基于三维重建的大区域无人机影像全自动拼接方法

低成本无人机由于不具有精密的惯性导航系统,其拍摄区域有可能是一些难以布设控制点的无人区,因此无法采用传统的航空摄影测量处理手段获得拍摄区域的拼接影像。为此,提出一种基于三维重建的无人机影像全自动拼接方法。利用从运动恢复结构和多视角立体算法重建拍摄区域的密集点云,根据密集点云数据采用一种基于邻点分布约束的点坐标插值算法内插待定点空间坐标,运用间接微分纠正方法对影像进行几何校正,从而获得几何一致的拼接影像。实验结果表明,该方法全程无需人工干预且拼接耗时短,相邻影像之间几何拼接精度约为2.5个像素。     

基于ISOMAP的高光谱遥感数据的降维与分类

为挖掘高光谱遥感数据内在的非线性结构特性,采用全局化流形学习算法等距特征映射（ISOMAP）对高光谱遥感数据进行非线性降维,并取得了优于常用的最小噪声分离（MNF）变换方法的结果,具有更好的数据压缩性能。将光谱角相似性度量方法用于ISOMAP 算法,取得良好的降维效果。通过把ISOMAP 降维算法和k-最邻近分类器相结合对降维后子空间特征进行分类,实验表明:ISOMAP 利用较少的特征维数获得比MNF 更高的分类精度,并达到较高稳定的分类精度,尤其对难以区分、光谱相似的两类别问题,ISOMAP 的特征维数能够有效的提高两类别的可分性。     

SPIHT算法的容错性改进

针对SPIHT算法易受噪声影响的缺点,提出了一种能有效增强其容错性能的方案。实验结果表明,通过对空间方向树集合的分块、打包,并结合错误发现和再同步技术,该算法在保持原有编码性能的基础上,有效地防止了误码的扩散,增强了容错性。     

HJ-1 CCD图像自动几何精纠正系统的设计与实现

由于环境与灾害监测预报小卫星HJ-1A/1B星CCD数据幅宽大,时间分辨率高,数据量大,实现一个自动几何精纠正系统有迫切的现实意义。描述一个HJ-1 CCD图像自动几何精纠正系统的框架设计和集成实现方案,包括系统功能组成、工作流程和模块集成方法以及系统的具体实现过程和实验结果的分析。系统采用全球或局部区域的经过地理编码的TM数据作为基准图像,将图像精纠正问题转化为图像自动配准的问题,同时通过任务流程管理实现图像的批量处理功能。     

多源定量遥感产品并行处理系统设计及实现*

针对遥感数据非结构化、有格式、单景数据量大、记录总量小、大部分处理过程后数据量不显著减少的特点和大规模遥感数据处理的迫切需求,基于已有硬件资源,设计和实现了集中式集群计算的多源定量遥感产品生产系统。系统为解决遥感科学工作者设计开发的算法进行并行计算的问题以及大规模数据管理的需求,设计了基于任务并行的处理系统和面向应用的并行文件系统。系统集成了遥感科学工作者开发的30多种原始数据的预处理算法和50多种多源定量遥感产品生产算法,解决了多源定量遥感产品规模化流程化按需生产的难题,并进行了产品生产,证明了系统在管理和处理大规模遥感数据时的可靠性和有效性。     

鲁棒的超声多普勒肾动脉血流信号提取方法

声多普勒肾动脉血流速度信号是进一步提取血流速度信号特征的前提。而超声多普勒肾动脉血流速度信号特征是肾动脉狭窄早期诊断的重要手段。因强烈的斑噪影响和其它信息干扰,从超声图像中准确提取肾动脉血流速度信号是比较困难的。提出了局部自适应的置信连接分割方法,该方法用于分离信号区域和背景,在灰度分布不均匀和强噪声条件下仍能实现有效分割;然后使用连通域标号的方法填补小空隙,以消除干扰信息的影响,通过局部统计特性修正提取的信号并使用Mean Shift方法为信号降噪,最终实现了鲁棒的肾动脉血流速度信号的提取。实验结果显示,该方法能准确提取肾动脉血流速度信号,鲁棒性强。     

基于最优插值的单帧图像分辨率的改善

在实际的成像系统中，每一个传感器系统有唯一的系统响应，对应的是获取设备的点扩展函数(PSF)，可以被看作是预知的采样核，但这样的采样过程并不满足Whittaker-Shannon采样定理的要求，在这种情况下，靠准确的插值重建来改善图像分辨率是不可能的。与利用多帧图像的互补信息进行插值不同，该文在最小平方误差意义下提出了对应于成像物理意义下的最优化的单帧图像插值方法，通过对图像进行新的重采样，改善了图像的分辨率。实验结果表明该方法获得了较好的改善效果。     

基于DEM的SAR影像直接与间接正射校正方法比较

对基于DEM的SAR影像直接校正与间接校正方法的原理、步骤、校正效果与适用性进行了比较,并利用正射校正过的高精度光学卫星影像作为基准影像,对两种方法的校正精度进行验证与比较。分析表明,两种方法所采用的校正模型相同,但出发点不同,校正步骤与复杂度也不同,最终校正效果也不一样,但精度没有差很多,都能满足常规SAR正射校正精度需求,在实际应用中需要根据实际情况选择合适的方法。     

深度卷积神经网络特征提取用于地表覆盖分类初探

目的 地表覆盖监测是生态环境变化研究、土地资源管理和可持续发展的重要基础,在全球资源监测、全球变化检测中发挥着重要作用。提高中等分辨率遥感影像地表覆盖分类的精度具有非常重要的意义。方法 近年来,深度卷积神经网络在图像分类、目标检测和图像语义分割等领域取得了一系列突破性的进展,相比于传统的机器学习方法具有更强的特征学习和特征表达能力。基于其优越的特性,本文进行了深度卷积神经网络对中分辨率遥感影像进行特征提取和分类的探索性研究。以GF-1的16 m空间分辨率多光谱影像为实验数据,利用预训练好的AlexNet深度卷积神经网络模型进行特征提取,以SVM为分类器进行分类。分析了AlexNet不同层的特征以及用于提取特征的邻域窗口尺寸对分类结果的影响,并与传统的单纯基于光谱特征和基于光谱+纹理特征的分类结果进行对比分析。结果 结果表明在用AlexNet模型提取特征进行地表覆盖分类时,Fc6全连接层是最有效的特征提取层,最佳的特征提取窗口尺寸为9×9像素,同时利用深度特征得到的总体分类精度要高于其他两种方法。结论 深度卷积神经网络可以提取更精细更准确的地表覆盖特征,得到更高的地表覆盖分类精度,为地表覆盖分类提供了参考价值。     

基于图像局部几何结构的SAR图像降噪与增强*

研究了基于图像局部几何结构对SAR图像进行各向异性扩散滤波降噪。首先,回顾各向异性扩散滤波的PM模型、Weickert模型和Tschumperle的迹模型,分析指出迹模型能够依据图像局部几何结构进行定向扩散滤波且扩散程度由扩散率函数决定,扩散过程可控,意义直观;继而,根据扩散系数的构建原则,构建了新的兼容图像增强、扩散幅度可调整的扩散率函数,并用于SAR图像降噪。实验结果表明,运用此函数不仅有效抑制了相干斑噪声,还保持并增强了边缘细节,取得了理想的效果。