遥感图像拼接算法的研究

针对高分辨率遥感图像的特点，在充分考虑图像的空间几何特征和图像像元间相关性的基础上，提出了一种融合的图像拼接处理算法。经该算法处理后的拼接图像很好地保留了地物的几何特征和波谱信息，且重叠区域过渡自然，更有利于遥感图像的后期处理、分析和应用。     

强光束干扰下低轨高清遥感图像无缝拼接方法改进研究

由于受到强光束的干扰,低轨高清遥感图像拼接处的拼接边界容易出现突变。当前图像拼接方法因不能避免外界因素的干扰,无法实现图像的无缝拼接。为此,提出一种新的强光束干扰下低轨高清遥感图像无缝拼接方法。通过Retinex理论对强光束干扰下低轨高清遥感图像进行预处理,利用原始低轨高清遥感图像的照射光得到物体的反射性质,以获取物体自身的面貌。介绍了尺度不变特征变换(SIFT)算法的基本思想,通过SIFT特征匹配法对遥感图像进行配准处理;针对SIFT法效率低的弊端,利用区域分块法对其进行改进。通过幂比值拉伸方法对拼接缝进行消除。实验结果表明,采用所提方法得到的拼接图像拼接处无重叠,较为平滑,在保证拼接图像信息量、清晰度和整体质量的同时,效率较高。     

基于SVM的遥感图像校正算法研究

遥感图像已经成为空间技术领域非常重要的数据源,针对遥感图像的几何变形情况,采用近似的几何校正方法对图像进行线形或非线性的控制调整。为了提高遥感图像的精确度,本文采用支持向量机的方法进行校正,并在算法级别进行了改进,得到了较好的效果。     

基于标记分水岭算法的高分辨率遥感图像分割方法

由于Quickbird等高分辨率遥感图像信息分布的特殊性,一些面向视频(或自然)图像分割方法并不完全适合于高分辨率遥感图像的分割.基于标记的Watershed图像分割算法是一种改进的分水岭算法, 它很好地被应用于人脸及其他一些场景图像的分割.把该方法引入高分辨遥感图像的分割,并针对遥感图像的特点,在分割之前采用中值滤波对高分辨率遥感图像进行预处理;同时,在分割过程中采用用小波滤波器替代Butterworth滤波器对梯度图像的低通滤波.不同地物特征的Quickbird图像的分割实验表明,对于纹理比较均一的高分辨率遥感图像,该方法避免了过分割现象,且效率较高;但对于纹理比较复杂的图像,该方法具有一定的局限性.     

基于多小波变换的遥感图像融合算法研究

多小波是小波理论的扩展,多小波分析能够为图像提供一种比小波多分辨分析更加精确的分析方法。梯度加权平均法对高频小波系数的选取不是简单的丢弃,而是进行加权叠加,更大限度地保留了原始图像的信息。在遥感图像的融合中将两者结合,提出了一种基于多小波变换的遥感图像融合算法。以GHM多小波为例,通过Matlab编程实验,将梯度加权平均法融合结果与最大值选择法进行比较,得到了较好的效果。     

基于Directionlet变换的遥感图像降噪算法研究

提出一种有效的基于Directionlet变换的Bayesian最大后验估计实现遥感图像降噪算法。首先采用具有多尺度、多方向特点的Directionlet变换对含噪遥感图像进行分解,然后根据先验信息和噪声系数分布设计最大后验估计算法实现相干斑噪声的去除。实验结果表明,提出的算法与传统降噪算法相比不仅原始图像的边缘和纹理信息可保留,而且可获得更好的降噪视觉效果。     

利用光流场方法进行遥感照片的无缝拼合技术

从高空拍摄的遥感照片之间存在符合投影公式的变换关系 ,本文采用一种基于光流场的方法计算出投影公式的参数 ,拍摄这些相片时 ,在不需要知道相机的位置 ,倾斜角度 ,甚至不需知道相机的焦距的情况下 ,实现遥感照片的拼合。这种利用光流场将多幅遥感照片拼合成范围更大的照片的方法 ,能够自动完成图像的拼接处理 ,并在实验中证实了解决实际问题的可行性     

面向遥感图像处理与展示的多语言构件设计

在遥感图像处理算法研究过程中,集成和利用已有算法代码往往存在技术瓶颈,算法的研制也缺乏统一的验证平台.文章对遥感图像处理算法的特性和软件构件技术进行分析和研究,提出一种面向SAR图像处理和展示的多语言构件模型RSIC.基于多语言构件模型,设计了一种并行化的SAR图像处理与展示架构和工作流组装方案.在SAR图像处理与展示平台的实际研发实践中,该方法可适应多语言编程环境,综合利用多种工具包,继承和复用现有算法代码.并能有效减轻编程工作量,提升遥感图像处理相关算法研究进度.     

遥感图像处理与展示平台的设计与实现

遥感图像具有数据来源多、处理算法复杂、应用领域广等特点,一个合适的算法测试与展示平台对于技术研究和工程应用都有重要意义.在工程项目研发中,针对一些常用的遥感图像和处理算法,采用面向服务的架构,设计和实现了一个可伸缩的处理与展示平台,可以实现多源遥感数据的管理与查询,方便的测试算法并展示结果.实际应用中,图像处理者只要专注于算法的设计和实现即可,其他任务都可以交给平台去做.此外,该平台也可以根据具体应用改造成专用系统,节省大量的重复劳动.     

一种面向对象的遥感影像多尺度分割方法

高分辨率遥感影像中丰富的空间结构信息和地理特征信息提取需要在多种不同的尺度下进行,而传统的基于像素光谱特征的影像分割和单尺度影像信息提取方法在这方面存在明显的缺陷.基于区域的面向对象影像分析方法,为高分辨率遥感影像信息提取提供了新的思路,其关键的核心问题在于实现对高分辨率遥感影像的多尺度分割.本文提出了一种基于相邻影像区域合并异质性最小的面向对象多尺度分割算法.影像分割试验结果表明:该方法可以根据任意特定尺度下的影像分析任务或任意感兴趣尺度的地物目标,调整影像分割的尺度参数,从而获得特定尺度下感兴趣的影像区域(对象)作为后续面向对象影像分析和应用的基础.     

CAMFT算法在遥感影像分割中的应用

遥感影像具有数据量大、数据结构复杂、连续、存在缺损与误差等特点，根据遥感影像的特点，提出一种基于多代表特征树的CAMFT算法。该算法通过多代表点特征树把海量空间数据进行压缩来提高效率，并且可以捕捉复杂形状聚类；算法CAMFT融入了采样思想，进一步增强了处理大型数据的能力。实验结果表明，该方法聚类精度优于K-Mean算法。     

基于小波变换的遥感图像快速拼接方法

基于图像小波变换与低频区域特征匹配的拼接方法,实现无人机序列遥感图像的快速动态拼接.根据无人机遥感图像成像的内、外方位元素,采用直角空间变换及二次线性插补方法,实现了遥感图像校正.小波变换提取低频图像,在此图像区域中搜索和提取特征模板,然后利用序贯相似性检测法进行匹配计算.根据匹配结果,实现两幅图像的拼接.仿真实验结果表明,所提出的拼接方法具有较好的实时性和拼接精度.     

一种适于遥感图像的图像压缩算法

提出一种适于遥感图像的压缩算法,将小波分解后的系数按照零树的方法排列为树状集合,再将树状集合排列为集合树块,为提高数据压缩效率,将集合树块划分成若干比特平面,利用分辨率之间的相似性和相邻系数之间的相关性进行比特平面编码;树块之间独立进行编码,以提高系统抗误码能力．对算法进行了系统仿真,结果表明,本算法压缩效率优于SPIHT压缩算法,且编码算法更简单,系统硬件易实现．     

遥感数字图象拟合处理在铁路工程滑坡病害研究中的应用

本文提出了使用电子计算机,对遥感图象之间、遥感图象与非遥感图象之间,进行数字图象拟合处理,用于铁路滑坡病害动态变化、滑坡分布的区域工程地质条件,以及滑坡面积大小和动态变化范围测量的研究.     

基于边缘检测和小波变换的遥感图像融合算法

针对多光谱图像和全色图像的特点,提出一种边缘检测和小波变换相结合的遥感图像融合方法。该方法在传统图像小波变换的基础上,选择Canny算子对图像进行边缘检测。在小波域中,在各个尺度层对高频子带采用边缘检测,将边缘点完整保留,低频子带利用加权法,再进行小波逆变换重构融合图像。实验结果显示,该方法在保证光谱信息的同时,能有效地突出边缘细节,更好地保持图像的空间分辨力。与传统小波变换法遥感图像融合相比,信息熵提高了6.63%,清晰度提高了32%,相关系数提高了0.36%。     

彩色图像处理中的调色板技术

如何给一幅彩色图像优选一个调色板,以此调色板再现该图像,从而方便地对彩色图像进行各种处理是图像处理技术中的重要问题。论述了针对不同应用场合基于不同颜色模型的不同的颜色优化策略;提出新的优化准则,逼真地再现该图像;合理地将颜色分组处理,以较少种类油墨实现了更多颜色的印染。     

遥感图像解释专家系统(RSPES)的设计

介绍了一种遥感图像解释专家系统的设计思想,总体结构,知识表示,推理规则和实现功能。ＲＳＰＥＳ系统将图像处理系统,专家系统和地理信息系统集成为一个整体,主要应用于遥感图像处理,分类与解释中。     

并行的中心点优化选取遥感影像聚类算法

为了解决遥感影像聚类个数及中心点选取的问题, 提出了一种并行的中心矢量优化选取的遥感影像聚类算法(PCVOS: Parallelized Center Vector Optimized Selection Algorithm for Remote Sensing Image Cluster)。该算法引入模糊评价目标函数并给出了一种染色体评价机制, 提高聚类染色体在类目、空间划分的多样性; 同时引入MPI(Massage Passing Interface)多进程并行技术, 加快了算法运行速度。实验结果表明, 相对于传统的K-Means、ISODATA(Iterative Self Organizing Data Analysis Techniques Algorithm) 和ACDE(Automatic Clustering Differential Evolution)算法, PCVOS 不但可以获得更好的聚类效果, 而且可以充分利用并行资源加快算法运行速度。