结合邻域信息和结构特征的遥感影像变化检测

为提高像元级变化检测方法的精度,提出一种结合邻域信息和结构特征的遥感影像变化检测方法.该方法涵盖邻域相关影像(neighborhood correlation image,NCI)、匹配误差和结构特征3种属性特征.首先,通过邻域相关分析技术获得表示上下文信息的邻域相关影像,利用邻域间像素的互相关性进行模板匹配获得匹配误差.然后,基于方向梯度信息提取能抵抗影像间光谱差异的结构特征.随后将邻域相关影像、匹配误差、结构特征作为决策树的分类属性,获取初始变化检测结果.最后,利用马尔可夫随机场(Markov random field,MRF)对其进行优化,获得最终的二值变化图.本文通过采用两组不同传感器的双时相遥感影像进行试验.结果表明,相较于采用变化向量分析法(change vector analysis,CVA)、单一邻域信息法及邻域信息和纹理特征相结合的方法,本文方法有效提高了变化检测的精度.     

利用局部自相似的多光谱遥感图像自动配准

为解决多光谱遥感图像间非线性灰度差异造成的配准困难问题,提出了一种基于局部自相似的自动配准方法。该方法首先引入局部自相似(local self-similarity, LSS)特征,并在对数极坐标系下建立反映图像内在几何布局和形状属性的特征描述子。之后结合LSS和归一化相关系数构建一种形状相似性测度,并通过模板匹配的策略实现图像的配准。试验结果表明,该方法能够较好地抵抗图像间的非线性灰度差异,并获得了可靠的配准精度,而且相比于传统方法,在顾及计算效率的同时获得了更高的匹配正确率。     

利用HJ-1A/1BCCD数据进行黄河凌汛监测

利用HJ-1A/1B卫星CCD数据进行黄河凌汛监测,提出了基于主成分分析和决策树的冰凌提取方法。实验结果显示,利用HJ-1A/1B卫星CCD数据能有效地提取出黄河的冰凌范围,对黄河凌汛监测具有较大的应用潜力。     

一种利用相位信息的异源遥感影像配准方法

提出一种利用相位信息的异源遥感影像配准方法。首先对两幅影像进行相位一致性变换以消除影像间的灰度和对比度差异,并利用相位一致性最小矩在参考影像上提取特征点,然后以相关系数作为相似性测度,在输入影像上采用模板匹配策略获取同名点,最后采用投影变换实现影像配准。实验表明,该方法对于异源遥感影像具有较强的适应性,且配准精度较高。     

基于空间约束和结构特征的光学与SAR影像配准

针对光学和合成孔径雷达(synthetic aperture radar,SAR)影像间的几何形变和辐射差异造成的配准困难问题,提出一种基于空间几何约束和结构特征的光学影像与SAR影像自动配准方法.首先,利用分块的Harris算子在输入影像上提取分布均匀的特征点,根据有理函数模型对输入影像进行局部几何纠正,实现输入影像...     

SA R影像和光学影像梯度方向加权的快速匹配方法

针对SAR影像与光学影像之间存在显著的非线性灰度差异导致影像匹配困难的问题,本文提出了一种基于影像结构特性的快速匹配方法(SAR-to-optical fast matching algorithm,SOFM).传统基于影像灰度的匹配方法一般难以抵抗影像间的非线性灰度差异,而影像中的几何结构和形状特征在不同类型的影像之间较为稳定,因此本文综合利用影像的梯度幅值和梯度方向信息构建出一种能够有效表达影像结构的特征描述符—角度加权方向梯度(angular weighted orientated gradients,AWOG),随后基于模板匹配的策略,选择描述符之间的差值的平方和(sum of squared difference,SSD)建立用于匹配的相似性测度,并给出了在频率域中表达的影像匹配函数.基于SOFM方法建立了一套完整的影像匹配流程,随后选择多组影像进行匹配试验,结果表明,本文方法能够有效抵抗SAR影像与光学影像之间的非线性灰度差异,并且在匹配性能和匹配精度等方面都优于经典的基于影像灰度的匹配方法以及其他基于影像结构特性的匹配方法.     

基于增强DeepLabV3网络的高分辨率遥感影像分类

由于高分影像具有地物细节丰富、类别差异大等特点,现有的卷积神经网络影像分类方法普遍存在分类精度低、地物边界不准确等问题。鉴于此,本文提出一种基于增强DeepLabV3网络的影像分类模型。首先构建R-MCN网络结构,利用大小不同的卷积核并结合残差网络的思想进一步提取浅层网络的多尺度、多层次的特征信息;然后采用可学习的上采样方式,并将R-MCN提取的特征与高阶的语义信息相融合;最后通过提出的Mloss损失函数,获得遥感影像的地物分类结果。试验结果表明,相对于传统的卷积神经网络,本文方法能细化地物的边缘信息,改善分类效果,获得更高的影像分类精度。     

深度卷积特征表达的多模态遥感影像模板匹配方法

多模态遥感影像间（光学、红外、SAR等）存在显著的非线性辐射差异，传统方法难以有效地提取影像间的共有特征，匹配效果不佳。鉴于此，本文将深度学习方法引入影像匹配中，提出了一种基于Siamese网络提取多模态影像共有特征的匹配方法。首先通过去除Siamese网络中的池化层和抽取特征来优化该网络，保持特征信息的完整性和位置精度，使其可有效地提取多模态影像间的共有特征，然后采用模板匹配策略，实现多模态遥感影像高精度匹配。通过利用多组多模态遥感影像进行试验，结果表明，本文方法的匹配正确率和匹配精度都优于传统的模板匹配方法。     

FY-2卫星S-VISSR数据几何纠正研究

提出了一种简单高效的FY-2卫星S-VISSR数据的几何纠正方法。该方法以FY-2标称投影图像（NOM）经纬度对照表作为参考图像,FY-2卫星S-VISSR数据作为输入图像,首先利用S-VISSR数据提供的简化格网数据在两幅图像间获取同名点,然后根据同名点寻找两幅图像间的几何变换模型,最后对S-VISSR数据进行几何纠正。实验表明,利用该方法能够快速地完成对FY-2E和FY-2D卫星S-VISSR数据的几何纠正,其精度达到了1个像素左右。     

局部相位特征描述的多源遥感影像自动匹配

由于影像间显著的几何和辐射差异,多源遥感影像自动匹配一直是目前研究的难点问题。首先引入具有光照和对比度不变性的相位一致性模型,并对其进行扩展,构建相位一致性的特征方向信息,然后借助于梯度方向直方图的模板结构,利用其特征值和特征方向,建立一种局部特征描述符——局部相位一致性方向直方图（local histogram of orientated phase congruency,LHOPC）,最后利用欧氏距离作为匹配测度进行同点名识别。对四组多源遥感影像进行试验,其结果表明,相比于尺度不变特征转换和加速鲁棒性特征算法,LHOPC能更为有效的抵抗影像间的辐射差异,提高了匹配性能。