改进的小波变换在多源遥感图像融合中的应用

在分析方向可调的小波变换与不可分离小波变换的基础上,以全色SPOT和多光谱TM遥感影像为数据源,结合可调小波变换与不可分离小波变换的优点,借助Matlab与ERDAS IMAGINE等工具,实现了改进的方向可调的不可分离框架小波变换的遥感影像融合处理.该方法与传统的融合方法相比,具有不可分离小波变换和方向可调性等优点,对图像的多分辨率信息的刻画比较精细,既能保持多光谱图像的光谱信息,又能保持全色图像的空间分辨率特性,从而提高了对影像的解译能力.     

小波变换在遥感图像处理中的应用综述

给出了小波变换的基本性质;综述了小波变换在遥感图像处理中的主要应用,特别是在图像数据压缩、纹理和边缘分析、图像插值处理和多卫星数据融合等方面的作用。从而认为小波理论在遥感图像处理领域有着广泛的应用前景。     

遥感数字图像处理中的降噪关键技术

本文先对小波变换的基本理论进行了简单的介绍,由于小波变换具有在时域与频域局部性的特点,多分辨率分析、低熵、相关性和选择基础的灵活性等,非常适合非平稳信号,图像分析和处理。并详细分析了基于小波变换进行图像去噪处理的原理和实现,并使用MATLAB处理遥感图像的噪声,最后,结合理论分析和实验例子讨论了小波分析的角色在遥感图像降噪处理,像元的均值和方差是用来评估降噪的效果,表明该方法是有效和可行的。     

多小波变换在遥感图像融合中的应用

介绍了多小波理论及对图像进行多小波分解和重构的方法,以全色(PAN)和多光谱(TM)遥感图像融合为例,提出了一种基于多小波变换的遥感图像融合方法。通过Matlab编程实验,比较了db4小波及Smooth、GHM和CL三种多小波的融合效果。     

基于Matlab的小波变换在图像压缩中的应用

小波变换克服了傅利叶变换在单分辨率上的缺陷,具有多分辨率分析的特点,在时域和频域都有表征信号局部信息的能力,从而使得小波理论在图像处理等领域得到广泛的应用。本文基于Matlab数学分析工具环境下从实验角度出发,探讨了小波变换在图像压缩中的应用和小波基的选取。     

小波分析理论与图像降噪处理

简要介绍了小波分析基本理论中的小波变换和小波包变换,重点论述了小波分析在图像降噪处理中的应用及其算法流程。在此基础上,利用Matlab R2007进行了图像去噪仿真测试,并对仿真结果进行了分析。结果表明,利用小波分析理论进行图像降噪处理,能够取得较好的降噪效果。     

基于小波变换的图像压缩技术

小波分析在图像处理中有很重要的应用,包括图像压缩,图像去噪等。二维小波分析用于图像压缩是小波分析应用的一个重要方面。该论文主要分析了EZW算法思想,并通过Matlab仿真说明小波变换理论在图像处理中所发挥的重要作用。     

基于遥感图像压缩的最佳小波分解层数研究

分析遥感图像特点及小波基的性质,选取D9/7和D5/3小波基进行遥感图像小波变换,采用分层树集合分裂算法(SPIHT)进行遥感图像压缩,并从信息熵的角度分析不同分解层数对图像压缩效果的影响.通过实验,得到了遥感图像压缩小波变换的最佳分解层数.     

基于小波变换的遥感图像压缩的研究

本文主要对小波变换在遥感图像压缩中的应用进行了研究,首先对小渡变换理论及其实现进行了简要的介绍,然后重点讨论了小波变换在遥感图像压缩中的应用.其中包括遥感图像压缩小波基的选择、以及使用Matlab软件利用本文提出的方法进行仿真试验.试验结果表明,将小波变换用于遥感图像压缩具有压缩比大,压缩效率高等优点.     

图像压缩中的顺序组合最优匹配小波

小波变换是图像压缩中的一个重要工具。二维图像在进行压缩变换时,因变换后系数需要进行截短,以及小波与图像可能不是最优匹配,因此使得重构后的图像能量损失较大。为了减少重构后图像能量损失,本文提出了顺序组合最优匹配小波构造方法;通过Woman图像,构造该图像的顺序组合最优匹配小波,并用该小波对其图像进行处理,最后与其他一些方法进行比较处理结果。     

基于HBase的遥感数据分布式存储与查询方法研究

遥感影像的存储与查询是地理信息处理中重要的内容,在海量遥感影像的实时处理中发挥着重要作用。针对传统的遥感影像处理中存在单节点故障、扩展性低和处理效率低等问题,提出了一种基于HBase的遥感数据分布式存储与查询方案。该方法首先采用均匀网格对遥感影像进行划分,并根据划分结果设计了一种基于网格ID和Hilbert曲线相结合的索引方案。然后,通过利用HBase的过滤机制设计了过滤列族,达到了在查询时筛选数据的目的。另外,采用MapReduce的并行处理方法对影像数据进行并行写入和查询。实验结果表明,与MySQL和MapFile相比,该方法可以有效地提高数据的写入和查询速度,且具有较好的可扩展性。     

Comparison between Two Spectral Mixture Analysis Methods based on IDL and MATLAB

Interactive Data Language (IDL) is a language in the development of application based on multiplatform and object\|oriented,which has significant advantages in data analysis and visualization.The MATLAB is a software with powerful features in the image of processing and programming in complex numerical analysis,which based on matrix calculation.Programming in combining the IDL with MATLAB,meanwhile using the Extended Linear Mixed Model for endmember unmixing in Hyperion images.To verify the results of endmember unmixing,adopted the Fully Constrained Least Squares for comparative analysis.The results showed that：The method of programming in combining the IDL with MATLAB not noly possess the advantages of both but also enhance the efficiency in programming,it is conducive to remote sensing image processing.Meanwhile endmember unmixing results show that：the Extended Linear Mixing Model unmixing has a higher accuracy when the proportion of local category in the image is large.On the contrary,the Fully Constrained Least Squares unmixing has a higher accuracy.     

遥感图像目标识别的并行处理方法

为提高遥感图像目标识别的速度，减少消耗的时间，提出了一种特殊的遥感图像目标识别的并行处理方法。基于这种方法，只需对串行识别算法做较少的改动即可实现遥感图像目标识别的并行化处理，无需设计专门的并行识别算法，以较低的代价解决了遥感图像目标识别耗时较多的问题。     

无人机影像匹配点云单木识别算法

针对单木识别研究中“局部最大值”算法因窗口大小设置不同而产生的单木漏识别与错识别问题,提出了联合“局部最大值”与“单木树冠结构分析”的单木识别算法。算法首先利用“局部最大值”获得候选单木;然后对候选单木树冠结构进行分析,提取树冠结构曲线;最后通过对树冠结构曲线判别,剔除、合并错识别与过识别单木,从而提高单木识别的精度。选取大兴安岭林区８个典型样地进行实验,以实测可见单木为参考,与窗口大小为1.0 m、2.0 m 的两种“局部最大值”算法进行比较。结果表明,该算法8个样地整体F 测度为90.45％,相比1.0 m、2.0 m 窗口的“局部最大值”法F 测度74.82％、77.35％,分别提高,15.63％,13.10％。     

基于多项式的遥感图像快速几何校正

遥感图像几何校正是遥感信息处理中的重要内容之一.提出了一种遥感图像的快速几何校正算法,该算法把畸变图像划分成多个子块,分别由多个处理块对子块进行重采样计算,在重采样计算上又使用最大限度地减少坐标变换的冗余计算方法.经实例证明了该算法能够有效地提高遥感图像的处理速度.     

基于模糊双支持向量机的遥感图像分类研究

遥感图像的分类是研究土地利用变化的基础。传统的遥感图像分类方法存在运算速度慢、精度比较低和难以收敛等问题。提出了一种基于模糊双支持向量机的多类分类方法,将模糊技术引入到双支持向量机中,赋予不同样本以不同的模糊隶属度,然后将模糊双支持向量机推广到多类分类中,最后将新方法应用到遥感图像分类中。实验表明,新方法比传统的支持向量机多类分类方法有较高的分类精度,并且有较强的抗噪声能力,在运行时间上也是可行的。模糊双支持向量机是一种有效的遥感图像分类方法。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力,提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法,该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性,对遥感图像像素进行聚类后划分为不同的组,然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后,对空间相似的块进行平均处理,实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪,峰值信噪比相比band-wise K-SVD算法提高了7.6%左右,同时具有更好的视觉效果。     

基于深度神经网络的遥感图像分类算法综述

准确、高效的遥感图像分类是遥感图像解析的重要研究内容之一。近年来,随着机器学习技术的发展,深度神经网络日渐成为一种有效的遥感图像分类处理方法。分析了遥感图像分类目前存在的一些问题,并简要阐述了几种典型的深度神经网络的原理结构;然后根据遥感图像分类的研究现状和深度神经网络对遥感图像分类的研究现状,总结了深度神经网络在遥感图像分类技术应用中的发展趋势。     

基于结构性字典学习的毛儿盖遥感图像去噪研究

遥感图像的噪声分析、评估和滤波作为遥感图像处理的研究重点而一直受到遥感应用领域的关注。为了进一步提高遥感图像的去噪能力，提出一种新的基于聚类的组稀疏字典学习多光谱遥感图像去噪算法，该算法能够综合利用多光谱遥感图像的空间局部性和光谱的全局性，对遥感图像像素进行聚类后划分为不同的组，然后通过字典学习获得多光谱遥感图像的空间、光谱字典和系数。经过阈值处理后，对空间相似的块进行平均处理，实现了对多光谱遥感图像的去噪。该算法用于岷江上游植被和土壤类型典型地区——毛儿盖实验区遥感图像的去噪，峰值信噪比相比band-wise K-SVD算法提高了7.6%左右，同时具有更好的视觉效果。     

基于GPU的遥感图像IHS小波融合并行算法设计与实现

遥感图像融合是遥感图像应用的一个重要处理步骤。随着遥感图像数据规模与融合算法计算复杂度的增大,遥感图像融合面临着处理速度的挑战。最近几年,GPU计算能力得到极大提升,面向通用计算的应用得到了快速发展。本文基于GPU编程模型和硬件特性,深入研究了遥感图像融合的并行加速算法,提出了适合融合执行流的并行映射模型。本文选取计算量大、计算精度高的IHS增强小波融合算法进行GPU并行设计,并针对主流的GPU平台在数据传输、循环优化、线程设计等方面进行了优化,最后在nVIDIA GTX 460 GPU上进行了实验。实验结果表明,本文设计的并行映射模型及优化策略能够很好地适用于遥感图像融合应用,最大加速比达到了114倍。研究表明,GPU通用计算技术在遥感图像处理领域具有广阔的应用前景。