基于聚类结构自适应稀疏表示的高光谱遥感图像修复研究

高光谱影像(Hyper-Spectral Image,HSI)的图像修复是其数据应用中重要的一个环节,最终会影响后续工作的准确性。提出一种新的基于聚类结构自适应稀疏表示的高光谱遥感图像的修复算法,该方法的优点是根据遥感图像地物的特征进行自适应地块大小选择,并对像素聚类后各个波段图像按照字典学习算法进行稀疏表示,通过稀疏逼近实现高光谱遥感图像的修复。实验结果表明:利用自适应获得的稀疏系数能更好地表示高光谱图像,图像的峰值信噪比(Peak Signal-toNoise Ratio,PSNR)为26.6dB,比其他研究的算法有所提高。该方法可以应用于遥感图像处理流程中,提高图像的应用潜力。     

非局域样本填充和自适应曲率驱动模型的遥感图像修复算法*

遥感图像修复技术对于后续遥感图像的处理与应用具有重要意义.文中在深入研究曲率驱动(CDD)模型和样本填充算法的基础上,针对遥感图像对纹理细节和边缘区域要求较高的特点,提出非局域样本填充和自适应曲率驱动模型的遥感图像修复算法.该算法较好地避免CDD模型修复过程中在一些极端情况下可能出现的假边缘、阶梯效应和扩散速度缓慢等缺点,保证遥感图像修复后的纹理细节信息和边缘信息.仿真实验验证文中算法的有效性.     

可视化技术在遥感图像处理系统中的应用

可视化技术可以最大限度实现遥感影像的科学计算可视化、数据可视化与信息可视化,为使用者营造直观且可以交互的可视化环境,可大大提升遥感图像处理质量和显示水平,近年来得到了广泛的应用与发展。基于此,本文首先简单介绍了可视化技术,进而对传统遥感图像处理系统与可视化遥感图像处理系统作简单对比,最后从可视化遥感图像处理系统的框架、可视化遥感图像处理系统技术等方面对可视化技术在遥感图像处理系统中的技术应用要点进行分析。     

遥感图像快速压缩传输系统的设计与实现

遥感图像快速压缩传输系统为用户开展海量遥感图像存储与网络共享提供技术支撑平台。系统采用客户端对客户端的设计架构,采用图像分层分块、自适应小波变换、网络链路质量探测等技术,成功研制了遥感图像快速压缩传输系统,满足了各类型遥感图像应用单位之间的遥感图像共享、浏览、压缩与传输需求。     

用Web Services实现遥感图像分布式处理

随着遥感科学的发展,遥感图像的分布式处理的任务变得越来越迫切。该文以遥感图像分布式处理为主线,在分析了当前此方向的主要研究方法及WebServices的特点后,指出了应用WebServices技术实现遥感图像分布式处理的可行性,进而对应用WebServices技术实现遥感图像分布式处理的流程进行了设计,并针对某遥感图像的图像分割任务对其进行了实现。     

基于凸集投影法和复数小波包域的遥感图像上采样研究

造成遥感图像降质的因素很多,包括大气影响、光学模糊、相对运动、传感器因素和下采样等.文中针对遥感图像的特点,改进通常用于多帧图像超分辨率技术中的凸集投影法,应用于单帧遥感图像的上采样,然后对其输出结果使用贝叶斯方法进行调制传递函数(MTF)的自适应估计,并在复数小波包变换域中做进一步的去模糊和降噪处理,从而实现单帧遥感...     

多源遥感图像融合的数据同化算法

为解决现有融合方法不能根据遥感图像的后续处理要求对融合规则进行自适应调整的问题, 本文结合模型算子和观测算子的优点构建数据同化系统, 提出了基于数据同化和遗传粒子群方法的遥感图像融合算法. 该算法将平移不变性小波变换作为模型算子, 将对比度金字塔作为观测算子. 由后续处理对图像属性指标的依赖程度确定属性指标的权重, 用评价指标的加权和构造目标函数, 并用遗传粒子群算法优化目标函数, 从而获取高清晰度的遥感图像. 本文通过遥感全色图像与多光谱图像、红外图像与可见光图像的融合证明了算法的优越性.     

IDL在遥感图像处理中的应用

遥感作为现代信息技术的前沿技术,不仅生态监测、水质环境评价、气象等领域广泛应用,且是一种很有效的手段。而遥感图像有价值信息的识别与提取是对遥感图像理解与应用的基础,因此进行遥感图像特征提取、质量提高、功能处理的应用方法研究很有必要。以AQUA卫星影像为数据源,采用IDL语言,实现了遥感图像的几何变换、图像增强、直方图、边缘检测、形态学图像处理功能。实验结果表明,IDL的处理方法简洁简捷高效,处理结果直观形象,IDL在遥感图像处方面的独特优势也得到了很好的体现。     

基于数学形态学算法的遥感图像边缘去噪方法

为了提升遥感图像边缘去噪质量以及去噪效率,设计一种基于数学形态学算法的遥感图像边缘去噪方法。对遥感图像数据实施归一化处理、标准化处理、图像增强处理。以预处理后的数据作为研究基础,对原有形态边缘提取算子实施多次改进,采用加权自适应多尺度形态边缘提取算法提取遥感图像边缘,利用伞形算子进行递归局部邻域扩散,实现遥感边缘图像去噪。测试结果表明,该方法的最大去噪误差与平均去噪误差较小,边缘去噪时间较短,小曲率数据点的个数明显增加,而大曲率数据点的个数则明显减少,说明设计方法的遥感图像边缘去噪质量高,去噪效率高。     

自适应加权特征字典与联合稀疏相结合的遥感目标检测

随着分辨率的提高,遥感图像空间包含的有用信息越来越丰富,这使得遥感数据的处理变得更加复杂,容易发生维数灾难并影响识别效果。针对这一情况,提出一种自适应加权特征字典与联合稀疏相结合的遥感图像目标检测方法(GJ-SRC)。首先将训练图像和待测图像进行Gabor变换以提取特征图像。然后计算各个特征值在进行稀疏表示时的贡献权重,通过自适应方法构造特征字典,使字典具有更强的判别能力。最后,提取每一类图像的公共特征和单个图像的私有特征构成联合字典,并利用测试图像稀疏表示进行目标检测识别。为了避免Gabor变换产生的维数灾难,在处理过程中采用PCA方法对特征字典进行降维,以降低计算成本。实验表明,与现有的SRC方法和遥感目标检测方法等相比,所提方法具有较好的检测效果。     

无人机影像匹配点云单木识别算法

针对单木识别研究中“局部最大值”算法因窗口大小设置不同而产生的单木漏识别与错识别问题,提出了联合“局部最大值”与“单木树冠结构分析”的单木识别算法。算法首先利用“局部最大值”获得候选单木;然后对候选单木树冠结构进行分析,提取树冠结构曲线;最后通过对树冠结构曲线判别,剔除、合并错识别与过识别单木,从而提高单木识别的精度。选取大兴安岭林区８个典型样地进行实验,以实测可见单木为参考,与窗口大小为1.0 m、2.0 m 的两种“局部最大值”算法进行比较。结果表明,该算法8个样地整体F 测度为90.45％,相比1.0 m、2.0 m 窗口的“局部最大值”法F 测度74.82％、77.35％,分别提高,15.63％,13.10％。     

支持向量机理论及其在遥感图像处理中的应用

支持向量机(SVM)是在统计学习理论的基础上发展起来的一种新的学习算法,经过多年的研究,它的理论基础日渐成熟,它的应用领域逐步扩大.SVM在遥感图像处理领域内的研究也逐渐增多.介绍了支持向量机的理论以及近年来它在遥感图像分类、检索、特征提取、图像压缩、混合像元分解等方面的应用.随着支持向量机研究热的兴起,它必将在遥感图像处理方面发挥更大的作用.     

基于非下采样剪切波变换与引导滤波结合的遥感图像增强

针对遥感图像中对比度低、细节信息缺失和边缘梯度保持能力较弱等问题,提出了一种基于非下采样剪切波变换（NSST）与引导滤波相结合的遥感图像增强算法。首先,原始图像通过NSST被分解成低频子带和高频子带两部分。然后,对低频子带进行线性增强,提高整体对比度;采用自适应阈值法抑制高频子带的噪声,再对去噪后的高频子带进行引导滤波增强,提高图像的细节信息和边缘梯度保持能力。最后,对两部分子带进行NSST反变换,得到增强后的图像。实验结果表明,与直方图均衡、基于Contourlet变换和模糊理论的图像增强算法、基于非下采样Contourlet变换与反锐化掩膜结合的遥感图像增强算法以及基于非下采样Shearlet变换与参数化对数图像处理相结合的遥感图像增强算法相比,该算法的图像信息熵、峰值信噪比（PSNR）和结构相似性（SSIM）都有一定的提升,能明显地改善图像视觉效果,使得图像纹理更加清晰。     

小波用于基于遥感影像特征的自适应二维盲水印算法

文章提出了一个有效的基于遥感影像特征的自适应二维盲水印算法。该算法使用灰度图像作为水印,将水印灰度图像进行Arnold置乱加密和小波压缩后,利用相邻特征平均值和奇偶判决法嵌入遥感影像的二阶小波变换域中所选择的子带上,且水印检测不需要原始遥感影像。攻击测试和实验结果表明,该算法具有较好的透明性,强壮性,以及水印检测结果准确,算法复杂度低等优点,对如JPEG有损压缩、中值滤波、附加噪声、伸缩、裁剪、旋转、几何变换、Stirmark攻击等各种影像处理的攻击都具有较强的鲁棒性;且嵌入水印后基本不会影响遥感影像的边缘检测和分类等一些应用。     

遥感图像目标识别的并行处理方法

为提高遥感图像目标识别的速度，减少消耗的时间，提出了一种特殊的遥感图像目标识别的并行处理方法。基于这种方法，只需对串行识别算法做较少的改动即可实现遥感图像目标识别的并行化处理，无需设计专门的并行识别算法，以较低的代价解决了遥感图像目标识别耗时较多的问题。     

AGA-BP模型在遥感影像分类中的应用研究

作为遥感研究的关键技术,遥感影像分类一直是遥感研究热点;针对目前采用BP神经网络模型进行遥感影像分类时存在的对初始权阈值敏感、易陷入局部极值和收敛速度慢的问题,为了提高BP模型遥感影像分类精度,将自适应遗传算法引入到BP网络模型参数选择中;首先运用自适应遗传算法对BP模型权阈值参数进行初始寻优,再用改进BP算法对优化的网络模型权阈值进一步精确优化,随后建立基于自适应遗传算法的BP网络分类模型,并将其应用到遥感影像数据分类研究中;仿真结果表明,新模型有效提高了遥感影像分类准确性,为遥感影像分类提出了一种新的方法,具有广泛研究价值。     

面向对象的高光谱遥感影像分类方法研究

在基于像素的高光谱影像分类方法的基础上,结合面向对象图像分析理论与方法,提出面向对象的高光谱遥感影像分类方法,并具体分析探讨了面向对象高光谱遥感影像分类的关键技术,包括多尺度分割、最优波段选择、人机交互和知识库的建立等。试验表明,面向对象的分类方法应用于高光谱影像较传统分类方法有较高的精度,有很大的应用潜力。     

基于网格的遥感图像快速处理

海量遥感图像快速处理是遥感图像处理与分析的重要任务之一,它既是数据密集型,也是计算密集型的工作。针对海量遥感图像的快速处理问题,构建了基于网格计算的图像处理网格平台,开发了针对遥感图像处理的网格计算中间件,用于遥感图像的清晰化处理。应用结果表明,海量遥感图像处理计算效率得到大幅度提高,取得了满意的结果。     

基于深度神经网络的遥感图像分类算法综述

准确、高效的遥感图像分类是遥感图像解析的重要研究内容之一。近年来,随着机器学习技术的发展,深度神经网络日渐成为一种有效的遥感图像分类处理方法。分析了遥感图像分类目前存在的一些问题,并简要阐述了几种典型的深度神经网络的原理结构;然后根据遥感图像分类的研究现状和深度神经网络对遥感图像分类的研究现状,总结了深度神经网络在遥感图像分类技术应用中的发展趋势。     

基于WPS快速构建面向专业应用的WEB遥感影像处理应用系统试验研究

卫星遥感技术的飞速发展,促进了遥感数据的应用从专业领域向更加广阔的领域发展,这就需要提供应用简单、使用方便、不依赖于专业遥感影像处理系统的应用工具为各领域的专业人员、公众使用,OGC的WPS服务为基于通用浏览器的遥感影像处理应用提供了可能。本文尝试了以ERDAS APOLLO SERVER为服务器基于WPS服务快速构建网络遥感影像处理应用的一种新框架。基于该框架开发的系统很好地解决了海量影像数据的管理、网络影像应用功能的提供、网络影像处理功能使用数据的输入/输出、功能和数据的安全性等问题,并初步构建了可实际应用的通用影像处理应用系统。