-CNN网络快速分割砂样原图,获得其初分割图像;然后,将初分割图像与砂样原图进行融合,再使用改进的分水岭算法对融合结果进行分割;最后,利用砂样原图坐标点匹配方法,将分水岭分割得到的结果图像进行修正,完成单颗粒岩屑图像提取。实验结果表明,本文的单颗粒自动分割提取方法准确率高达96.77%,且模型更轻量和精准,为岩屑图像分割提供了一种可行且有效的方法,可满足有效测算油藏层构造变化、查找潜在沉积物源及储层动态变化的需求。     

利用磁场水平调整方法实现航磁数据融合——以山东省齐河—禹城地区为例

山东省齐河—禹城地区于不同年份开展过高精度航磁测量,为了更好地实现老资料的合理再利用,对已有数据进行融合处理形成更大比例尺的高精度航磁资料是十分必要的。本文以2011年和2017年两次航磁测量数据为基础,经过数据改正、延拓、合并等处理,使用切割线调平、弱磁场区调平以及微调平等方法,融合形成了1∶2.5万高精度航磁数据,其疏密度为250±16.2 m,总精度为1.3 nT。新数据具有更好的分辨力,包含更丰富的地球物理信息,填补了该地区1∶2.5万航磁资料的空白,是后续数据处理和解释的重要基础资料。     

河流相储层地震属性优选与融合方法综述

地震属性分析已广泛应用于河流相砂体预测并取得良好效果.地震属性分析技术主要包括属性提取、属性优选与属性融合,总结了河流相砂体预测中常见的地震属性提取方式、优选及融合方法,分析了由围岩干扰、地震分辨率限制导致的属性提取与分析误区,阐述了不同属性优选与融合方法的优缺点、适用条件与发展前景.总体而言,基于线性模型的地震属性融合提升效果较差,适用于少井区域;基于非线性模型的属性融合效果较好,但仅适用于钻井较多的地区,如油气开发阶段;无监督智能属性融合可应用于无井或少井区域,是未来无井或少井条件下属性融合的重要发展趋势之一.同时,重点阐述了新提出的分频属性融合与降低围岩干扰的属性融合方法.      

高光谱影像光谱-空间多特征加权概率融合分类

提出了一种基于光谱-空间多特征加权概率融合的高光谱影像分类方法。首先,利用最小噪声分离(minimum noise fraction,MNF)方法对高光谱影像进行降维和特征提取,并以得到的MNF特征影像作为光谱特征,联合灰度共生矩阵(gray level co-occurrence matrix,GLCM)提取的纹理特征、基于OFC算子建立的多尺度形态学特征以及采用连续最大角凸锥(sequential maximum angle convex cone,SMACC)提取的端元组分特征,组成3组光谱-空间特征;然后利用支持向量机(support vector machine,SVM)对每一组光谱-空间特征进行分类,得到每组特征的概率输出结果;最后,建立多特征加权概率融合模型,应用该模型将不同特征的概率输出结果进行加权融合,得到最终分类结果。为了验证该方法的有效性,利用ROSIS和 AVIRIS影像进行试验,总体分类精度分别达到97.65%和96.62%。结果表明本文的方法不但较好地克服了传统基于单一特征高光谱影像分类的局限性,而且其分类效果也优于常规矢量叠加(vector stacking,VS)和概率融合的多特征分类方法,有效地改善了高光谱影像的分类结果。     

融合像素—多尺度区域特征的高分辨率遥感影像分类算法

针对基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象和面向对象影像分析方法的"平滑地物细节"现象,提出了一种融合像素特征和多尺度区域特征的高分辨率遥感影像分类算法。(1)首先采用均值漂移算法对原始影像进行初始过分割,然后对初始过分割结果进行多尺度的区域合并,形成多尺度分割结果。根据多尺度区域合并RMI指数变化和分割尺度对分类精度的影响,确定最优分割尺度。(2)融合光谱特征、像元形状指数PSI(Pixel Shape Index)、初始尺度和最优尺度区域特征,并对多类型特征进行归一化,最后结合支持向量机(SVM)进行分类。实验结果表明该算法既能有效减少基于像素多特征的高分辨率遥感影像分类算法的"胡椒盐"现象,又能保持地物对象的完整性和地物细节信息,提高易混淆类别(如阴影和街道,裸地和草地)的分类精度。