剖线强度梯度变化的作物软硬变化区精确划分

[目的]软硬变化区的划分是进行遥感变化检测技术识别农作物的基础。为解决人工判读方法中存在人为主观因素影响以及自动判别和交互式判别方法对不同研究区的适用性问题,该文提出基于剖线梯度变化(Profile based Gradient Change Magnitude,PGCM)进行软硬变化区划分的方法。[方法]该研究选择破碎农业景观种植区域为研究区,计算拔节期Quick Bird影像和播种期模拟影像两个时相的变化强度,从作物地块内部向外绘制剖线,利用剖线强度的梯度变化确定硬变化区(Hard change region,HCR)、软变化区(Soft change region,SCR)和未变化区(Non change region,NCR)3者间的划分阈值。[结果]从识别结果来看,PGCM能够有效在地块边界处探测到软变化像元,进而确定HCR、SCR。像元分辨率在5~60 m不同尺度下,识别HCR区混入比例为11%~16%,混入比例随着分辨率下降而降低;NCR区混入比例为3%~4%,受分辨率尺度影响不大;SCR区识别比例为74%~86%,识别精度较高,识别结果与冬小麦空间分布结果保持一致。[结论]PGCM方法能够自动、便捷地确定阈值,摆脱人工判定的主观性,有效地划分出HCR、SCR和NCR 3个区域,为进一步HCR、SCR区内的作物识别提供基础。     

基于数字图像处理的皮肤病识别APP

随着科技的进步,生活节奏的加快,环境污染的加重,皮肤病成为一种高发性疾病,针对此现状,设计一款关于现代常见皮肤病防治的手机应用软件,通过空间域滤波器、灰度拉伸以及直方图均匀化进行图像预处理,将图像相似的灰度值调整一致,便于图像分割与特征提取。将处理完的图像与数据库中的病样进行对比得出结果,最后系统给出患者相对应的治疗方案。     

山区遥感影像地形辐射统计校正模型改进研究

山区地形起伏导致太阳光照不同,造成遥感影像接收的辐射信息不能反映地表的真实信息,从而影响遥感影像的解译与处理.本研究基于常用的地形辐射统计校正模型,结合山区植被覆盖特征,设计了一种分区统计校正模型,并采用三种不同分辨率的卫星遥感影像进行了实验,结果显示改进后模型的地形辐射校正效果有明显改善.     

基于波段运算的沿海赤潮灾害信息监测

沿海水体赤潮灾害是一种常见的海洋灾害现象,赤潮灾害会给沿海的居民生活、经济及生态环境造成严重的影响.本文通过分析沿海赤潮水体及相邻水体的光谱特征,提出了利用MODIS遥感影像数据建立波段运算模型,经过影像的灰度分割,提取了沿海区赤潮灾害信息.结果表明,该方法所提取的赤潮灾害信息与中国海洋灾害公报的信息吻合.     

无人机遥感系统的研究进展与应用前景

对于无人机遥感来说,融合了无人机技术与遥感技术。在无人机遥感技术应用的过程中,涵盖了诸多不同类型的先进技术,比如,无人机驾驶飞行技术、通讯技术、遥感传感器技术等,存在着显著的智能化、自动化等不同方面的特征,能够迅速得到相关资源,并且系统掌握国土、环境等不同方面的信息,然后加以实时化处理,通过建模与科学分析,能够制定出无人机遥感技术运用的具体策略,凸显出其良好的功效。本文针对无人机遥感系统的研究进展进行了详细地分析,同时说明了无人机遥感系统的应用前景,进而对有关研究人员形成一定的启发。     

高光谱遥感影像技术发展现状与应用

遥感作为一种常用的地质勘查技术,具有更为分辨率高、图谱合一等优势和特点。因此被广泛地应用到地质、环境监测、农林资源调查、海洋研究等等方面。本文在参考国内外研究文献的基础上,阐述了高光谱遥感的特点、优势,对高光谱遥感影像技术的发展现状进行分析,探讨该技术在经济、军事以及在航空及航天领域的发展情况,同时指出了目前高光谱遥感卫星技术应用存在的主要问题与发展趋势。     

基于深度学习的跳频信号识别

针对跳频信号分选存在人工提取参数特征具有复杂性的问题，提出了一种基于深度学习的识别方法。首先对跳频信号进行短时傅里叶变换，得到二维的时频矩阵；接着提取信号的轮廓特征，构造三维矩阵作等高线图，并对等高线图进行预处理；最后把预处理后的等高线图输入到卷积神经网络中进行训练、测试，进而实现分类识别。仿真结果表明，在不需要复杂的人工提取参数特征的基础上，在分选率为100〖WT《Times New Roman》〗%〖WTBZ〗时，所提方法经裁剪处理下的信噪比为-15 dB，比支持向量机和传统K-Means聚类算法都低10 dB。实测数据的算法验证表明，所提方法能够将大疆精灵4Pro、hm无人机、司马航模X8HW以及大疆悟2这四类无人机正确分类。     

基于图形小波变换的遥感图像表示与去噪

离散小波变换（Discrete Wavelet Transform，DWT）通常用于图像的表示。然而，对于具有不规则形状边缘的图像，尤其是对于纹理和细节信息较多的遥感图像，DWT却很难有效表示，进而影响后续去噪效果。针对该问题，提出了一种基于图形小波变换（Graphic Wavelet Transform，GWT）的图像去噪方法。首先，将图像表示为图形信号，并通过该图形信号的谱表示构造相应的变换矩阵；然后，设计了一种改进自适应阈值的图像去噪方法，在GWT变换域内对图像去噪。实验结果表明，与常用的图像去噪方法相比，所提算法能够提供更好的图像主观质量。采用均方根误差（Root Mean Square Error，RMSE）和峰值信噪比（Peak Signal-to-Noise Ratio，PSNR）作为客观指标，结果表明，采用所提方法得到的重建图像客观质量更优。     

基于显著区域提取的红外图像舰船目标检测

针对复杂海面背景下红外图像舰船目标由于灰度不均匀、海杂波干扰大等因素造成的自动检测虚警率高、准确率低的问题，提出了一种显著区域提取和目标精确分割相结合的红外舰船目标检测方法。首先，利用基于图论的视觉显著性(Graph-based Visual Saliency ,GBVS)模型计算待检测图像的显著图，使得目标区域信息增强；其次，结合舰船目标先验信息（长短轴、面积等），利用多级阈值划分算法提取关注的显著区域，并确定原图中候选目标区域；最后，利用空间约束模糊C均值(Fuzzy C-Means,FCM)算法对候选区域进行分割，结合目标先验知识对分割区域筛选并输出目标位置。所提方法在公开数据集IRShips上与相关方法进行比较，结果表明，相比直接进行全图目标搜索的方法，所提方法不仅准确率高、执行速度快，且检测目标的位置更加精确。     

利用改进特征金字塔模型的SAR图像多目标船舶检测

深度学习模型中的特征金字塔网络（Feature Pyramid Network，FPN）常被用作合成孔径雷达（Synthetic Aperture Radar，SAR）图像中多目标船舶的检测。针对复杂场景下多目标船舶检测问题，提出了一种基于改进锚点框的FPN模型。首先将特征金字塔模型嵌入传统的RPN（Region Proposal Network）并映射成新的特征空间用于目标检测，然后利用基于形状相似度距离（Shape Similar Distance,SSD）度量的Kmeans聚类算法优化FPN的初始锚点框，并使用SAR船舶数据集测试。实验结果表明，所提算法目标检测精确率达到98.62%，在复杂场景下与YOLO、Faster RCNN、FPN based on VGG/ResNet等模型进行对比，模型准确率提高，整体性能更好。