高精度机载可见光图像定位方法

针对现有技术不能解决机载可见光图像快速自动定位的问题，提出了一种定位精度高、处理速度快、可扩展性好的机载可见光图像定位方法。该方法以传感器共线成像模型为中心，将实时图像和传感器成像参数送入共线模型进行正射校正，校正后的图像与相应的基准图像进行图像配准，使用配准同名点信息更新传感器成像参数，最后再次通过共线模型获取实时图地理坐标定位信息。这种通过图像配准再计算成像模型的间接定位方法，不仅减少了计算量，而且使自动配准算法稳定，较传统的直接定位方法或图像配准方法有突出的优势。此外，该方法具有严格的误差传递计算公式，能计算定位结果的误差。仿真实验表明即使在大倾斜角条件下，该方法也能获得优于100 m的定位精度。     

印鉴图像配准方法的研究

随着社会经济的发展，银行业务量日渐增大，过去的手工识别方法已不能满足社会所需。印鉴图像配准方法作为自动识别方法的基础，是对标准印鉴和待测印鉴进行处理，为判断这两个印鉴是否出于同一个印章做必要的准备。本文采用一维化的印鉴图像配准方法，该方法包括印章图像灰度化、去除噪声、二值化和背景分割等预处理以及图像配准两部分。     

基于特征点配准的图像拼接技术研究

图像拼接是图像处理技术中的重要研究领域，现已广泛应用于遥感图像处理，医学图像分析，计算机识别，军事，勘探等领域，该文通过Harris角点特征的检测来实现图像的配准，达到较好的结果。     

基于尺度不变特征变换的图像自动配准方法

运用尺度不变特征变换方法提取图像特征,采用基于圆域的特征主方向计算方法,强化了图像的特征旋转不变性能;利用k-d搜索树与简化的广义Hough变换相结合的方式进行图像特征匹配,提高了特征匹配的效率和精度。实验表明,该方法能够对不同分辨率、不同光照、不同拍摄角度的图像完成精确自动配准。     

遥感图像的目视判读的探讨

熟悉地物在不同波段的光谱特性,了解地物在不同空间分辨率影像上的表现,掌握不同假彩色合成影像的特征,熟练运用遥感影像解译标志与解译方法,是进行判读解译的重要基础.     

一种新的基于二尺度分解的图像和谐融合方法

介绍了一种新颖的图像融合算法。该方法首先将图像的亮度通道进行分解,然后对分 解后的层使用不同的方式进行处理。该方法使用均值插值法来解决图像融合问题。实验表明 ,该方法在外观不同的图像上能够获得比较满意的结果,融合结果和目标图像的细节纹理匹 配完好且无缝。此外,基于图形处理器（GPU）的并行实现提高了算法的效率。     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达（SAR）成像制导通常采用光学基准图和SAR实时图 进行特征提取和景象匹配。提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabo r模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然 后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板 分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配。该方 法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传 统方法具有较高的鲁棒性和准确性。     

遥感图像分类技术的发展现状

遥感图像自动分类一直是遥感技术中一项重要工作,它压缩原始图像的信息量,提高其他工作阶段的效率.本文就此阐述了近年来遥感图像分类技术的发展现状.     

基于小波方向滤波的有云层遥感图像舰船检测方法

提出了小波分析和方向滤波相结合的有云遥感图像目标检测方法。首先对原始遥感图像进行小波分解,采用比率-平均边缘检测法检测人造目标的边缘方向,在该方向上进行Frost滤波,有效抑制云层干扰的同时突出了人造目标及其边缘信息;然后进行阈值分割并剔除大块云层,根据区域的平均边缘梯度剔除小块云层,实现了有云遥感图像的舰船目标检测。实验证明,该方法能减少遥感图片云层对舰船检测的影响,并具有较高的目标检测率。     

基于卫星中继的无人机图像传输系统

基于卫星中继的无人机图像传输系统在遥感图像的传输中有着十分重要的作用。首先讨论了这种系统的应用意义 ,然后提出了一种具体的实现方案 ,对系统中的几个关键部分的设计进行了详细分析。目前的实验成果表明 ,这种基于卫星中继的无人机图像传输系统方案是可行的。     

改进的基于CNN的高光谱遥感图像分类办法

由于高光谱遥感图像光谱维度大,标注样本相对较少,提出了一种结合主成分分析和改进的二维卷积神经网络的高光谱遥感图像的分类方法。首先,通过主成分分析,降低光谱维度,消除光谱亢余信息。然后,将数据进行分块处理,获得分块数据的样本标签,并将数据分为训练集和验证集,用训练集和验证集训练改进的针对高光谱遥感图像分类的卷积神经网络的参数。最后,将测试集投入训练好的2D-CNN上进行分类,得到分类结果。实验结果表明,提出的模型的分类精度明显提高,从而验证了该方法的有效性和实用性。     

自由网影像数据拼合方法探讨

目前利用erdas软件拼接影像主要采用的是地理坐标控制的方法来处理,但仅有原始影像的数据无法使用标准的坐标系统,同时每幅数据都在中心投影或轨道垂向的变形,即需要对大量的像片建立像片横向和纵向的关联,又要保证不能够让影像边缘的变形继续加大,目前航空影像和遥感影像都采用的是规范的可量测相机,遥感影像又具有稳定的轨道参数,可分析其变形特点,并加以利用,只要选择合理的拼接线,针对其变形特点加以概略纠正就可以满足影像拼接的需求.     

卫星影像挂图的制作

卫星影像图是一种具有一定数学基础，由多幅卫星遥感影像按其地理坐标镶嵌拼接而成的影像图。本文重点介绍了卫星影像图制作过程中的卫星影像几何纠正、光谱融合、影像拼接、制图输出的处理方法。     

一种基于最小错分概率的遥感影像变化检测算法

变化检测是研究自动实现目标变化信息提取的方法。为适应不同时期遥感影像成像环境和灰度的差异,提出一种基于最小错分概率的遥感影像变化检测方法,对待检测的遥感影像利用差影法提取出差值影像,利用最小错分概率的计算方式计算变化阈值,提取出重要的变化区域,最后采用去噪扫描和形态学的方式剔除噪声带来的虚假变化。实验结果表明,所提出的变化检测算法稳健、实时性强,具有较大的实用价值。     

基于局域方差系数与幅度均值的非线性扩散

在对SAR图像进行处理时,可以将图像分解为代表不同图像特征的多个分量.针对不同分量分别选取最合适的处理方式能够得到性能上的较大提升的问题,使用非线性扩散方法,将图像分解为表征大尺度结构信息的结构分量和表征小尺度细节信息的纹理分量,并对扩散参数的选择进行了对比和评估.提出了一种基于局域方差系数与窗口幅度均值积的扩散参数,作为判断图像中加强或者削弱扩散活动的条件.经过实验证明,采用这种扩散系数能够使得扩散的进行更有针对性,所得到的图像分量能够更加有效地用于后续处理.     

基于压缩感知的红外遥感图像重构算法分析

随着航天遥感技术的飞速发展，遥感图像采集数据耗时长、图像数据量大等问题的出现对采样设备和存储设备提出了更高的性能要求。为了解决以上问题，在气象卫星的红外遥感图像的处理中采用了压缩感知理论。通过Matlab建模和仿真，分析了正交匹配追踪算法、梯度投影算法、子空间追踪算法、平滑l0范数算法的性能，并对大量红外图像以不同的采样率进行采样压缩，然后使用多种重构算法重构图像。对比试验显示，几种算法都能以较低的采样率得到完整的红外图像，但平滑l0范数算法在重构精度和运行时间方面都优于其余几种算法，证明了压缩感知在红外遥感图像的处理中具有较大的实用价值。     

基于变分贝叶斯ICA的遥感图像混合像元分析

混合像元已成为遥感图像处理、分类的难点和重点。独立分量分析(ICA)能够实现图像的去 相关性以及得到相互独立的分量,但是,由于ICA模型的各成分独立性和数据统计分布规律 的不变假设,影响了遥感图像分类精度。针对这一问题,提出了基于变分贝叶斯ICA(VBICA) 的遥感 图像分析方法,并利用遥感图像进行验证,结果表明：VBICA方法提取的独立分量具有均方 根误差小、迭代次数少和稳定性较好的特点;基于VBICA方法的遥感分类精度达到了9155% ,且目视效果较好;VBICA方法突破了ICA的局限性,提高了遥感图像自动分类精度,具有很 好的应用前景。     

图像代数运算在Matlab中的实现

图像的代数运算是图像的标准算术操作的实现方法，是两幅输入图像之间进行的点对点的加、减、乘、除运算后得到输出图像的过程。该文介绍了图像的加、减、乘、除代数运算在Matlab的实现方法。     

超高分辨率PolSAR图像去噪对极化特征的影响

随着超高分辨率极化合成孔径雷达(PolSAR)图像数据的出现，有必要对PolSAR图像的去噪过程对于极化分解结果的影响进行评测。相干斑去噪过程的实施将对观测场景中的PolSAR图像原有极化属性产生不同程度的影响，这将会导致分解结果出现偏差。以非相干分解模型为评估对象，以喷气推进实验室(JPL)提供的开源机载超高分辨率PolSAR系统数据为实验样本，提出了一种利用绝对相对误差的定量评测方法。评测结果显示：对于超高分辨率图像，相干斑噪声的影响明显变小，分解窗口可相应的缩小为7×7的尺寸。研究结果对于PolSAR图像的后期遥感应用中的参数选择具有重要参考意义。     

采用改进全卷积网络的“高分一号”影像居民地提取

针对现有的高分辨率遥感图像居民地信息提取精度和效率不够高的问题，提出了一种基于改进全卷积网络的“高分一号”（GF-1）遥感影像居民地提取方法。首先，通过专业的目视解译制备大量居民地训练样本；然后，将预训练过的深度卷积神经网络进行全卷积网络的改造，并以具有多尺度卷积核的Inception模块代替由全连接层改造的卷积层，达到减小网络模型参数量、增加特征表达能力的目的；最后，用制作好的高分辨率遥感图像居民地数据集进行训练和验证，生成可直接进行居民地信息提取的全卷积网络。实验结果表明，基于改进全卷积网络的方法可以实现精确有效的居民地信息提取，Kappa系数超过94%。