运用SI-Harris算子提取遥感图像点特征

推导了SI-Harris算子(尺度不变Harris算子)的理论公式,并将其应用于遥感图像的点特征提取。重点对Harris算子与SI-Harris算子在不同空间分辨率遥感图像上的点特征提取进行实验比较,利用"重复率"指标对实验结果进行定量评价。实验表明:SI-Harris算子"重复率"较Harris算子有明显提升,可用于不同空间分辨率遥感图像的点特征提取,进而可服务于不同空间分辨率遥感图像的匹配。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与全色图像的融合,提出了基于IHS变换和小波包变换的遥感图像融合新方法.该方法首先对多光谱图像作IHS变换得到3个分量:亮度I、色度H和饱和度S;其次利用小波包变换融合方法融合多光谱图像的亮度分量与全色图像,并用融合后的图像替代多光谱图像的亮度分量;最后作IHS反变换得到新的多光谱图像.实验分析表明,新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法,在保留多光谱图像光谱信息的基础上,增强了融合图像的空间细节表现能力.     

综合水体指数的创建

在对NDWI和MNDWI等传统水体指数进行分析的基础上,本文提出了一种创建水体指数的新思路:将多光谱图像进行LBV和HSV等复合变换,综合利用变换前的多波段信息和变换后的新波段信息绘制地物光谱曲线,寻找水体的光谱特性,进行水体指数的创建。本文利用ETM+图像HSV变换后的Sat波段以及LBV变换后的V波段,创建了综合水体指数(SWI),并利用SWI进行了遥感影像水体信息自动提取实验。实验表明:利用SWI能准确提取水体信息,有效减少水体提取结果中的误提取像元。     

遥感影像亮度和反差分布不均匀性校正算法的效果比较

提出能同时消除亮度和反差分布不均匀现象的分块均值方差变换法, 重点对插值匀光法、MASK 匀光 法、同态滤波匀光法、Retinex 匀光法以及分块均值方差变换法的校正效果进行了实验比较。研究表明: 分块均值 方差变换法既能消除亮度分布不均匀现象, 又能消除反差分布不均匀现象, 而MASK 匀光法、插值匀光法、Retinex 匀光法只能解决亮度分布不均匀问题, 同态滤波匀光法仅能减弱亮度分布不均匀现象; 在匀光效果方面, 分块均 值方差变换法最好, MASK 匀光法次之, 插值匀光法紧随其后, 接下来是Re     

基于距离角度拟合的地图匹配算法

本文针对影像导航中矢量地图更新慢的问题,提出了利用地图匹配方法进行更新的思想,并介绍了基于遗传算法的匹配方法,同时为了纠正遗传算法在处理平行线时的错误情况,提出了距离角度拟合算法,并进行了实验,结果表明:改进的算法可以较好地纠正遗传算法的错误。     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

基于影像导航的影像管理技术

目前的导航系统中普遍使用的是矢量地图,这种地图拓扑关系明确,数据量小,但是无法满足导航高交互性的要求。针对这种问题提出了影像导航的概念,将遥感影像应用在导航领域。首先介绍影像导航的概念,然后对影像导航中的数据组织与管理方法进行了详细的介绍,并对其索引技术进行了分析,最后利用实验对其进行验证。结果表明,该技术可以较好的应用于影像导航中。     

基于端元独立性的端元数目自动获取方法

目前端元数目主要是图像处理者目视判读影像获得的经验值,往往与影像中实际典型地物种类数目不符合。根据端元数目取值不同时的分类结果均方根误差(RMSE)的大小,能够得到实际端元数,但该方法因多次分类导致计算量过大。本文在研究端元间光谱相关性与端元数目之间关系的基础上,提出一种基于端元独立性的端元数目自动获取方法。与基于RMSE的端元数目自动获取方法的对比实验表明,该方法不仅能够正确有效地获取实际端元数,提高端元提取自动化程度,而且能够大大减少运算时间。     

影像导航中的数据组织与索引

分析了传统的影像管理技术在影像导航系统中使用的一些不足,提出了适合于影像导航系统的管理技术,并利用Visual Studio平台对其进行了实现。试验表明,此技术可以明显提高效率。     

以凸面单体边界为搜索空间的端元快速提取算法

提出了以凸面单体边界为搜索空间的端元快速提取算法, 其核心包括凸面单体边界的确定和以凸面单体边界为基础的端元搜索两部分。实验表明: 该算法不仅能够准确地寻找到端元, 而且端元提取速度明显快于现有的端元提取算法。