结合多种分解策略的遥感影像去相关拉伸并行处理方法

提出了一种结合多种分解策略的遥感影像去相关拉伸并行处理方法,该方法根据不同步骤的特点采用不同任务分解策略:计算波段统计信息采用按波段进行任务分解,计算协方差矩阵采用按波段对进行任务分解,进行线性变换采用按数据块进行任务分解,实现了全过程的并行处理。在两台分别安装Windows 7和Linux操作系统的多核计算机下进行了OMIS机载高光谱影像和ASTER卫星影像的去相关拉伸并行处理实验,通过合理配置CPU核数和磁盘系统等,常用的12 ~ 16核计算机可取得最高约8倍的整体加速比。同时分析了影响整体加速性能的因素,给出了多核计算机用于遥感影像去相关拉伸并行处理的使用建议。     

利用PixelGrid系统处理多源遥感影像方法研究

随着科学技术的快速发展,人们对于高性能计算技术的需求日益迫切,大规模数据并行处理的集群式系统实现技术开始逐步成熟。我国已对该项技术进行了深入研究,并将其应用到遥感影像处理技术当中,形成了集群式数字摄影测量系统Pixel Grid。相对于传统的摄影测量及遥感影像处理过程,集群式系统整合资源、集成技术,大大提高了数字摄影测量以及遥感影像数据处理乃至空间信息提取的处理效率。这也是目前遥感影像处理技术发展的重要方向之一。     

《多源遥感影像数据融合技术》出版

《多源遥感影像数据融合技术》（贾永红著）一书近日由测绘出版社出版。     

多源遥感影像融合

遥感影像融合能富集同一地区不同数据源的信息大跨度波谱特性影像数据的融合,提供了有关各单个传感器的互补信息,使分类更精确;大跨度空间分辨力影 融合,有利于改善２多光谱影像的度,增强特征提取和目视判读能力,能有效地用于变化监测。     

多源遥感影像融合技术初探

遥感影像融合技术是图像处理领域的新技术,通过富集同一地区不同数据源的信息大跨度特征像数据的融合,提供有关各单个传感器的互补信息,使分类更精确。本文对多源遥感影像融合技术的技术路线及影像配准,影像融合的一些技术方法思路做了初步的探讨。     

多源遥感影像的去云层处理

针对多源遥感影像的云覆盖问题，提出了利用多项式改正算法，以实现不同遥感影像之间的局部影像替换，从而满足去除目标影像上云覆盖的要求。     

遥感影像人机交互判读系统及其技术特点

在Windows NT支持下，采用C＋＋和面向对象方法设计，自主开发的一个微机遥感影象人机交互判读系统。它在实现人工目视判读与数字影像处理、遥感和地理信息系统、高新技术与传统地学知识结合，协调遥感数据容量大与微机空间资源有限、快速作业要求与工业内容繁琐复杂，严格有序的计算机作业和判读人员作用自由发挥之间的矛盾方面，采取了一系列颇具新意的技术措施，形成了系统独具的一些技术特点，为广大判读人员提供了一个灵活、方便、高效地进行遥感影像人机交互判读工具。     

基于软硬件一体化无人机遥感影像快速处理的技术研究

随着测绘科学技术和地理信息产业的发展,遥感影像信息快速处理的需求越来越大,其中无人机遥感技术日益成熟。为了进行无人机遥感影像数据实时接入快速处理与分析,针对无人机遥感影像信息快速处理关键技术,使用基于基准图快速匹配和逐行带并行空三的无人机数据快速处理系统。本文主要对无人机遥感影像处理系统的飞行平台、飞控系统、硬件设备以及灾害、测绘方面应用进行了探索性的技术研究。     

浅论航空摄影测量中的卫星遥感影像

随着卫星遥感技术的发展,高清晰遥感卫星影像以拍摄重复周期短、可直接获取更可靠和丰富的自然及人文景观信息等特点,直接带来了很多测绘作业方法上的变化和进步。测绘生产中是否能够真正消化和利用好新技术带来的卫星影像,＂影像处理及应用＂等方面的研究已成为测绘生产中迫切需要解决的新课题。     

多源控制遥感影像快速处理技术及应用

丰富的高精度基础地理信息的积累,为遥感影像快速正射纠正提供了控制源,本文从常用的正射影像、数字高程模型及立体基准网数据出发,设计了基于多源控制的遥感影像快速处理技术路线,并进行了试验验证,为遥感影像快速处理提供了思路。     

基于CUDA的高效并行遥感影像处理

近年来,随着空间遥感技术的发展,使得遥感影像数据呈几何级数增长,遥感影像的处理面临数据量大、密集度高、计算复杂度高和运算量大等问题。在分析最新GPU（图形处理单元）的并行架构和统一计算设备架构（CUDA）灵活的可编程性的基础上,提出了一种基于CUDA的遥感影像的高效处理方法,以遥感影像处理中常用的快速傅里叶变换、边缘检...     

基于GPU并行计算的巨幅遥感影像坐标转换研究与实现

随着航空航天遥感技术的不断发展,以遥感影像为代表的栅格数据分辨率越来越高,遥感影像处理呈现出数据量大、复杂度高的特点。近年来,通用GPU的运算性能不断提高为加速密集运算提供了新的途径,目前,采用GPU并行技术进行遥感影像处理成为新的研究热点。本文提出了基于GPU并行计算的巨幅遥感影像坐标转换方法,实践证明,相比于传统的转换方法基于GPU的算法有较为明显的提速。     

基于MPI的海量遥感影像并行处理技术探析

有效处理海量遥感影像数据,是解决遥感产品生产系统的大规模复杂应用的关键。针对目前通用的顺序处理已不能满足海量数据运算要求的问题,基于MPI并行处理开发环境,采用分级、分块的金字塔技术来对遥感影像数据做预处理,进而进行海量遥感影像切片、分块计算、并行处理和影像合成,有效地提高了海量遥感影像数据的运算速度,为海量遥感影像并行处理提供实践依据。     

微机遥感图像应用处理系统

本文详细介绍了我们研制的微机遥感图像应用处理系统。它的硬件部分以四台微机为主,采用分布式联接,组成四个子系统,可供1—4人同时操作,能方便地输入输出多种数据和图像。该系统的软件部分,由对应硬件子系统的四个软件包组成,即磁带机数据采集软件包,图像显示软件包,专题制图软件包及遥感应用处理软件包。作为重点的第四部分软件,是在遥感应用工作者的经验和工作方法的基础上设计的,它收集和综合了各种实用处理方法,比通用的图像处理软件包更具有遥感应用的特色。     

基于ERDAS IMAGINE操作平台的遥感图像处理

随着遥感技术的日益发展,对所获取的海量数据的处理要求也越来越高。因此,本文以ERDAS IMAGINE系统为操作平台,对遥感图像的几何校正、图像融合和监督分类做了详细的介绍。     

IPS在无人机遥感影像处理中的应用

介绍了IPS在无人机遥感影像处理中的流程及软件的特点和优势,实例验证,该软件能够快速处理海量无人机遥感数据,为无人机遥感影像数据处理市场提供了一种实用的有效解决方案。     

小波变换在遥感图像压缩中的应用

基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。     

基于CPU与GPU/CUDA的数字图像处理程序的性能比较

测绘系统通常有大量图像处理工作,而户外图像采集系统更需要极高的实时性。通过对GPU与CPU分别进行数字图像处理性能测试,结果表明GPU并行计算可以大幅提高图像处理性能:可优化图像预处理、后处理速度,使测绘系统更加实时高效。     

非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强

针对部分遥感图像整体亮度偏暗、对比度较低的特点,为提高遥感图像的视觉效果和可解译性,提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform, NSST)和参数化对数图像处理(parameterized logarithmic image processing, PLIP)模型的遥感图像增强方法。首先,遥感图像经非下采样Shearlet变换分解成低频分量和高频分量;然后依据PLIP模型对其低频分量进行增强,提高图像的对比度;同时利用改进的模糊增强方法对高频分量进行增强,突显边缘细节信息。大量试验结果表明,与双向直方图均衡增强、基于平稳小波变换的增强、基于非下采样Contourlet变换的增强等5种图像增强方法相比,本文提出的方法在主观视觉效果和对比度、清晰度等客观定量评价指标两个方面均有优势,能更有效地提高遥感图像的对比度、增强边缘纹理细节信息,视觉效果更佳。