遥感影像的正射校正方法比较

遥感影像的近似正射校正方法包括共线方程法、基于仿射变换的严格模型、改进型多项式、有理函数模型、神经网络图像校正等等。目前还缺乏对这些方法进行系统比较的研究。在介绍上述几种方法原理的基础上，总结了不同正射校正方法的优缺点；重点分析了有理函数模型的数学推导和算法实现，将Tikhonov正则化方法引入有理函数模型解算过程；探索性应用了两种神经网络模型校正遥感影像；通过实验进行了各种正射校正方法之间的精度和效率比较。实验结果表明：在相同的控制点和已有数据条件下，有理函数模型精度最高，可达子像素级，但模型计算速度相对其它算法稍慢一点。
     

高分辨率SAR正射影像制作精度控制

以SAR正射产品生产的流程工艺为序,从精度控制的角度出发,着重对影响SAR影像正射产品精度的相关因素进行理论分析,并以同一地区不同入射角的5景Radarsat-1 SAR影像为实例,结合实地GPS采集的140个控制点给出了生产高精度SAR影像正射产品的相关实验结论和生产建议。     

面向西部测图困难地区稀少控制下的TerraSAR-X影像快速正射纠正

针对TerraSAR-X新型雷达卫星影像,基于距离-多普勒(R-D)模型,提出了一种稀少控制下SAR影像正射纠正的方法,并详细阐述了整个处理过程。同时,选用西部横断山脉地区和陕西阎良地区的TerraSAR-X影像作为实验数据,充分利用其高精度的头文件参数信息及5个地面控制点和DEM,分别对其进行正射纠正,阎良地区的纠正精度约为5m,横断山脉地区的纠正精度约为11m,满足了1∶5万的测图精度要求,并对二者的实验结果进行了比较分析。另外,考虑到TerraSAR-X影像数据量大的问题,本文还阐述了运用影像分块处理结合双线性内插原理加快处理大幅SAR影像正射纠正处理的方法,实验表明该方法相对逐像点对SAR影像正射纠正处理,大大提高了处理速度,从而证明了该处理过程的高效性和实用性。     

星载合成孔径雷达影像正射纠正算法的研究与实现

概述了目前国内外对雷达影像进行正射纠正的算法,分析了星载合成孔径雷达的成像几何原理。阐述了距离-多普勒理论,并将该理论应用到SAR正射纠正,进行了计算机实现,设计了相应的程序模块。用ERS-2产品进行实验的结果表明,这种纠正方法精度比较高,纠正后影像效果好,可以应用到SAR产品的几何处理上。     

Landsat-8长条带影像正射校正

目的 Landsat-8传感器采用线阵推扫式成像,通过分景处理获得标准景产品。面对大范围遥感数据需求,长条带数据具有更高的应用价值。长条带数据的一般获取方法是通过拼接标准景正射产品的方式,该方法处理效率不高,并且当条带中某景由于云覆盖量较多无法生产正射产品时,将无法通过多景拼接的方式生成相应的长条带正射产品。针对此方法存在的问题,本文提出一种Landsat-8长条带影像的正射校正方法。方法 以长条带影像为整体,通过控制点匹配、长条带几何精校正和正射校正3个部分,直接生成长条带级别的正射校正产品。在长条带几何精校正过程中,提出了Landsat-8的基于轨道约束的长条带平差模型及控制点优化选取方法。结果 在15景的条带长度范围内,本文方法生成的长条带正射产品的几何精度在12 m以内,满足Landsat-8正射产品的精度要求,且处理效率相较于标准景拼接方式提升1倍左右;对于云覆盖较多的景,利用连续3景进行长条带正射校正,可以得到与标准景正射产品几何精度相当的长条带正射产品。结论 本文提出的长条带处理方法,在一定长度范围内,能够得到满足Landsat-8正射产品的精度要求的长条带正射产品,处理效率得到较大提高,且能够有效克服传统方法中云覆盖情形对长条带产品获取的限制。     

1∶1万DEM的生成及SPOT-5卫星数据正射校正

丘陵、山区利用地面高程模型(DEM)进行正射校正是消除或限制投影误差的重要方法。通过对丘陵、山区1∶1万地形图中的等高线、高程点、特征线等地形要素进行数字化处理及不同坐标系的转换等,制作生成符合规范要求的高精度的1∶1万DEM。对SPOT-5卫星影像数据进行了配准、融合及几何校正,辅助利用1∶1万DEM制作完成符合精度要求的正射影像图。1∶1万DEM及正射影像图的制作完成对全省类似地区的图件更新及地理信息系统建设具有重要的参考价值。     

基于模拟成像点的星载SAR图像校正及精度研究

随着星载SAR的发展以及SAR图像应用的深入,对星载SAR图像进行几何校正从而实现精确定位也越来越重要。结合已有的两类校正方法,提出了用GCP点模拟成像点来校正星载SAR图像的算法。重点描述了模拟GCP成像点的原理、映射模型的建立及算法步骤,并与其它两类方法在算法流程上作了分析、比较。最后用实际Radarsat图像作了试验以分析这种方法的精度,并给出结论。     

推扫式光学卫星遥感影像产品三维几何模型研究及应用

推扫式光学卫星遥感影像系统校正与精纠正的几何模型通常用一个二维仿射变换模型表示,系统几何校正产品和精纠正产品中仍然包含了地形起伏信息。为了对这些信息加以应用,本文仿照RFM(有理函数模型)用于辐射校正产品几何处理的思路,提出利用RFM对系统几何校正产品、精纠正产品求解RPC参数并进行三维几何处理的技术和方法。分别利用一景北京地区10m和2.5m分辨率SPOT5 HRG各级影像产品进行了正射纠正试验,利用北京地区两景异轨5m分辨率SPOT5 HRG的各级影像产品进行了立体定向试验,结果表明,各级影像产品的三维几何模型可以用三阶分母不相同的RFM替代,与直接应用辐射校正产品影像模型进行正射纠正和立体定向的精度一致。     

基于AROP程序包的类Landsat遥感影像配准与正射纠正试验和精度分析

遥感影像的精确配准和正射纠正是进行图像融合、变化检测、图像镶嵌、定量遥感建模、多时相和多传感器影像协同应用的基础和前提。以美国国家航空和航天管理局下设LEDAPS(Landsat Ecosystem Disturbance Adaptive Processing System)课题组开发的配准与正射纠正程序包AROP(Automated Registration and Orthorectification Package)为例,详细阐述了其配准的原理与程序设计流程,并对其配准的精度进行了分析和评价。试验表明:AROP程序包算法能够找出足够的控制点,且控制点分布较为均匀,配准误差小于0.5个像元。误差特征表现为:扫描误差明显大于航向误差,误差的结果与影像漂移、DEM、坡度存在一定的相关性,高程和坡度是影响配准精度的主要因素之一。该程序包目前能够用于对我国CBERS影像的正射校正以及波段不匹配处理,但是对HJ卫星CCD影像数据配准还有待于进一步研究。     

高分一号多光谱高分相机全色图像正射精度验证与分析

采用有理函数模型对高分一号卫星多光谱高分辨率相机(PMS)传感器全色图像进行正射校正,采集检查点检验正射后全色图像几何精度,获取全色图像的正射精度,为用户了解高分一号卫星全色图像正射精度提供参考依据。试验结果表明,高分一号卫星2m分辨率的全色图像正射精度为1.6m,折合成像素精度为0.8个像素,能满足1∶1万比例尺地形图更新要求。经过初步分析,高精度高程数据能进一步提高高分一号卫星全色图像的正射精度。     

能量图空间分解法和DSW相结合的步态识别

提出一种能量图空间分解法和DSW（动态空间规整法）相结合的步态识别算法;提取二值化步态轮廓序列,通过计算差分图像获取步态序列的活动能量图,在空间域进行行列分解;通过加窗和傅里叶变化等对分解向量进行频谱分析,并对频谱曲线求极值来构建步态特征向量;采用DSW算法,进行空间领域的步态分类识别。使用中科院自动化研究所的Dataset B数据库进行了充足的实验,最终的平均识别率达到了93%,并对衣服背包具有较强的鲁棒性,与其他相关文献的对比显示该算法具有更好的识别性能。     

青光眼眼底图像的迁移学习分类方法

针对目前缺少大型公开已标记的青光眼数据集,为了解决小样本学习能力不足、分类精度低等问题,提出一套基于迁移学习的青光眼眼底图像识别系统。对获取的青光眼眼底图像进行去噪、删除多余背景、提取感兴趣区域（ROI）、图像增强等预处理操作。在VGG16网络的基础上,对全连接层进行重新设计,得到一个简化的深度神经网络模型Reduce-VGGNet（R-VGGNet）。R-VGGNet网络在训练过程中,其卷积层与池化层继承VGG16模型在ImageNet数据集上预训练得到权值参数,全连接层的参数则根据青光眼数据集进行自适应调整。针对不同的网络结构和不同的训练策略进行了性能测试以及不同分类方法的对比实验。实验结果表明：基于R-VGGNet网络模型的识别方法提高了判别青光眼患者的准确率,可达91.7%,为临床医生诊断治疗提供了良好的解决方案。     

顾及局部特性的CNN在遥感影像分类的应用

深度学习的方法在图像识别和自然语言处理等方面展示了优异的性能。将卷积神经网络（Convolution Neural Network,CNN）用于高分辨率遥感影像分类。针对CNN用于遥感影像分类使用固定大小窗口遍历时,影像采样窗口数量过多,导致的分类效率低下问题,提出一种基于影像区域特性的采样窗口确定方法,提高分类效率。影像分类包括两个阶段：首先,利用卷积神经网络得到的特征对影像进行分类;然后,采用支撑向量机对第一步分类由于特征区分性不足造成的错分地物类别进行再分类。采用具有不同特性的遥感影像对所提方法进行了验证,实验结果表明,同现有的特征表示和分类方法相比,该方法的性能有明显改善。     

核非负矩阵因子及其在表情识别中的应用

提出了一种基于核非负矩阵因子分解的人脸表情识别方法。该算法引入核函数并结合NMF进行表情特征提取,称之为PNMF、GNMF。与NMF等不同,PNMF、GNMF通过基于核的非线性映射可从原始表情数据中提取更多的有用信息,包括线性的和非线性的,尽可能地保留原始的表情信息。基于CED-WYU（1.0）和JAFFE两个表情数据库的识别结果表明,基于核的NMF特征提取方法能有效地提高识别率及效率。     

遗传算法在医学图像自适应融合中的应用

为了解决现有融合方法间的优点不易综合,以及融合规则不易根据图像后续处理的要求自适应地调整的问题,提出一种基于遗传算法的医学图像融合方法。分别利用形态学金字塔和平移不变性小波变换方法产生初始图像,构造由图像评价组成的目标函数,再利用遗传算法来优化目标函数从而获取最终的结果图像。通过实验,从主观视觉和标准方差、平均梯度、熵、空间频率、均方交叉熵等定量指标两方面,证明了该方法的有效性。     

基于SPCA和域变换递归滤波的高光谱图像分类

提出一种基于分割的主成分分析（Segmented Principal Component Analysis,SPCA）和域变换递归滤波（Domain Transform Recursive Filtering,DTRF）的高光谱图像分类算法。利用SPCA方法降低高光谱图像的维数和提取各波段子集的第一主成分。使用不同参数的域变换递归滤波器对各波段子集第一主成分进行滤波,形成堆叠的边缘保持滤波图。采用主成分分析（Principal Component Analysis,PCA）将堆叠的边缘保持滤波图进行特征融合。利用基本阈值分类器（Basic Thresholding Classifier,BTC）对融合后的主成分进行分类。仿真实验表明,所提方法能够提高分类精度,且在总体分类精度、平均分类精度、Kappa系数等方面优于已有方法。     

基于多特征和改进SVM集成的图像分类

现有图像分类方法不能充分利用图像各单一特征之间的优势互补特性,提取的特征中存在大量冗余信息,从而导致图像分类精度不高。为此,提出一种基于多特征和改进支持向量机(SVM)集成的图像分类方法。该方法能提取全面描述图像内容的综合特征,采用主成分分析对所提取的特征进行变换,去除冗余信息,使用支持向量机的集成分类器RBaggSVM进行分类。仿真实验结果表明,与同类图像分类方法相比,该方法具有更高的图像分类精度和更快的分类速度。     

风云二号气象卫星图像自动几何精校正

介绍了一种风云二号（FY-2）卫星图像自动几何精校正系统和方法。首先获得标称图坐标系下的二值化地标模板,然后通过Bayes后验概率,获得二值化FY-2待匹配图像;通过最大相关系数方法将地标模板与FY-2标称图进行匹配,获得地标偏移量;再通过质量控制获得匹配成功的地标对,实现自动的地标匹配。最后,应用DLT变换对FY-2图像进行几何精校正。大量的测试数据表明,该方法能够有效改进FY-2可见光通道图像定位精度。几何精校正后,可见光通道图像在南北方向上的定位精度提高了31.06%,东西方向上的定位精度提高了45.21%。分析指出FY-2可见光通道图像几何精校正前后,定位精度在星下点地方时正午前后均达到最佳状态,且南北方向上的定位精度优于东西方向上的精度。同时,统计分析结果表明,提出的方法成功率达到95.29%。     

基于颜色自相关图和互信息的图像检索算法

颜色特征是重要的图像视觉特征,颜色相关图则是当前基于内容的图像检索中常用的特征描述符,但现有基于颜色相关图的图像检索算法存在计算复杂度高、检索精确度低的问题。为此,提出基于颜色自相关图和互信息的图像检索算法。给出一种新的颜色特征描述符——颜色互信息,通过计算颜色相关图特征矩阵中每个颜色与其周围颜色的平均互信息,得到不同颜色之间的全局及空间分布特性,并作为新的颜色特征矢量,以降低计算复杂度。同时采用外部特征矢量归一化方法结合颜色互信息与颜色自相关算法,以提高检索精确度。实验结果表明,该算法可有效降低计算复杂度,提高实时响应性能和检索精度。     

CNN和Transformer在细粒度图像识别中的应用综述

细粒度图像识别旨在从类别图像中辨别子类别。由于图像间只有细微差异,这使得识别任务具有挑战性。随着深度学习技术的不断进步,基于深度学习的方法定位局部和表示特征的能力越来越强,其中以卷积神经网络（CNN）和Transformer为基础的各类算法大大提高了细粒度图像识别精度,细粒度图像领域得到了显著发展。为了整理两类方法在细粒度图像识别领域的发展历程,对该领域近年来只运用类别标签的方法进行了综述。介绍了细粒度图像识别的概念,详细阐述了主流细粒度图像数据集;介绍了基于CNN和Transformer的细粒度图像识别方法及其性能;最后,总结了细粒度图像识别未来的研究方向。