遥感图像中基于Hough变换的直线提取算法

针对遥感图像中大型目标的直线特征提取问题,设计了一种基于类直线提取的改进霍夫(Hough)变换算法。类直线的提取相当于Hough变换的预处理,既约束了Hough变换所使用的直线上的特征点,改进了直接进行Hough变换时不同直线的特征点互相干扰的缺点,又降低了计算量。对图像空间的每条类直线分别进行Hough变换,改进投票过程的映射方式,寻找类直线中最多特征点所在的那条直线,只取一个投票峰值,在减小了计算复杂度的同时又去掉了虚假峰值的影响。实验结果表明,改进Hough变换直线特征提取算法性能好、效率高,可用于遥感图像处理领域。     

基于改进Hough变换的ASAR图像船只尾迹检测算法研究

为能更准确地对先进合成孔径雷达(ASAR)图像中船只尾迹进行探测,提出了一种基于改进Hough变换的船只尾迹检测算法。切割ASAR窗口图像,以尾迹为中心、略小于尾迹长度为高度,确定含船只目标及其尾迹的窗口,将船只用窗口图像灰度均值替代以使其不影响尾迹检测。用改进Hough算法,先后对亮尾迹和暗尾迹进行检测,在变换域中由设定的阈值寻找峰值,反演出尾迹所在直线,再由阈值条件确定尾迹的起点和终点。给出了用于ASAR图像船只尾迹检测算法的流程。对两幅含船只尾迹的ASAR图像进行了检测,结果表明:与传统算法相比,该算法运算简单,实现速度快,能较准确地检测到船只尾迹及其起点和终点。     

一种改进的星上高光谱异常检测算法研究

为解决传统RX异常检测算法导致的星上高光谱图像异常检测准确率低、成本高等问题,对一种改进的星上高光谱异常检测算法进行了研究。在传统RX异常检测算法的基础上,用噪声自适应主成分变换对原始图像进行变换,选择变换后大于设定的合适信噪比阈值的数据;用局部正交子空间投影(LOSP)算法将相应数据投影到正交子空间获得图像残差数据,通过抑制背景等强干扰信息而突出小概率的异常目标信息;用空域滤波方法提取残差数据的特征,将大部分图像信息以某种标准集中于少数的主成分;对获得的波段子集用中值滤波器滤波,消除噪声干扰;用RX异常检测算子对滤波后的波段子集进行异常目标检测。试验结果证明了算法的有效性,算法通过数据量压缩,降低维度、抑制干扰信息,减少了异常检测处理的数据量以提高异常检测效率和精度。     

复杂背景中红外多光谱目标检测算法研究

针对多光谱红外探测器,对复杂背景条件下红外弱小目标检测算法进行了研究。根据弱小目标缺乏纹理等相关信息的特点,给出了一种用于多光谱图像的弱小目标检测算法。对多光谱图像,构建数据立方体,对多光谱信息建立稳定的目标特征向量,用多光谱背景抑制滤波器以提升图像信噪比,将一种基于统计判别的低信噪比条件下红外序列图像弱小目标检测算法与传统多级假设检验跟踪(MHT)算法综合,形成了改进的连续帧目标检测跟踪算法,对波门内疑似目标点用引入多光谱信息建立的特征向量进行目标的非监督检测判决。实验结果证明:在低信噪比下该算法能有效检测跟踪弱小目标,在保证检测概率前提下可有效抑制虚警,极大地降低了后续跟踪算法的计算爆炸风险。     

基于UDWT的高性能多光谱遥感图像融合算法

无抽取离散小波变换 (UDWT)具有移不变性的优良性质 ,它在遥感多光谱图像增强以及双通道图像融合应用中获得了很好的效果。文中研究一种基于UDWT的适用于多光谱图像的融合算法 ,该算法利用UDWT的多尺度表示方法和文献 [4 ]算法最佳保留光谱信息的特点 ,融合结果同时精确保留了多光谱图像的光谱信息和高频细节特征 ,为目标的检测、定位、识别等图像的进一步处理提供很好的特征信息     

一种卫星多光谱图像亚像元波段配准精度自动评价方法

多光谱图像波段配准精度是多光谱影像数据的一项重要指标。文章实现了一种基于相位一致特征的多光谱图像亚像元波段配准精度自动评价方法。通过对CBERS-02B卫星CCD多光谱图像波段配准精度自动评价,表明该方法对于亮度和对比度具有不变性,能均匀稳定提取多光谱数据不同波段影像大量同名特征匹配点,自动给出影像的不同区域的亚像元配准精度,实现对整景影像数据的较为完整准确评价。根据评价结果进行了地面处理系统校正,使行列方向除局部区域外均达到配准精度。     

基于波段选择的RX改进算法

针对高光谱检测亚像元飞机的问题,提出基于大气吸收谱段的改进RX异常检测算法,实现亚像元检测能力和检测效率的提升.阐述了改进算法的基本原理,对比了10 km高度和地面大气吸收系数的曲线差异,建立了改进算法的检测模型,采用仿真的客用飞机可见-短波高光谱数据和海水背景高光谱数据,获得了信噪比10 dB的高光谱仿真图像.采用经...     

面向高光谱图像的目标检测研究

现有的高光谱目标检测方法是通过逐像素分类而实现,导致了检测速度缓慢。物体级目标检测的发展为高光谱图像实时目标检测带来了希望。为了实现实时高光谱图像目标检测,文章提出了一种基于目标检测模型YOLO的卷积神经网络算法。首先,该算法提出了用多尺度光谱注意力网络（Res2NetSE）来提取空谱特征,能够提升多尺度目标检测效果并能更有效地提取关键波段信息;其次,该算法提出了一个空间增强的特征金字塔模块（Spatial Enhanced FPN,SFPN）用于特征融合,提升了神经网络的感受野和多尺度性能;最后,该算法设计了FIOU(Fantastic IoU)损失函数,提升了预测框定位精度。实验结果表明,所提出的算法能够有效提取空间域和光谱域信息特征,分别在平均准确率上提升了14.19%、8.01%和5.38%,与现有方法相比表现出更出色的性能。文章的算法为高光谱图像的物体级目标检测提供了一种有效的解决方案,有望推动高光谱图像分析领域的进一步发展。     

基于光谱响应函数的ZY-3卫星图像融合算法研究

针对遥感影像融合过程中存在的光谱失真,提出了一种基于光谱响应函数（SRF）的ZY-3卫星影像融合算法,该算法通过研究亮度分量的模拟方法和空间细节注入方法,改进了传统的IHS算法。采用融合前后典型地物光谱曲线对比和无需参考图像的质量评价指标（QNR）两种方式对融合结果进行评价,发现该算法的光谱信息保持在89.94%,QNR值达0.75以上。结果表明,相对于其它IHS改进融合算法,基于ZY-3卫星传感器SRF的改进IHS融合算法无论在光谱信息保持还是空间信息增强方面都具有优势。     

基于流形学习的多光谱优化波段选择算法研究

为从多光谱图像特征提取的角度进行优化波段选择,在充分描述数据结构特征的同时使提取选择的特征有明确的物理意义,对基于流形学习算法的优化波段选择算法进行了研究。用判别局部排列(DLA)算法对多光谱数据进行预处理,选取正负样本,利用样本信息,以目标分类为目的进行特征提取。利用特征提取的结果,从特征提取的角度分析当前各谱段对所提取的主特征贡献的总信息量和贡献率,给出了基于权值和基于贡献率的两种优化波段选择算法,分别基于权值和贡献率进行特征选择。用正负样本的可分性可快速高效降维,同时又能保留多光谱图像原物理特性。实测数据验证了优化降维后的5个谱段能保留原数据的物理特性,目标识别概率提高约2%,计算复杂度降低约50%。优化选择的谱段有助于新一代多光谱探测器的研制和应用。     

一种基于水平集方法提取高分辨率遥感影像中主要道路信息的算法

以IKONOS多光谱影像为例,提出了一种从高分辨率遥感影像提取城市主要道路的方法 。首先,利用矢量图像梯度算法获取道路的边缘。然后,通过分析各类地物在IKONOS多光谱 波段中的光谱特征,发现绿光与近红外波段的差值影像,不仅能较为有效地区分道路与植被 、水体和裸土的信息,而且能减小道路建筑材质不同引起的道路光谱信息的异质性。再利用 旋转不变Gabor小波方法获取影像的纹理特征,进一步区分道路与建筑物。在水平集理论框 架下,用速度函数将道路的梯度、光谱、纹理特征结合起来,用快速行进算法提取道路。 最后,用数学形态学方法进行提取结果的优化。为验证上述方法的实用性,将该方法应用于 两个云覆盖情况不同的实验区,结果表明用该方法能有效地从IKONOS影像中提取主要道路信 息,且在薄云覆盖区域依然有效。
     

基于光谱特性的高光谱图像压缩方案

根据干涉型高光谱成像仪成像特点,提出了一种针对干涉型光谱仪所获得高光谱图像的基于光谱特性的图像压缩方案。由于光谱信息最终从“点”十涉图像中恢复,因此方案中首先通过高精度匹配技术将原始“像面”干涉图像序列“重组”成“点”干涉图像,然后针对“点”干涉图像序列进行压缩。在重组过程中采取基于光流的亚像素级匹配和基于梯度的三角插值算法,实现了高精度的图像匹配重组;在压缩环节利用“点”干涉图像与光谱信息之间的傅立叶变换关系,提出一种能够很好保持频谱特性的基于一维DCT的压缩算法。实验证明,压缩算法总体性能远高于针对“像而”干涉圈序列的压缩算法．很好地控制了光谱信息的失真。     

高光谱遥感数据特征挖掘技术研究进展

从目标空间尺度和传感器空间分辨率的相对大小,把高光谱遥感图像目标检测、识别与分类中的特征挖掘问题划分为多像元、单像元和亚像元3个层次,因而更具自然特性也更适合特征挖掘和目标分类与识别技术的分析。把高光谱遥感图像特征挖掘方法归纳为以保留波段物理意义为主要目的的特征选择、以综合利用所有观测数据信息为主要特色的特征提取,和考虑亚像元多目标混合信息的特征混合3大类。重点且简明地从高光谱遥感数据光谱曲线与光谱特征、特征提取、特征选择以及特征混合分析几个方面综述高光谱遥感数据/图像的特征挖掘技术的研究进展并通过热点问题展望其未来的发展趋势。     

基于混合Contourlet变换和主成分变换的高光谱图像融合

针对高光谱图像波段多、存在噪声干扰等特点,提出了一种混合Contourlet和主成 分 分析（principal component analysis, 简称PCA）变换的高光谱图像融合方法。首先将多 个波段的高光谱图像进行Contourlet变换,得到系列多尺度、方向各异的子带系数,然后利 用PCA变换对各子带系数分别进行自适应融合处理。实验结果表明该算法可以有效地进行高 光谱图像融合,消除噪声干扰,获得比直接应用Contourlet变换和PCA变换更好的融合效果 。〖JP〗     

大孔径静态干涉多光谱图像压缩算法

基于大孔径静态干涉成像光谱仪的成像特点,提出了一种适合于干涉多光谱图像的不等重要性权值率失真优化等级树压缩算法。该算法根据干涉多光谱图像在空间和频域的特点,对小波系数从空间方向树上按空间域中各光程差对恢复光谱信息的贡献重要性不同赋予不同的重要性权值,这样不仅弥补了SPIHT算法在码率分配上的不足,而且有效的保护了频域中的光谱信息。实验结果表明,该算法比传统算法更好地保护了多光谱图像的光谱信息,在8倍压缩比下,满足该类干涉多光谱图像压缩系统的质量要求。     

基于集成学习约束能量最小化的高光谱目标检测算法研究

提出了一种基于集成学习约束能量最小化(E-CEM)的高光谱图像目标检测算法。传统的高光谱检测算法通常是基于约束最小二乘法或基于高斯先验下的假设检验算法获得,然而真实环境中捕获的高光谱数据通常具有很强的非线性及非高斯特性,此时传统算法通常难以获得满意的检测效果。虽然核方法一定程度上能使传统算法获得较强的非线性表达能力,但核方法本身极易受到核函数参数的选择而表现出性能不稳定的现象。E-CEM在传统的约束能量最小化算法的基础上结合集成学习思想,使其在提升非线性光谱表达能力的同时提升检测的稳定性和稳健性。仿真高光谱图像和真实高光谱图像的实验结果都表明所提方法提升了CEM算法及其他经典算法的检测性能。     

基于区域特征光谱的自组织特征映射神经网络高光谱图像主成分提取方法

非监督分类算法用于高光谱图像主成分提取时存在分类精度受数据分布状态和噪声影响大的缺点,导致提取效果差。论文提出基于空间信息的神经网络非监督分类主成分提取算法,该算法首先通过空间邻域自动聚类提取区域特征光谱替代像元光谱作为自组织特征映射神经网络的训练样本,经过训练神经网络自适应获取高光谱图像地物类别特征,最后通过对光谱矢量聚类完成主成分的统计和提取。论文提出采用区域特征光谱替代单象元光谱作为训练样本有效抑制了噪声对分类结果的影响,同时显著减少了神经网络的数据处理量,使主成分得到快速准确地提取。对深圳红树林自然保护区高光谱图像的仿真结果表明:神经网络训练样本数降低了约95%,更重要的是算法快速准确地提取了主成分,提取效果明显好于K-均值算法。     

高光谱图像全局异常检测RFS-SVDD算法

针对SVDD用于高光谱图像全局异常检测时存在虚警率高的问题,提出RFS-SVDD算 法。RFS-SVDD将空间相邻且光谱相似的像元分为同一区域,根据区域大小将图像在空间上分 成潜在异常区域与背景区域,用背景区域中所有子区域的平均光谱RFS作为SVDD训练样本求 取支持向量。RFS是每个子区域中像元光谱的统计结果且不包含奇异像元,可以避免奇异像 元光谱和图像随机噪声对背景建模的影响。对HYMAP和AVIRIS图像数据的仿真结果表明：RFS -SVDD算法能抑制异常目标像元光谱和图像随机噪声对背景建模的干扰,降低SVDD用于高光 谱图像全局异常检测的虚警率。
     

资源三号卫星廊坊地区遥感数据的融合处理

本文以资源三号卫星河北省廊坊地区2A级全色遥感影像和多光谱影像数据为基础,采用遥感数字图像处理软件ERDASIMAGINE进行了研究区域的提取,并对提取的感兴趣区进行了几何校正,即图像配准处理,然后进行了融合处理,分别采用了空间增强的分辨率融合算法、改进IHS分辨率融合算法以及小波分辨率融合算法,通过和融合前的影像进行对比,融合后的影像既保留了多光谱影像的丰富的波谱信息,同时具有了全色影像的高空间分辨率的特征,最后对比三种融合算法,得出改进的IHS分辨率融合算法效果最佳。     

一种用于WorldView-2遥感图像的波段分组融合方法

针对WorldView-2卫星遥感图像,提出一种基于波段分组的多光谱图像与全色光图像融合新方法。该方法以全色光波段与多光谱各波段光谱响应的匹配特点为依据,首先将八波段多光谱图像分成两组,然后分别设计融合模型再进行分组融合,最终得到多光谱各波段的融合结果,分组策略简单、实用。实验结果表明,该方法在融合WorldView-2遥感图像时能够在提高空间分辨率和保持光谱信息方面达到更好的平衡,优于现有的几种融合方法。