亚像素定位的关键问题研究

分析了控制点标志的选择与设计,采用了图像处理、Hough变换、角点与直线高精度定位算子等方法,实现了中南大学近景摄影测量二维控制场1 350个人工标志点的自动识别和亚像素定位,仿真图检测平均精度达到±0.05像素。     

一种直线特征标志的子像素定位方法

在近景摄影测量中,常常需要对直线特征的标志进行定位,而标志定位的精度会影响到整个测量的精度。不同特征的控制点标志,对应不同的识别方法,因此控制点标志的选择须根据不同的要求,进行综合研究分析。本文提出一种新的混合方法,首先采用Hough变换对直线特征标志进行直线检测,得到直线初值;然后采用灰度矩边缘直线拟合定位法,对标志点中心进行子像素定位。通过实验证明:经过Hough变换得到粗值的灰度矩边缘直线拟合定位法达到较高的定位精度,证明了该混合方法的有效性。     

圆形标志中心子像素定位方法的研究与实现

采用回光反射材料制作圆形回光反射标志，经摄影后得到标志的“准二值影像”；对标志的椭圆影像进行亚像素边缘提取，经最小二乘椭圆拟合后得到标志中心的子像素级位置。试验表明，可以达到0．02像素的定位精度。     

遗传算法与最小二乘法相结合的遥感图像子像素匹配

图像匹配在计算机视觉和数字摄影测量中都是一项十分重要的任务。为了加速匹配并为高精度子像素匹配提供稳健而相对精度的初值，本文提出了一种基于遗传算法（GA）和最小二乘法匹配（LSM）相结合的遥感图像子像素匹配算法。实验表明：基于遗传算法的匹配算法比序贯相似度度量（SSDA）和经典的平均绝对差（MAD）方法要快得多。以我们的实验数据为例，MAD与GA在相关计算总量上的比至少为36：1。本文从理论上证明了这一点。     

Canny算子对人工标志中心的亚像素精度定位

在使用圆型人工标志的计算机视觉检测中,人工标志的识别率和中心定位精度直接影响到检测的整体精度.传统的中心定位算法对人工标志识别率低、中心定位精度差,已不能满足精密检测的要求.文中采用Canny算子对带有圆形人工标志的数字图像进行边缘分割,通过模式识别方法、最小二乘拟合方法计算人工标志中心.该方法解决了标志识别率低的问题,提高了标志图像中心定位精度.其精度可达到亚像素级,能够满足高精度计算机视觉测量的要求.     

一种基于多源遥感影像的亚端元光谱提取方法

提出一种利用多源影像来提取低分辨影像亚端元光谱的方法,该方法利用高分辨分类得到的组分与低分辨的光谱之间的线性混合关系,建立了反演出低分辨影像的亚端元光谱的线性模型,并提出一种快速鲁棒反演亚端元光谱的提取方法。利用IKONOS和ETM数据验证了本文提出方法,实验结果表明了该方法的有效性。     

PIV亚像素匹配精度及粒子大小和浓度的影响

利用计算机仿真粒子图像精确控制仿真粒子亚像素位移,讨论不同窗口下二次多项式曲面拟合法与基于梯度亚像素位移算法的匹配精度.针对粒子均匀移动的理想情况,发现二次多项式曲面拟合法的匹配精度随匹配窗口的增大而提高,而基于梯度亚像素位移算法的匹配精度几乎不随匹配窗口的增大而改变,两种算法匹配精度均在0.1个像素内.分析存在理想涡...     

高光谱与多角度数据联合进行混合像元分解研究

混合像元问题是定量遥感的主要障碍之一。将混合像元问题归结为类内与类间像元混合两类，并对类内混合像元分解问题加以研究。混合像元分解的关键在于确定组分光谱，确定组分光谱的方法很多，但大多数方法基于以下假定，即从图像本身可以找到纯组分光谱，然而这一假定对于类内混合像元分解问题来说很难成立。提出采用高光谱与多角度相结合的方法，利用几何光学模型和线性光谱混合模型进行类内混合像元分解。即首先利用多角度数据反演几何光学交互遮蔽(GOMS)模型获得组分光谱，再对高光谱数据进行组分光谱分解。由于该方法直接从混合光谱产生的机理出发，因而更容易获得真正的亚像元信息。为减小反演误差，反演过程中采用改进的多阶段的反演策略，并充分利用多角度图像本身提供的先验信息。用BORE—AS试验获取的高光谱与多角度数据所作的研究表明，该方法可以获得比较理想的分解结果。     

高光谱图像目标检测的核信号空间正交投影法

针对非线性混合下的亚像元目标检测问题, 提出一种基于核函数的信号空间正交投影方法(KSSP)。该方法作为信号空间正交投影方法(SSP)的非线性推广, 首先将原空间中像元矢量经非线性映射转换到高维特征空间,然后在特征空间中用线性信号空间正交投影进行目标检测。通过核技巧, 核信号空间正交投影不必知道具体的非线性映射形式。经模拟数据与真实高光谱图像数据实验证明, KSSP 方法在目标检测性能上优于SSP, 且对噪声的抑制也有很好的效果。