基于卫星影像技术的海岸线水域变化高精度检测系统设计

针对目前研究的海岸线水域变化检测系统在检测过程中,存在系统检测精度较低,检测稳定性较差,检测时间较长的问题,设计了基于卫星影像技术的海岸线水域变化高精度检测系统。采用STM32C8T6为主控芯片的主控器,进行高效的数据处理和网关通讯,以多光谱传感器为核心检测设备,通过采集光学数据,生成海岸线水域图像。利用XL1509-5.0芯片为核心的外接电源,供给系统电源设备,以OUTPUT作为电源开关的输出引脚,便于主控器对电源进行控制,完成系统硬件设计。采用卫星影像技术,对采集图形进行滤波处理、降噪处理以及图像二值化计算,嵌入Linux操作系统和MySQL数据库,高精度检测采集图像,完成系统软件设计,实现海岸线水域变化高精度检测。实验结果表明,设计的基于卫星影像技术的海岸线水域变化高精度检测系统的检测稳定性较好,能够有效实现海岸线水域变化高精度检测,缩短海岸线水域变化检测时间。     

基于局部加权拟合算法的无人机遥感影像多尺度检测技术

目前提出的无人机遥感影像多尺度检测技术平均图像灰度较差,导致检测结果清晰度较低;为了解决上述问题,基于局部加权拟合算法研究了一种新的无人机遥感影像多尺度检测技术,选用最小二乘法进行多次循环计算,确定周围区域重复率,通过抽稀处理提高数据精度;根据高斯金字塔得到n阶的影像序列,利用高斯金字塔和差分尺度划分完成遥感影像的特征提取;引入加权拟合算法,构建有效影像数据集,确定影像网络模型,从而完成合并,实现影像数据的检测;实验结果表明,基于局部加权拟合算法的无人机遥感影像多尺度检测技术能够有效提高平均图像清晰度,增强检测结果的清晰度。     

基于图像分割的无人机遥感影像目标提取技术

为全面增强遥感影像上地物波谱的反射特性能力,实现对无人机目标的无误提取,提出基于图像分割的无人机遥感影像目标提取技术;在类哈尔滤波器结构的支持下,按照区域环境中地物目标的颜色特征,完成低层影像特征的量化处理,实现基于图像分割技术的无人机遥感深度图获取;定义与无人机遥感影像相关的基本名词,通过原始特征选择的方式,判定地物波谱的平均反射特性水平,得到准确的特征元素相关性测度数值,完成无人机遥感影像的目标融合处理;在此基础上,分割多分辨率条件下的影像目标,在定义图像纹理与尺度条件的同时,得到最终的地物提取结果,实现基于图像分割无人机遥感影像目标提取技术的应用;对比实验结果表明,在初始采集相位条件及亚像素条件下,目标地物的波谱宽度均超过7.0μm,遥感影像的反射特性能力大幅提升,满足对无人机目标无误提取的实用需求。     

多时相遥感影像变化检测系统设计与实现

针对遥感卫星影像数据量大,计算时间长等特点,在高性能集群并行处理环境下,研究了长时间序列遥感卫星影像变化信息快速提取技术,设计并实现了一体化变化检测工艺流程及系统框架,为多时相遥感卫星影像变化检测提供了高精度、快速的方法与平台。以广东某地区为试验数据,研究表明,与传统变化检测方法相比,进一步提高了变化信息提取精度,并可以获得良好的并行加速比,并行效率高,能够满足大规模遥感数据的变化检测。     

基于自适应末端滑膜控制的无人机倾斜摄影测量技术

传统的无人机倾斜摄影测量测量数据有效率低,得到的摄影图片清晰度差。为了解决上述问题,基于自适应末端滑膜控制研究了一种新的无人机倾斜摄影测量技术,利用垂直影像摄影,将数据进行初步收集追踪,并对倾斜摄影图像进行记录,结合空中三角测量方法,加强数据自身主导性,同时为无人机监测系统提供较好的数据来源,强化系统内部数据联合功能,在多视影像联合的过程中注意充分考虑影像间的遮挡关系及遮蔽条件,在经过对影像数据的联合收集后,对无人机倾斜摄影数据进行数据匹配操作,提升数据的整合性,并通过数据整理加强摄影影像的可操作性,利用无人机作为影像传输主要载体,进一步加强对倾斜影像的监测,确定影像空间位置,在数据集中的过程中加大滑膜控制,并经过控制点坐标及连接线方位确定辅助数据的具体位置。实验结果表明,基于自适应末端滑膜控制的无人机倾斜摄影测量技术能够得到更加清晰的摄影图片,测量数据的有效率提高了25.21%。     

基于倾斜测量技术的区域无人机航空应急测绘系统设计

对灾区实际数据进行精准的获取、处理与传输是应急测绘中迫切需要解决的问题。为提高提高区域无人机航空应急测绘精度,利用倾斜摄影测量技术,从硬件和软件两个方面,设计区域无人机航空应急测绘系统。设计传感器、驱动器和航空控制器,保证无人机能够按照指定航线飞行,加设倾斜摄影元件,为倾斜摄影测量技术提供硬件支持,调整无人机航空发动机保证飞行动力,根据应急情况对硬件设备进行特殊处理。在测绘区域内,规划无人机的航行轨迹,利用倾斜摄影测量技术,获取区域影像数据。通过匀光匀色、畸变校正两个步骤,实现初始影像的预处理。计算区域主体的几何数据,通过制图与标注,得出系统的应急测绘结果。系统测试结果表明,设计系统的测绘范围更大,主体面积和位置的测绘误差分别降低约0.7km2和1.2km2,能够有效提高区域无人机航空应急测绘精度。     

基于多源卫星遥感的灾害性气象观测数据监测系统设计

灾害性气象的频发不仅给人们的生活带来了极大的影响,而且还危及生态环境的稳定。为减小实测气象数据与真实数据样本之间误差,实现对灾害性气象观测数据的准确监测,设计基于多源卫星遥感的灾害性气象观测数据监测系统。设置温湿度传感器及防辐射罩,按照数据信息传输网络布局形式,将风速风向传感器、雨量传感器、太阳能控制器接入既定模块单元之中,完成监测系统的硬件设计。利用多源卫星遥感技术,定义多源影像空间,通过分解数字卫星图像的方式,确定监测极值点所处位置,并计算相似性度量指标的具体数值,完成基于多源卫星遥感的灾害性气象图像配准处理。根据上位机组网模型,完善WINSOCK控件的连接形式,实现监测系统的执行程序编制,联合相关传感器元件,完成基于多源卫星遥感的灾害性气象观测数据监测系统设计。实验结果表明,多源卫星遥感技术设计系统的湿度测量曲线、气压测量曲线、风速测量曲线与真实气象数据样本之间的误差值均未超过2%,能够准确监测灾害性气象观测数据。     

遥感影像变化检测研究进展

随着遥感技术的迅速发展,利用不同的技术手段实现遥感影像变化检测作为主流趋势之一,能够对同一地域在不同时间段的遥感数据检测出变化的特点和类型。本文针对遥感影像变化检测方法进行总结、分析和对比,对变化检测研究进展进行了详细的叙述。首先阐述了遥感影像变化检测实现的流程的三个方面：数据处理、信息提取与评价标准;随后根据各阶段遥感图像中变化检测的发展详细归纳了其研究进展;最后对变化检测当前存在的局限性和未来发展趋势进行了探讨,以更好的促进遥感影像变化检测的研究更加深入。     

基于遥感影像的土地资源利用区划自动识别技术

针对遥感影像中存在着等级错乱的纹理特征,在实际识别中易出现识别精度过低的问题,因此研究出一种基于遥感影像的土地资源利用区划自动识别技术.通过计算机对获取的遥感图像进行分割并模拟遥感小班界线勾绘,提取土地资源的纹理特征,确定土地资源区域,利用多光谱影像中的纹理特征模拟区划中长分辨率的全色影像,构建识别方程,完成对自动识别技术的研究.实验识别区域转化为遥感图像后,采用相同参数的传统计算机自动识别技术与设计的自动识别技术实验结果表明:设计的自动识别技术的识别率在95％以上,精度数值最大.     

基于编码对齐生成对抗网络的异源遥感影像地表覆被变化检测方法

相较于同源遥感影像地表覆被变化检测,异源影像能综合不同卫星传感器间数据特征和现势性等优势,更好满足应用需求。针对异源遥感影像变化检测中存在的光谱差异和特征空间不一致问题,研究提出编码对齐生成对抗网络实现异源影像的高精度变化检测。考虑到异源影像间通道和数据类型上存在差异,难保持重构前后影像空间结构的一致性,研究通过添加自编码器和构造编码对齐损失,约束编码器输出特征的空间结构变化,使重构前后影像空间结构一致,有效减少信息丢失;在跨域映射过程中为减少源域与目标域间影像的色彩差异,采用循环一致对抗生成网络在无成对影像情况下进行色彩迁移,实现两时相异源影像的相互跨域映射,生成能与原始影像直接对比的无色偏重构影像;利用设计的变化概率权重使网络在训练过程中自动选择样本,有效提取覆被变化信息。实验结果表明：该方法与CGAN、SCCN等方法相比能更充分提取影像特征,降低跨域映射函数的随机性;在4组公开数据集的检测精度分别达到0.93、0.96、0.97、0.88,精度最高;变化检测结果与参考图的一致性、检测差异图质量均最优。因此,该方法在异源遥感影像中能够进行高精度变化检测。     

基于深度学习的遥感影像目标检测系统设计

遥感影像目标检测虽然是一种极为有效的地表变化监测手段,但极易受到自然环境复杂性的影响,从而造成遥感影像中存在混合的杂质像素,导致目标检测准确性较差;为解决此问题,设计基于深度学习的遥感影像目标检测系统;建立深度学习框架,分层次连接遥感影像输入模块、图像帧预处理模块与目标检测算法模块,再借助影像目标输出结构单元,对已获得的遥感影像像素数据进行整合,实现系统硬件设计;在此基础上,提取遥感影像的多特征条件,完善现有的目标检测系统设计方案;通过分割多级目标节点的方式,得到遥感影像特征的小波分解结果,利用计算求得的边缘纹理系数,实现融合深度学习理论的遥感影像目标变化能力检测;实验结果表明,所设计遥感影像目标检测系统的有效像素的占比量较大,杂质像素节点的占比量较小,且二者之间的对比情况极为明显,能够有效剔除杂质像素量,更能适应复杂多变的自然环境,获得更为准确的地表变化监测结果.     

基于SIFT与互信息筛选优化的遥感影像配准

针对多源多尺度影像配准中存在误匹配率较高和配准精度较低的问题,提出了一种基于（Scale-Invariant Feature Transform SIFT）与互信息筛选优化的影像配准算法。首先,采用SIFT算法进行特征点提取,通过快速最近邻逼近搜索（Fast Approximate Nearest Neighbors Search Library,FLANN）算法完成待配准影像的粗匹配,其次,在初始匹配点周围建立4×4邻域,计算匹配点之间的互信息值,对互信息值较小的匹配点进行剔除,寻求筛选优化后的最优变换矩阵,最后输出与基准影像互信息值最大的配准后影像作为最佳配准结果。实验结果表明：该方法与SIFT算法相比可以有效地剔除误匹配点并提高了配准精度。该方法可以应用于多源多尺度遥感影像配准,能够有效地提高配准精度。     

基于MPI并行计算的卫星遥感数据变化监测系统设计

为控制卫星遥感数据变化指征与非变化指征之间的实值误差,实现对卫星遥感数据传输变化行为的准确监测,设计基于MPI并行计算的卫星遥感数据变化监测系统。建立A/D转换电路与Zigbee网络节点的匹配关系,将所得卫星遥感数据按需分配给传感器模块与协调器设备,完成数据采集与监测终端的硬件设计。按照并行拓扑结构连接形式,实施MPI的基本调用,再联合数据进程编写原则,实现对MPI并行计算的完善。根据传感器几何校正原理,求取遥感数据度量值,再分析核函数表达式,完成对卫星遥感数据的处理。利用MPI并行计算,控制数据采集与监测终端的硬件执行设备,完成卫星遥感数据变化监测系统设计。实验结果表明,所设计系统的卫星遥感数据变化指征与非变化指征之间的实值误差明显缩小,能够准确监测卫星遥感数据传输变化行为。     

轻小型无人机遥感定位系统误差消除技术研究

传统无人机定位系统误差消除技术存在误差消除精准度低的问题,需对轻小型无人机遥感定位系统误差消除技术进行深入研究。根据轻小型无人机航线、地理参考和初始位置坐标系,构建轻小型无人机遥感定位模型;利用该模型对目标定位原理展开分析,通过模型构建和无人机隐秘飞行特征,对目标位置进行转换,获取转换后的坐标系位置信息,通过无人机飞行姿势变化幅度范围,获取精准误差影像序号,并进行修正,由此完成系统误差消除。实验结果证明,该技术误差消除精准度较高。     

基于DSP的无人机遥感影像SIFT算法设计与实现

为了满足尺度不变特征变换（SIFT）算法临场处理大尺寸无人机（UAV）组网遥感观测影像的实时快速需求,提出一种基于数字信号处理器（DSP）内核的硬件乘法器来处理单精度浮点型像素数据乘法的算法实现方案。首先,根据DSP内核的硬件乘法器的数据输入、输出特性,重构SIFT算法的图像数据结构和图像函数,以实现硬件乘法器对SIFT算法单精度浮点型像素数据的乘法计算;其次,采用软件流水技术重新编排迭代计算,以增强算法的并行计算能力;最后,将在算法计算过程中产生的动态数据迁移至第三代双倍速率同步动态随机存储器（DDR3）中,以提升算法数据的存储空间。实验结果表明,DSP平台的SIFT算法可以实现对1 000×750的UAV遥感影像的高精度快速处理,所提方案满足无人机组网遥感影像临场处理对SIFT算法的实时快速要求。     

多源遥感影像多项式配准精度影响因素分析

影响遥感影像配准精度的因素众多,基于多项式配准模型在遥感影像配准中的应用,针对地形起伏、控制点分布、多项式配准模型次数、配准影像的多源异质性等影响多源遥感影像配准精度的因素,采用TM、SPOT和SAR等多源遥感影像进行了广泛的多项式配准实验分析,总结得出了上述各因素对多源遥感影像多项式配准精度的影响规律,为多源遥感影像的多项式配准实践提供一定的指导。     

全卷积神经网络下的多光谱遥感影像分割

目的 传统的遥感影像分割方法需要大量人工参与特征选取以及参数选择,同时浅层的机器学习算法无法取得高精度的分割结果。因此,利用卷积神经网络能够自动学习特征的特性,借鉴处理自然图像语义分割的优秀网络结构,针对遥感数据集的特点提出新的基于全卷积神经网络的遥感影像分割方法。方法 针对遥感影像中目标排列紧凑、尺寸变化大的特点,提出基于金字塔池化和DUC（dense upsampling convolution）结构的全卷积神经网络。该网络结构使用改进的DenseNet作为基础网络提取影像特征,使用空间金字塔池化结构获取上下文信息,使用DUC结构进行上采样以恢复细节信息。在数据处理阶段,结合遥感知识将波段融合生成多源数据,生成植被指数和归一化水指数,增加特征。针对遥感影像尺寸较大、采用普通预测方法会出现拼接痕迹的问题,提出基于集成学习的滑动步长预测方法,对每个像素预测14次,每次预测像素都位于不同图像块的不同位置,对多次预测得到的结果进行投票。在预测结束后,使用全连接条件随机场（CRFs）对预测结果进行后处理,细化地物边界,优化分割结果。结果 结合遥感知识将波段融合生成多源数据可使分割精度提高3.19%;采用基于集成学习的滑动步长预测方法可使分割精度较不使用该方法时提高1.44%;使用全连接CRFs对预测结果进行后处理可使分割精度提高1.03%。结论 针对宁夏特殊地形的遥感影像语义分割问题,提出基于全卷积神经网络的新的网络结构,在此基础上采用集成学习的滑动步长预测方法,使用全连接条件随机场进行影像后处理可优化分割结果,提高遥感影像语义分割精度。     

中尺度涡特征提取算法及可视化研究

在对海洋遥感图像数据进行处理,特征可视化检测海洋信息的过程中,中尺度涡信息检测是重要内容之一,其结果直接影响海洋中尺度涡信息反演的精度.为了提高中尺度涡信息提取的准确性,本文根据海洋中尺度涡成像的特点,基于边缘检测,运用连通区域提取技术,综合利用涡旋的形状、尺度等判据,检测图像中的旋涡闭合等值线以及提取旋涡的特征参数.采用Matlab和C#混合编程,将中尺度涡检测算法和遥感数据信息有机结合起来,实现了中尺度涡检测的自动化和可视化,提高了遥感图像的处理效率.实验表明,该方法具有较高的中尺度涡信息检测精度,检测效果理想.