用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的两种方法

本文提出了用NOAA气象卫星AVHRR的定量资料计算冬小麦种植面积的方法,即绿度指数法和单通道法。绿度指数法是根据冬小麦在特定生育期内绿度值基本上保持为常数的特点,用几块巳知样地的种植面积,推算整体种植面积;单通道法是只使用AVHRR第二通道的反照率来计算冬小麦种植面积。这两种方法的优点在于不需考虑大气削弱的订正处理问题,从而使计算得以简化。     

基于Faster R-CNN的食品图像检索和分类

面向食品领域的图像检索和分类等方面的研究成为多媒体分析和应用领域越来越受关注的研究课题之一.当前的主要研究方法基于全图提取视觉特征,但由于食品图像背景噪音的存在使得提取的视觉特征不够鲁棒,进而影响食品图像检索和分类的性能.为此,本文提出了一种基于Faster R-CNN网络的食品图像检索和分类方法.首先通过Faster R-CNN检测图像中的候选食品区域,然后通过卷积神经网络（CNN）方法提取候选区域的视觉特征,避免了噪音的干扰使得提取的视觉特征更具有判别力.此外,选取来自视觉基因库中标注好的食品图像集微调Faster R-CNN网络,以保证Faster R-CNN食品区域检测的准确度.在包括233类菜品和49 168张食品图像的Dish-233数据集上进行实验.全面的实验评估表明：基于Faster R-CNN食品区域检测的视觉特征提取方法可以有效地提高食品图像检索和分类的性能.     

利用卫星影像和航空影像更新基础地理信息方法研究

基础地理信息的更新,是保证地理信息系统现势性的充要条件.卫星遥感影像数据具有周期短、信息丰富、现势性强等特征.利用卫星影像数据来更新基础地理信息数据是一种行之有效的方法.如何利用遥感数据融合技术,将多传感器获取的各种影像数据中所含的信息优势有机地结合起来,更是成为目前研究的热点.利用航空影像和Landsat多光谱波段影像进行数据融合,能够有效地提高影像空间分辨率,以获取更高质量的信息.     

有色示踪剂模拟槽实验图像分析法

图像分析法是处理有色示踪剂模拟槽实验结果的常用方法之一。本文以食用亮蓝为示踪剂,从污染物的检测精度和污染羽描绘的准确度两个方面将图像分析法与传统取样法进行对比,并利用Matlab编程对模拟槽内的污染物贮存质量进行定量计算。结果表明,与传统取样法结果相比：图像分析法的检测精度可提高1个数量级;污染羽的描绘准确度至少可提高3%左右,在实验所设置的非均质条件下可提高17%左右。利用自行编制的Matlab程序对本实验模拟槽内贮存亮蓝质量进行计算可得,当剖分格数为3 700²（1 369万）时,亮蓝贮存质量的计算值最接近实测值,最小误差仅为0.5%。综合来讲,图像分析法是一种准确度高、空间分辨率高的信息采集和处理手段,可实现对非均质地层中有色示踪剂运移过程更为精细的描述。     

沉积过程的三维计算机模拟及其应用

利用模拟沉积、剥蚀和搬运过程的数学模型和基本算法,开发了模拟软件SSSP(simulating system of sedimentary processes)。该软件能够进行主要沉积环境的大规模剥蚀、搬运和沉积过程的复杂模拟,并可控制各种参数实时显示模拟结果,包括剖面图、沉积相图、等值线图、网格图和速度矢量图等。在已知沉积环境参数的情况下,利用SSSP再现盆地的沉积演化过程、沉积构型和沉积相分布,并给出了三角洲、河道和水下台阶沉积环境模拟实例。     

黑龙江省呼玛地区TM图像解译新发现及其找金意义

通过呼玛地区ＴＭ图像解译新发现的分析，阐述了其对原生金矿找矿的意义。     

卫星面降水估计人工神经网络方法

介绍了人工神经网络原理和卫星云图估计降水的原理.从GMS红外卫星云图资料中抽取12个降水云图特征量,构造了网络结构为12-98-7的降水估计人工神经网络模型,并用1993年的小时地面雨量资料和GMS数字云图资料对神经网络模型进行训练,用1992和1994年资料对该神经网络模型分别进行测试.在日面降水估计试验中,地面雨量计值和卫星估计降水之间的相关系数分别为0.94和0.97,相对误差分别为41%和32%.     

资源三号卫星影像融合优化方法探讨

针对资源三号卫星影像如何进行影像融合、波段组合才能到达到最佳视觉效果还没有统一意见的问题,该文提出了利用目前测绘项目中普遍采用的融合算法、波段组合比例对不同地形类别资源三号卫星影像进行实验验证的方法。综合主观评价与客观评价融合后的影像质量,得出了Subtractive、Pansharp和Pansharp2方法较为适合资源三号卫星影像融合的结论,其中绿波段与近红外波段的最佳组合比为9∶1。同时,分析了资源三号卫星影像融合后数据量大大增加、如何将近红外波段的波谱信息合理地加入到红、绿、蓝波段中等问题。     

特征级高分辨率遥感图像快速自动配准

随着遥感图像分辨率的日益提高,遥感图像的尺寸和数据量也不断地增大,同时随着遥感应用的发展,对图像配准的性能也提出越来越高的要求,基于此,提出一种特征级高分辨率遥感图像快速自动配准方法。首先,对图像进行Haar小波变换,基于小波变换后的近似图像进行配准以提高配准速度;其次,根据不同的遥感图像来源使用不同的特征提取方法(光学图像使用Canny边缘提取算子,SAR图像使用Ratio Of Averages算子),并将线特征转化为点特征;然后,依据特征点间最小角与次小角的角度之比小于某一阈值来确定初始匹配点对;最后,利用改进的随机抽样一致性算法滤除错误匹配点对,并结合分块思想均匀选取匹配点对计算仿射变换参数,进一步提高配准精度。为了验证本文方法的有效性,选择高分辨率World View-2图像、Pleiades图像和Terra SAR图像进行了实验,并与典型的SIFT算法、SURF算法进行比较分析,采用匹配率、匹配效率、均方根误差和时间消耗4个定量评价指标来客观评价算法的配准性能。实验结果表明,本文方法具有较好的有效性,且在不同的情况下具有较高的配准精度。本文提出的特征级高分辨率遥感图像快速自动配准方法,多组高分辨率遥感图像数据的配准实验结果表明该方法能快速实现并具有较高的配准精度和较好的鲁棒性。     

遥感数据融合的进展与前瞻

数据融合是提升遥感影像应用能力的重要手段,一直是遥感信息处理与应用领域的研究热点。本文系统综述了遥感数据融合的进展与前瞻:首先对数据融合的层次与分类进行了总结和归纳,将遥感数据融合划分为同质遥感数据融合、异质遥感数据融合、遥感—站点数据融合、遥感—非观测数据融合4大类;在此基础上,重点针对时—空—谱光学遥感数据的融合,从多视超分辨率融合、多尺度融合、空—谱融合、时—空融合、时—空—谱一体化融合等方面进行了详细阐述;最后总结了遥感数据融合的前瞻研究方向,包括时—空—谱一体化融合的拓展、空天地观测数据的跨尺度融合、传感网环境下的在线融合、面向应用的融合方法等。