基于SAR纹理信息的农作物识别研究——以农安县为例

以吉林省农安县为研究区,以Sentinel-1B双极化数据为数据源,提取出典型农作物玉米、大豆、水稻的多个纹理特征值,筛选出最佳农作物识别纹理信息参数,结合eCognition软件中的规则库,充分挖掘SAR数据中农作物纹理特征包含的属性信息,构建决策树,基于面向对象分类方法对典型农作物进行提取,通过SAR农作物提取结果...     

SAR与TM图像复合处理技术的初步研究

本文主要介绍了星载ＳＡＲ（ＥＲＳ－１）与ＴＭ图像复合处理技术中的三个关键技术：几何配准、斑点噪声消除以及波谱信息复合，其中包括子区精配准，斑点噪声分析和ＩＨＳ、ＫＩ变换在波谱信息复合中的应用，并对其应用效果及应用前景进行了描述与评价。     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。     

基于数据融合的SAR图像目标识别算法

目前卷积神经网络已经在SAR目标识别领域得到了广泛应用,然而,由于SAR图像的目标样本数量过少,以及图像相干斑噪声的存在,使得网络不能充分的学习样本深层特征,对网络的识别性能会造成一定的影响.针对上述问题,提出一种基于数据融合的目标识别方法,算法首先对原始图像分别进行噪声抑制和边缘信息提取处理,然后将处理后的两类特征信息进行数据融合,将单通道灰度图像融合扩充至双通道图像来作为训练样本,同时构建了一个高低层特征融合的卷积神经网络模型,使用注意力机制来加强了对有用特征的学习,实验结果显示,该方法在MSTAR数据集上,表现了对不同目标型号的优秀识别效果.     

基于SRTM DEM和Landsat TM数据的SAR图像自动地理编码

合成孔径雷达(SAR)图像特殊的斜距成像方式使得利用传统的校正方法很难校正雷达图像。常用的方法是利用DEM和SAR成像几何信息模拟的SAR图像对真实SAR图像进行校正。在区域制图中,平坦地区由于没有地形起伏特征,使得模拟SAR图像特征不明显,无法建立与真实SAR图像的配准关系。本文在研究大范围SAR图像自动化地理编码的过程中,分析讨论了图像模拟和图像匹配的原理和过程,实现了自动判断模拟SAR图像与真实SAR图像的匹配偏移量是否达到信噪比要求,从而自动判断是否使用具有地物专题信息的TM图像代替模拟SAR图像和真实SAR图像进行匹配,实现了海量SAR图像地理编码的自动化。     

基于多极化星载SAR数据的水稻/旱田识别-以江苏省海安县为例 

合成孔径雷达(SAR)数据对于南方多云多雨天气的地表农作物类型的探测具有独特的优势。以江苏省海安县为例,基于多极化SAR数据,包括双极化ALOS PALSAR以及全极化Radarsat\|2数据,采用面向对象的方法,针对当地水稻/旱田进行识别。针对双极化SAR数据,利用了其强度信息进行分类识别;而基于全极化数据,除强度信息外,还利用了其SAR信号统计分布概率进行分类规则建立。结果表明:L波段的ALOS PALSAR在识别旱地的桑树方面具有很大的优势,而基于两种分类方法的C波段Radarsat\|2数据识别水稻的精度分别为85%和75%,略低于ALOS PALSAR的识别结果(87.5%)。     

面向土地利用类型识别的高分辨率SAR数据复合技术研究

2007年以来,相继发射了3颗1m/3m高分辨率SAR卫星,极大地丰富了土地利用动态遥感监测数据源。SAR图像增强是土地利用动态遥感监测必要的预处理步骤。本文针对直接基于SAR数据进行土地利用类型识别中存在的问题,提出了SAR与光学图像、多时相SAR图像、多极化SAR图像合成和单极化SAR图像彩色合成等4种影像复合方法,分析评价了SAR与光学图像融合的应用效果,研究结果可为高分辨率极化SAR数据业务化应用提供技术参考。     

基于深度学习的SAR目标识别DSP设计

SAR图像目标识别主要针对桥梁、机场等战略军事目标以及飞机、坦克、汽车等战术目标,进行精确的识别分类及定位,是SAR图像解译的重要一环。首先,构建C6678的卷积神经网络主要处理层,然后结合C6678的处理及存储特性,对卷积层和网络调度进行优化设计,完成了YOLOv3-TINY目标识别网络在C6678上的设计实现方法。该方法能够对常用卷积神经网络模型进行重构及修改,解决了C6678等多核DSP处理平台运行深度学习网络的难题。实验结果表明,该方法在检测性能上与GPU一致,考虑到机载SAR的实时图像帧率,虽然该方法在C6678的实时性能相对GPU还有较大差距,但其能够满足机载SAR实时处理需求。     

基于信息融合的车牌识别

模式识别是计算机技术中的一个重要组成部分,在信息获取与辨认中发挥着重要作用。在本次研究中,重点分析了基于信息融合的车牌识别的相关内容,先分析了信息融合的基本原理,再结合车牌识别,阐述了信息融合下车牌识别的基本算法与应用路径,希望能对相关人员工作有所帮助。     

基于稀疏描述的SAR目标型号识别算法

对样本进行稀疏描述,可获得充分描述样本特征且具备区分能力的稀疏向量.提出一种基于稀疏描述的SAR目标型号识别算法.首先,对目标SAR图像进行特征提取,以抑制斑点噪声的影响.然后,利用全体训练样本构造字典矩阵,将测试样本在字典矩阵上进行投影得到其稀疏向量.最后,根据拥有相同标号且方位角最接近的样本之间差异最小的特点,构造单个样本重构误差最小准则,实现SAR目标的型号识别.在MSTAR数据上的实验验证了本文算法的有效性.     

遥感图像在土地覆盖和温度分布之间对应关系研究中的应用

利用遥感手段探讨土地覆盖类型和温度之间的对应关系有新意。以日本东京地区1998年10月14日接收的TM遥感图像为主要数据,在地面实际调查的基础上,利用图像处理方法,进行了土地覆盖类型和温度分布之间关系的探讨。以该区几种代表性的土地覆盖类型作为训练区,利用TM图像的第1,2,3,4,5五个波段数据进行分类处理,获得了很好的分类结果,TM图像第6波段(10.40～12.5μm)是探测地面温度分布最佳波段,利用第6波段数据通过一系列的转换,获得了该区温度分布。温度分布和土地覆盖类型之间具有很好的对应性,如:白天的城区温度与郊区相比普遍偏高,但城区中植被覆盖率高的居民区和公园,温度偏低;城区的商业区(新宿、银座等)、机场和大型工厂等温度偏高。     

基于Landsat TM的城镇信息自动提取研究

为实现城镇信息的自动提取,在Erdas的Modeler模块下构建计算模型,选取大城市、小城市和乡镇各一个研究区进行实验,通过试验发现了常见的基于Landsat TM的城镇信息提取方法的不足。运用了综合阈值法进行城镇信息自动提取,条件为NDVI<0、TM1/TM4>T和TM2+TM3相似文献   

遥感图像在土地覆盖和温度分布之间对应关系研究中的应用(英文 )

利用遥感手段探讨土地覆盖类型和温度之间的对应关系有新意。以日本东京地区１９９８年１０月１４日接收的ＴＭ遥感图像为主要数据，在地面实际调查的基础上，利用图像处理方法，进行了土地覆盖类型和温度分布之间关系的探讨。以该区几种代表性的土地覆盖类型作为训练区，利用ＴＭ图像的第１，２，３，４，５五个波段数据进行分类处理，获得了很好的分类结果，ＴＭ图像第６波段（１０．４０～１２．５μｍ）是探测地面温度分布最佳波段，利用第６波段数据通过一系列的转换，获得了该区温度分布。温度分布和土地覆盖类型之间具有很好的对应性，如：白天的城区温度与郊区相比普遍偏高，但城区中植被覆盖率高的居民区和公园，温度偏低；城区的商业区（新宿、银座等）、机场和大型工厂等温度偏高。     

基于时空数据融合模型的TM影像云去除方法研究

针对已提出的各类云去除方法在实际应用中存在的局限性,将时空数据融合模型引入到云去除方法中。首先基于MODIS数据提供的时间维变化信息和辅助时相TM数据提供的空间信息,应用增强时空适应反射率融合模型(ESTARFM)得到了目标时相似TM合成数据;然后用TM合成数据替换掉目标时相TM影像中被云及其阴影覆盖区域的数据。在修复后的影像中替换区域与非云区域色调基本一致。通过非云区TM合成数据间接对替换云及其阴影区数据的精度进行定量评价。结果表明:相对于真实TM影像,非云区域合成数据各波段均值差异都在1%以内;各波段的相对误差分别为16.29%、12.92%、13.47%、12.87%、9.71%和11.84%,且各波段的相关系数均大于0.7;非云及其阴影区融合影像数据间接表明填补云及阴影区数据各波段的总体精度优于83%。因此,所提出的方法能够修复TM影像中被云及其阴影覆盖区域的数据,提高MODIS与TM数据的利用率。     

基于SAR后向散射的海上溢油检测研究

应用海面雷达后向散射系数检测海上溢油是目前海上溢油遥感监测的一个重要方向。本文以南海Envisat-ASAR数据为例,在分析SAR数据的基础上,应用Envisat-ASAR绝对定标计算方法,计算后向散射系数,研究应用SAR进行海上溢油遥感监测的散射特性,计算目标与海面边界后向散射系数梯度均值0σ与目标与海面后向散射系数均值差Δμ,并以两者结合作为区分海面油膜与自然现象的解译标志,从而为溢油识别提供依据。     

TM与SPOT影像融合算法比较研究

随着遥感技术的发展,获取遥感数据的手段越来越丰富,各种不同的传感器所获取的影像数据与日俱增,在同一地区形成了多时相、多分辨率的影像序列金字塔。如何综合各种类型的遥感影像信息,提高遥感数据的利用效益已成为遥感应用的瓶颈问题。多源遥感数据融合技术是解决这一问题的有效手段,即将同一地区不同类型的影像数据进行空间配,然后采用一定的算法将各种影像数据中所含的信息优势或互补性有机的结合起来,产生新影像的过程。以Landsat和SPOT数据为例进行了这方面的探讨。为了充分利用TM丰富的光谱信息和SPOT较高的空间分辨率,研究中引入了4种影像融合算法：加权融合、K－L变换、K－T变换、基于信息特征的融合。通过信息量和分类精度的比较,表明基于信息特 的融合效果较好。     

利用陆地卫星TM数据评估森林病虫害

回顾和总结了近十多年来森林病虫害遥感监测的研究进展，介绍了“八五”攻关课题的最新研究成果，充分肯定了陆地卫星TM数据在森林资源质量监测和评估中的应用前景，指出了今后的发展方向。     

TM图象对应分析研究

利用对应分析法对对内蒙色尔腾山地区的ＴＭ图象进行了分析,达到了图象分类和增强特征信息的目的,同时列出了它所提供的有用信息。     

基于TM6数据的成都市地表温度反演

本利用Landsat5的TM6热红外数据，利用实时的地表温度对不同温度演算算法进行了回归检验，根据统计的原理对各种方法做出评价，并优先了一种方法进行成都市地面温度场的分布分析。本也就同一大气条件下的地温和气温之间的关系作了分析，认为用卫星影像的DN值代替气温研究热岛效应是不合适的。