无人机倾斜摄影测量近景影像绝对定向方法

复杂地形的距离与噪声的影响,会导致无人机倾斜摄影的定向精度较差,为此,设计一个无人机倾斜摄影测量近景影像绝对定向方法。建立一个比例相同的空间坐标系,规范方向矩阵,对近景影像进行灰度处理,在确定实际空间与平面模型间存在的属性关系后,获取复杂地形空间参数,以此优化定向过程,并建立投影模型,实现无人机倾斜摄影测量近景影像绝对定向。对不同距离下与不同噪声下的定向误差进行对比,实验结果表明,在不同距离与不同噪声下,无人机倾斜摄影测量近景影像绝对定向方法的定向误差均较小,满足实际应用需求。     

双通道卷积神经网络在影像融合中的应用

利用Landsat8遥感卫星影像数据制作影像融合数据集,提出了一种双通道融合网络,并利用结果影像的质量指数对网络融合性能进行评估,分析与双三次卷积插值和GS影像融合方法的差异。结果表明,该网络加强了对高频空间信息的提取,在更高效提取空间特征的同时,减弱了融合过程中对多光谱影像光谱特征的影响,从而提高了融合影像的综合影像质量（QNR=0.885 2）。     

基于改进决策树算法的山区遥感影像变化检测方法

为了能够精准检测山区遥感影像变化,提出一种基于改进决策树算法的山区遥感影像变化检测方法。利用K-SVD算法始化处理过完备字典,采用带有噪声的山区遥感影像训练字典,通过学习获取的字典稀疏表示含噪山区遥感影像,得到每个小块影像的稀疏表示系数,平均处理小块影像,获得去噪后的山区遥感影像。采用邻域相关分析技术获取描述上下文信息的邻域相关影响,通过邻域像素间的相关性展开模板匹配得到匹配误差。同时根据方向梯度信息提取山区遥感影像的结构特征,将邻域相关影像、匹配误差和结构特征输入改进后的决策树算法,将其作为分类属性,检测出山区遥感影像变化,实现山区遥感影像变化检测。实验结果表明,所提方法可有效检测出山区遥感图像的变化,并且检测500个样本图像的时间仅为335.4 s,因此,该方法可以获取准确率更高且检测时间更短的山区遥感影像变化检测结果。     

无人机数字影像配准技术研究及精度分析

无人机数字影像配准技术是无人机航空摄影测量的基础技术之一。针对无人机遥感影像配准问题,本文选取地物特征点进行坐标系投影变换,从而确定影像空间位置,完成影像配准工作,并进行精度评定。研究表明：(1)通过手动选取控制点进行坐标拟合,可有效将TIF和JPEG影像进行配准。(2)基于灰度共生矩阵的特征点匹配法具有较高的配准精度,基于相位相关的区域配准法适用于处理大面积的影像配准问题。(3)利用TIF影像数据配准精度较高,JPEG影像数据更便于传输与存储。(4)配准的最佳方法取决于所应用的场景。     

多时相遥感影像提取湖泊边界信息的融合算法

为了有效改善遥感影像提取湖泊边界信息的可靠性和精度,减少人为误差,提出了一种利用多时相遥感影像提取边界信息的加权平均融合算法以及误差的域法修正处理方法.结果表明,该方法能有效融合各时相影像信息,提高湖泊边界信息提取的可靠性,并且对融合时相变化较大的湖泊边界都有一定的普适性.通过融合算法提取的呼伦湖面积为1928.35km2,修正后的面积为1929.85km2.通过利用地统计学理论对算法的验证及误差分析,得出相对误差空间变异拟合模型的块金方差与基台值之比都小于25%,具有很强的空间相关性,修正后的数据空间相关性要优于融合数据,空间变程也得到了有效地降低,显示修正后的数据对半方差函数理论模型的拟合程度更好.     

汶川地震灾区无人机遥感影像获取与可视化管理系统研究

介绍无人机遥感影像获取、纠正、配准及可视化管理的关键技术与系统研发.论文设计无人机影像获取及三维可视化管理系统的框架结构,包括航迹规划、无人机影像获取、影像预处理及三维可视化4个子系统;讨论了基于高分辨率遥感影像的无人机影像配准、无人机影像的空间索引管理、基于四叉树的影像金字塔及细节层次模型等关键技术.基于自主研发的虚拟地理环境数字地球平台(VGE-3DGJobeEanh),构建了汶川地震应急三维可视化遥感影像管理系统,在"5·12"汶川地震的救援与次生灾害应急中进行了实践应用.同时该系统可继续服务于汶川地震灾后重建的信息共享管理、发布以及空间决策支持.     

一种基于伪随机序列和DCT的遥感影像水印算法

首先,对原始影像进行分块,通过伪随机序列选择要嵌入的影像块;然后,采用量化的方法在每一块的DCT低频系数中嵌入水印信息;最后,通过精度约束,对嵌入水印信息后的遥感影像进行误差控制。由于采用了量化的方法嵌入水印信息,其提取过程不需要原始影像的参与,实现了盲检测。实验结果表明,该算法在满足水印算法鲁棒性的同时,也能达到对遥感影像近乎零修改的目标。     

基于极限学习机的GF-2影像分类

遥感图像分类是提取图像有效信息过程中重要的一部分,为了探寻最优的分类方法,许多机器学习算法逐步应用于遥感分类中。极限学习机（extreme learning machine,ELM）以其高效、快速和良好的泛化性能在模式识别领域得到广泛应用。本文采用训练速度快、运算量小的极限学习机算法与支持向量机（support vector machines,SVM）算法和最大似然法进行分类对比,对高分辨率遥感图像进行分类,分析极限学习机算法对于遥感图像分类的准确度等性能。选取吉林省长春市部分区域的GF-2遥感数据,将融合后的影像设置为原始数据,利用3种方法进行分类。研究结果表明,极限学习机算法分类图像总体分类精度达到85%以上,kappa系数达到0.718,与其他分类方法相比分类准确度较高,且极限学习机运行时间比支持向量机运行时间约短2 480 s,约为支持向量机运行时间的1/8,因此具有良好的性能和实用价值。     

地理信息系统支持下的山区遥感影像决策树分类

山区遥感影像分类是遥感研究的一大难题。本文利用一种决策树生成算法（C 4.5算法）自动提取知识，基于知识建立决策树用于山区影像分类，并结合研究区土地利用类型与DEM空间统计关系的先验知识，在GIS空间分析的基础上进行影像分类的后处理。与传统的最大似然法分类结果相比，该方法极大地改善了山区地表覆被分类的精度，得到试验区较为可靠的遥感分类图像。     

一种基于改进U-Net的高分影像公路线路提取方法

高质量的公路网信息在区域经济发展、灾害应急管理和土地规划中发挥着重要作用。本文提出一种基于改进U-Net(u-shaped network)模型的高分影像公路线路提取方法。首先,从功能、路线设计、分级标准和构造及横断面四个方面剖析公路线路特征,厘清公路与道路的区别;然后,联合通道与空间注意力模块,提出了一种改进的U-Net网络模型;最后,以重庆市南岸区和巴南区为研究区,建立数据集并进行公路线路信息提取实验。结果表明,与已有方法相比,精确度、F1分数、IoU指标有明显提升。本文方法在高分辨率影像提取公路信息方面具有可行性与有效性。