用改进的广义Hough变换获取靶纸图像子像素级圆心坐标

在图像自动报靶系统中，运用广义Hough变换(GHT)快速地获取靶纸图像子像素级圆心坐标是其关键。但GHT存在着过多无效边界点参与运算，参数空间较大且均等细化等缺点，导致速度太慢而不能实用。在先验知识的导引下，本文对GHT求取圆心坐标的算法进行了有效改进，图像空间引入边界追踪算法，消除了无效边界点参与运算。参数空间则有效缩小并采取由粗到细两级量化结构。实践证明，改进后的GHT显著提高了求取圆心坐标的算法速度且获得了子像素级圆心坐标。     

嵌入式环境下大数据量像素地图配准

在嵌入式系统中,由于内存资源有限,若将大数据量像素地图一次性读入内存进行处理是不切实际的。该文通过构建图像金字塔模型,将像素地图分块、分层处理,对分块后的各标准块图像进行配准,利用其地理坐标与像素坐标之间的映射关系实现了标准块的无缝拼接,并通过实验验证了其有效性。     

高斯-克吕格投影下的坐标变换算法研究

在GIS中经常会遇到地理坐标和直角坐标相互转换的问题.通过对地理坐标与直角坐标相互转换原理的简要分析,根据高斯-克吕格投影平面下地理坐标转换为直角坐标的正算公式,提出了直角坐标转换为地理坐标的三种坐标反变换算法,即交替折半迭代法、先后折半迭代法和有理逼近法,分析了算法原理、设计了算法流程,并进行了对比分析.经计算与性能分析表明：三种算法的精确性基本一致,有理逼近法迭代速度最快、交替折半迭代法次之、先后折半迭代法再次之,但总体来说算法在精确性及实时性方面均能有效地满足实际应用需求.     

地理信息系统中的一种坐标变换算法

地理信息系统中坐标变换包含由球面坐标到平面地理坐标的转换和由平面地理坐标到屏幕相对坐标的转换。本文提出一种坐标变换算法，实现了由地理坐标到屏幕相对坐标的转换，并在某地理信息系统中进行了应用，取得较好的应用效果。     

基于高斯混合模型的纹理图像分割

纹理图像分割是图像处理的一个基本问题。由于基于高斯混合模型的纹理图像分割方法．大多采用单像素的方法，因此分割精度和效率都较低。为了更好地进行纹理图像分割，在子空间思想的基础上，提出了一个基于图像块的分割算法及其改进算法，即先取图像块的均值、标准差、最大值、最小值以及中间像素的像素值等5个特征作为纹理特征，再利用高斯混合模型进行纹理图像分割，实验结果表明，该新算法的分割精度和分割效率较原分割算法都有较大提高。     

高压承载下的桥梁挠度形变检测方法仿真研究

研究桥梁挠度形变准确检测问题.桥梁受到外界压力的影响,会发生局部的断面挠度形变.由于挠度形变不均匀,且形变程度极小,因此过小的形变导致在远程坐标转换过程中,常常发生坐标对应错误,导致形变部位基准坐标点不准.传统的采用GPS技术,在检测中依靠形变部位的坐标值进行形变检测,转换后的坐标误差会导致形变特征对应不准,造成检测的准确性不高.提出了一种采用计算机视觉图像最大熵算法的桥梁形变检测方法.利用二值化方法,计算桥梁图像中边界像素的有效分布,对像素计算边界的最大熵,通过设定合理的阀值,计算桥梁形变,避免转换误差的发生.实验结果表明,提出的算法能够提高桥梁在高压力下的形变检测准确性.     

基于“前照法”的LAMOST光纤位置提取

LAMOST（大天区面积多目标光纤光谱天文望远镜）的整个系统对光纤定位单元的定位精度要求较高，为了使LAMOST可以精确对准天体目标，需要有一套光纤定位单元的位置检测装置可以高精度、高效地在大尺度范围内同时对数千个光纤位置目标进行精确检测。主要研究“前端照明图像处理方法”的光纤位置检测，通过对图像的预处理，采用基于半径的霍夫空间转换和最小二乘法拟合圆心的图像处理算法获取光纤的像素坐标，相比于传统的前端照明的图像算法提取像素位置，显著提高光纤位置像素坐标的检测精度和准确性，减少干扰光斑的影响，并通过实际拍摄验证前照法的稳定性，可以满足LAMOST的使用要求。     

虚平面映射:深度图像内部视点的绘制技术

首先推导与归纳了图像三维变换中像素深度场的变换规律,同时提出了基于深度场和极线原则的像素可见性别方法,根据上述理论和方法,提出一种基于深度图像的建模与绘制(image-based modeling and rendering,简称IBMR)技术,称为虚平面映射.该技术可以基于图像空间内任意视点对场景进行绘制.绘制时,先在场景中根据视线建立若干虚拟平面,将源深度图像中的像素转换到虚平面上,然后通过对虚平面上像素的中间变换,将虚平面转换成平面纹理,再利用虚平面的相互拼接,将视点的成像以平面纹理映射的方式完成.新方法还能在深度图像内侧,基于当前视点快速获得该视点的全景图,从而实现视点的实时漫游.新方法视点运动空间大、存储需求小,且可以发挥图形硬件的纹理映射功能,并能表现物体表面的三维凹凸细节和成像视差效果,克服了此前类似算法的局限和不足.     

基于快速SLIC的图像超像素算法

针对SLIC(Simple Linear Iterative Clustering)算法在超像素聚类过程中耗时较长的缺陷,提出一种基于快速SLIC的图像超像素算法。该算法首先剔除在颜色空间上与聚类中心相似度较低的像素,从而仅用部分近邻像素更新聚类中心,以确保聚类中心快速达到稳定并阻止误差传播,提高边缘命中率;其次,在初始化网格后,将每个超像素的边缘像素视为不稳定像素,将超像素的非边缘像素视为稳定像素并保持稳定像素的类别不变;最后,通过对不稳定像素进行迭代标记来实现快速超像素图像分割。在MATLAB环境下分别对所提算法与6种对比算法进行测试,在超像素个数相同的情况下,所提算法在BSD500数据集上与经典的SLIC算法相比分割误差率降低5%,分割精度提高0.5%,运行时间减少0.18 s。实验结果表明,与主流的超像素算法相比,所提算法在提升超像素分割质量的同时能够有效降低算法的计算复杂度。     

一种快速鲁棒核空间图形模糊聚类分割算法

针对现有鲁棒图形模糊聚类算法难以满足强噪声干扰下大幅面图像快速分割的需要，提出一种快速鲁棒核空间图形模糊聚类分割算法。该算法将欧氏空间样本通过核函数映射至高维空间；采用待分割图像中像素邻域的灰度和空间等信息构建线性加权滤波图像，对其进行鲁棒核空间图形模糊聚类；并引入当前聚类像素与其邻域像素均值所对应的二维直方图信息，获得鲁棒核空间图形模糊聚类快速迭代表达式。对大幅面图像添加高斯和椒盐噪声进行分割测试，实验结果表明:本文算法相比基于图形模糊聚类等分割算法的分割性能、抗噪鲁棒性和实时性有了显著提高。     

利用遗传算法实现不同遥感影像的河道信息自动提取

凌汛遥感监测需要获取发生凌汛河段的整体信息,然而单幅遥感影像很难覆盖发生凌汛的所有河段,多幅遥感影像之间又存在着不同的尺度缩放和变形,其上的河道信息无法直接拼接使用.为了获得整条河流的凌汛信息,必须进行河道信息的自动提取和拼接.首先从理论上分析了不同尺度遥感图像上河道的特征,建立了不同尺度遥感影像上河道对应点之间的数学变换模型,然后利用遗传算法对变换参数进行优化求解,实现了不同尺度河道信息的最小化偏差拼接.从处理的结果看,该算法具有较强的稳定性,收敛速度较快.该算法还可以用于不同尺度遥感影像上其他地理特征的拼接与整合.     

数据密集型计算的遥感图像预处理方法

针对大数据时代,数据密集型计算已经成为国内外的一个研究热点. 遥感数据具有多源化、海量化特点,是名副其实的大数据. 研究适用于遥感影像自动化、业务化处理的数据密集型计算方法,是目前遥感应用技术面临的挑战所面临的挑战,本文提出了一种基于数据密集型计算的遥感图像处理方法. 在文中,首先围绕遥感数据自动化、业务化预处理等问题,深入调查和分析了国内外研究现状,进而介绍了系统体系结构,通过工作流灵活组织多种算法模型协同工作,设计以“5并行1加速”的计算体系解决数据密集型的遥感图像预处理,并通过产品生产实例对其性能进行测试. 结果表明,该系统在保证处理精度的前提下,大大提高了遥感大数据预处理的效率.     

多线程遥感影像实时渐进传输

目的 针对异构网络环境下,不同终端用户对遥感影像质量的不同需求而导致的影像数据量过大、传输及显示延迟过长等问题,提出一种在线压缩—实时传输—实时解压缩的遥感影像渐进传输模型。方法 模型采用多线程流水线同步处理的加速算法,将基于质量渐进压缩的SPIHT算法与多线程流水线技术相结合,在VC++环境下,将遥感影像在线压缩成码流,在压缩的同时,启动多线程采用Socket信道对压缩码流实时发送,客户端收到码流后,利用多线程实时解压缩并显示。通过采用多线程技术,使得压缩、传输和解压缩同步进行,从而减少了整体处理时间。结果 实验结果表明,提出的实时压缩渐进传输模型,在不影响影像质量的前提下,算法处理速度提高近2倍。每个渐进分层影像与原影像的相似度比多分辨率渐进压缩分层影像与原影像的相似度平均增加20%。结论 该模型有效地解决了遥感影像渐进传输过程中压缩、传输和解压缩的不同步问题,从而提高了渐进传输效率。与多分辨率渐进传输比较,此渐进传输模型具有更好的视觉效果。     

Hough变换在消除遥感图像随机相位相干干扰中的应用

遥感云图在气象,军事,生态生活等领域都有着广泛的应用,但是,由于在多通道扫描辐射计成像过程中部分子系统的影响,不可避免地在信号通道中耦合进一些相干干扰,这些干扰的存在将在一定程度上影响对遥感云图特征提取,目标识别等定量分析方法的有效性,因此必须将图像中的相干阳以中抑制,在对相干干扰特性进行分析并比较已有的几种消除方法的基础上,提出了基于二维频域分析的 变换域Hough变换算法,实验表明,与邻域平均,中值滤波,经典频域滤波等消除干扰算法相比,该算法不仅能高质量地消除图像中的随机相位干干扰,同时还能有效地保留原图像中的细微影纹和边缘信息,并在航天遥感图像的实时采集及处理系统中获得成功应用。     

热红外与多光谱遥感图像的神经网络回归融合方法研究

为验证神经网络方法用于遥感图像融合的有效性,归纳了利用神经网络对遥感数据进行回归来实现融合的3种途径,并提出了一种结合图像数据回归和多光谱遥感图像锐化技术来实现热红外图像的全色锐化新方法。这种热红外图像的全色锐化方法,利用了极限学习机（ELM）这种新型神经网络算法,快速高效地由训练样本得到遥感图像数据间的回归关系;同时,方法注重图像数据本身的物理含义,以提高热红外图像数据的真实质量为目标,是一种定量化的图像融合方法。经这种方法融合得到的热红外数据也能很好地用于定量遥感的物理模型,为遥感的实际应用提供方便。该方法的有效性通过对ETM+图像进行实验得到了证明,而直接对热红外图像数据和全色图像数据进行回归的融合模式,在实验中则无法得到满意的结果。     

一种卫星遥感影像村庄区域提取算法

卫星遥感影像提取村庄区域在地理和气象领域均有十分重要的意义.针对卫星遥感影像的特点,提出了一种村庄区域提取方法.利用改进的去雾算法对卫星遥感影像进行预处理,通过遥感卫星影像的颜色特征实现分割,结合村庄区域分布特点进行去噪处理,实现卫星遥感影像村庄区域的提取.实验结果表明:该算法能够对卫星遥感图像中不同类型村庄区域进行提取,且提取准确率高,可以应用于地理以及气象等领域.     

基于有监督模糊C-均值算法的混合像元分解

遥感影像中普遍存在混合像元,混合像元的分解是遥感图像处理的一大难点,同时也是人们研究的热点。使用有监督的模糊C-均值算法对遥感影像的混合像元进行分解。在传统的模糊C-均值算法的基础上结合先验知识引入优化初始聚类中心的方法,结合通过降采样产生的模拟数据、ETM遥感影像和MODIS遥感影像对算法性能进行了实验。结果表明,算法适用于多光谱遥感图像的混合像元分解,是一种简易可行的方法。     

基于控制点配准算法的无人机遥感影像自动无缝拼接技术

传统无人机遥感影像自动无缝拼接技术无法精准匹配影像信息,导致无人机遥感影像拼接结果出现大量缝隙,拼接效果差。因此提出了基于控制点配准算法的无人机遥感影像自动无缝拼接技术。遵循无人机影像成像原理,获取无人机遥感影像,并将数据以图像格式文件形式存储。设置阈值,剔除最邻近域和次邻域比值大于阈值的控制点,对影像坐标平移和缩放数据标准化处理,彻底消除坐标变换对图像配准影响。构建相似变换矩阵,获取新的控制点集,使用直接线性变换算法预估变换矩阵,得到线性解。经过粗、细配准,确定不同图像重叠区域。搜索最佳拼接线,使用加权平均融合法消除拼接缝,由此设计拼接流程。由实验结果可知,该技术能够精准匹配影像信息,检测到影像最大分辨率为1000*800,具有良好拼接效果。     

用立体影像匹配和数学形态变换自动生成DEM

数学形态学已经成为计算机图象处理的一个重要研究领域 ,并在遥感影像分析中得到了卓有成效的应用 .将数学形态学的理论方法引入了建立数字高程模型 (DEM)的研究 ,提出了一种利用立体象对 ,自动匹配识别同名点并提取地表三维坐标 ,继而用数学形态变换建立 DEM的方法 .该方法首先利用正交小波变换对影像进行分解、重建、特征提取 ,并利用影像与特征结合的匹配方法进行亚像素匹配 ;然后根据匹配得到离散的地面点数据 ,用形态变换的方法构建泰森多边形、Delaunay三角网 (TIN) ;最后内插成格网 DEM.试验证明 ,该方法具有数据结构简单、运算速度快、精度好等优点 .     

基于深度学习的遥感图像微小目标检测方法研究

遥感图像中含有大量的微小目标,只有准确检测到这些微小目标,才能实现远程目标的识别与跟踪。为了给远程跟踪工作提供有效的辅助工具,以深度学习算法为技术支持,优化设计遥感图像微小目标检测方法。利用硬件设备实时采集包含微小目标的遥感图像,通过几何校正、灰度化转换、噪声抑制、去雾以及图像增强等步骤,完成初始图像的预处理。通过前景与背景图像的分割,选择遥感图像中的待检测目标。构建深度卷积神经网络作为深度学习算法的运行环境,经过前向传播、反向传播提取遥感图像特征。最终通过特征匹配,得出包含微小目标数量以及位置坐标的检测结果。通过性能测试实验得出结论：与传统遥感图像目标检测方法相比,优化设计方法的查准率和查全率分别提高了6.3%和10.74%,目标位置检测误差得到明显降低,且响应时间缩短了2440ms,由此证明优化设计方法具有良好的检测性能。