考虑局部方差互信息和梯度一致性的改进SFIM遥感图像融合方法

全色图像和多光谱图像由于光谱和空间尺度上的差异,融合结果容易出现光谱失真或空间失真。如何同时实现两个尺度上的对齐,是提高融合效果的关键。传统的SFIM(Smoothing Filter-based Intensity Modulation)遥感图像融合方法可以保证光谱尺度上的一致,但在衡量空间尺度一致上还不够精确。针对此问题,本文提出了一种基于局部方差互信息的空间尺度对齐方法,并在平均梯度一致性的约束下进一步改进SFIM方法。该方法首先对多光谱各波段线性拟合生成多光谱强度图像,并对高分辨率全色图像进行高斯低通滤波,改变滤波参数循环计算2幅图像的局部方差图像间的互信息,当互信息最大时,高斯滤波参数为最佳滤波估计参数;然后,用该高斯滤波器卷积高分辨率全色图像,得到与多光谱图像空间尺度一致的低分辨率全色图像;之后,高低分辨率全色图像间比值处理得到细节图像,以高分辨率全色图像平均梯度为基准,引入调节系数控制细节图像的注入量;最后,细节图像、调节系数与多光谱图像相乘得到融合图像。为验证本文方法的有效性,在IKONOS和Quickbird两种数据集的植被区、建筑区和混合区3个不同场景六组图像开展融...     

“天绘一号”卫星三线阵CCD影像自检校区域网平差

遥感卫星在空间环境运转过程中,星敏感器的姿态角、成像相机的镜头和CCD等几何参数会发生不可预估的变化,从而对卫星影像的定位精度产生影响。因此,对卫星影像进行自检校区域网平差处理是实现卫星影像精确定位的一项关键技术。本文以"天绘一号"卫星为研究对象,首先分析了"天绘一号"卫星三线阵立体测绘相机的镜头和CCD几何形变,并提出了适用于"天绘一号"卫星三线阵CCD影像的自检校模型;然后建立"天绘一号"卫星三线阵CCD影像的自检校区域网平差模型,对外方位元素和自检校参数进行整体平差,消除存在于外方位元素观测值和自检校标定值中的系统误差,以提高卫星图像定位精度。最后利用嵩山实验场对"天绘一号"卫星三线阵CCD影像进行了自检校区域网平差处理,验证了自检校模型和自检校区域网平差模型的正确性和有效性,并分析研究了不同数目的控制点条件对自检校区域网平差的影响。实验结果证实采用自检校区域网平差技术可以有效地消除系统定位误差,显著提高定位精度。     

多特征、多方法融合的高分辨率影像道路网提取

高分辨率影像上道路表现为宽度近似不变的条带状同质区域。根据此特征,提出了一种融合多特征、多方法的高分辨率影像道路网自动提取方法。该算法首先采用均值漂移聚类对图像稳态点图进行分类;然后运用Gabor滤波及张量编码,以线性显著性最大为准则识别道路中心点类;最后,运用张量投票和连通成分分析完成道路段连接及道路网组网。试验结果表明该方法能够准确、完整地提取高分辨率影像上道路网,提取的完备性和准确度优于对比算法。     

基于嵩山定标场的无人机数据快速成图应用

无人机作为一个高效的测绘平台,越来越多地被应用到生产作业中。研究无人机数据快速成图的技术基础,基于GPU加速的同名点匹配技术,并根据嵩山定标场的测绘需求进行试验。采用无人机获取的影像16 179张,结合场内高精度地面控制点,快速处理得到嵩山定标场约50km2的高精度数字正射影像图(DOM),精度为平面点位中误差2.7cm,约0.5个像素。通过试验验证基于无人机数据快速成图的高效率和高精度,同时为后续的国产卫星、大型航测相机、无人机等定标检校提供参考。     

轻雾、霾、浮尘、露、霜及远电的识别

轻雾、霾、浮尘、露、霜及远电的识别轻雾、通和浮尘在规范中均规定测站水平能见度的上限＜１０．ｏｈｍ。三者区别主要是形成天气现象的物质分别为雾滴、大量极细微干尘粒和尘沙．阳光照射到上述三类物质后散射出不同颜色为辨识标准，但因较难掌握，人们在日常观测中常以...     

我区首届气象科技优秀论文评奖结束

为了推动我区气象科学技术的发展,进一步调动广大气象科技工作者积极性、创造性,鼓励为气象事业现代化建设作贡献的气象科技工作者,区气象局与区气象学会首次进行气象科技优秀论文的评奖工作。评选小组收到了1982年元月——1985年12月在省级以上技术刊物发表或大多数在省级以上学术会议上宣读的学术论文共126篇。根据在某一学科领域中的水平和在气象应用中的效益,对气象科技推进作用的大小,经过评审小组反复认真的评选,最后评出一等奖一项、二     

面向高光谱影像小样本分类的全局-局部特征自适应融合方法

高光谱影像标记样本的获取通常是一项费时费力的工作,如何在小样本条件下提高影像的分类精度是高光谱影像分类领域面临的难题之一。现有的高光谱影像分类方法对影像的多尺度信息挖掘不够充分,导致在小样本条件下的分类精度较差。针对此问题,本文设计了一种面向高光谱影像小样本分类的全局特征与局部特征自适应融合方法。该方法基于动态图卷积网络和深度可分离卷积网络,分别从全局尺度和局部尺度挖掘影像的潜在信息,实现了标记样本的有效利用。进一步引入极化自注意力机制,在减少信息损失的同时提升网络的特征表达,并采用特征自适应融合机制对全局特征和局部特征进行自适应融合。为验证本文方法的有效性,在University of Pavia、Salinas、WHU-Hi-LongKou和WHU-Hi-HanChuan4组高光谱影像基准数据集上开展分类试验。试验结果表明,与传统分类器和先进的深度学习模型相比,本文方法兼顾执行效率和分类精度,在小样本条件下能够取得更为优异的分类表现。在4组数据集上的总体分类精度分别为99.01%、99.42%、99.18%和95.84%,平均分类精度分别为99.31%、99.65%、98.89%和...     

一种联合光谱和纹理特征的滩涂提取技术

提出一种联合光谱和纹理特征的支持向量机分类算法,先通过计算灰度共生矩阵得到纹理影像,然后将纹理波段与光谱波段进行叠加形成一幅多波段影像,再使用支持向量机分类算法对该影像进行分类,从而得到最终的滩涂提取结果。实验结果表明,该方法对于滩涂及周边地物具有较好的分类效果。