基于GPU的高光谱遥感图像PPI并行优化

传统高光谱遥感信息处理算法的执行效率较低,无法满足海量遥感数据的实时处理需求。文章对基于图形处理器（graphic processing unit,GPU）的高光谱遥感信息处理并行优化方法进行了研究,针对高光谱遥感图像混合像元分解中广泛使用的纯净像元指数算法,提出了一种基于矩阵乘法的GPU并行优化算法,并给出了实验比较和性能测试数据。实验表明,该优化方法在保证结果准确性的同时,运行效率显著提升,算法加速比最高达到634倍,验证了基于GPU的高光谱数据处理并行优化算法的有效性,能够较好地满足高光谱遥感信息实时处理的应用需求。     

分块变换和GPU并行的遥感影像快速正射校正方法

正射校正是整个遥感数据处理过程中计算量最大、耗时最长的步骤之一,已经成为制约整个遥感数据处理快速完成的瓶颈。为了提高正射校正处理效率,文章系统地探讨了基于分块三维直接线性变换和图形处理单元(GPU)并行的遥感影像快速正射校正方法。首先针对正射校正坐标转换计算量过大的问题,提出了分块三维直接线性变换策略,有效地降低了坐标转换的计算量;在此基础上,采用"渐进式"策略开展GPU并行处理,首先通过GPU并行映射(核函数任务映射、基本设置),使方法在GPU上可执行,然后通过"两层次"性能优化(核函数性能优化、整体流程性能优化),进一步提高了方法的执行效率。在CPU和GPU组成的实验环境中,使用文中方法对"高分二号"卫星全色标准景影像进行实验,GPU执行时间仅为5.13s,与CPU相比,相应加速比达到142.42倍,可以满足对大数据遥感影像的快速正射校正需求。     

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〗     

基于Contourlet域Krawtchouk矩和改进粒子群的遥感图像匹配

为了进一步提高遥感图像匹配的精度和运算效率,提出了一种利用Contourlet变 换、Krawtchouk矩和改进粒子群的遥感图像匹配算法。在分别对参考图像和目标图像进行Co ntourlet分解的基础上,引入Krawtchouk矩来提取图像的局部特征,并利用改进的带极值扰 动的简化粒子群优化算法对低分辨率的遥感图像进行匹配操作,然后逐级上推,
最终实现全分辨率情况下遥感图像的匹配。实验结果表明,该算法与目前常用的遥感图像匹 配算法相比,不仅具有更高的匹配精度和运算效率,还有较强的鲁棒性。
     

基于本征图像分解的高光谱图像空谱联合分类

高光谱图像分类是许多应用的第一步,也是极其重要的一步。针对目前分类方法存在误分现象,尤其是在地物边缘附近区域,以及现有空谱联合分类方法计算复杂度高的问题,提出一种基于本征图像分解以及导向滤波的高光谱图像空谱联合分类方法:利用AP聚类进行波段选择,提高计算效率;利用基于局部稀疏约束的本征图像分解方法进行高光谱本征图像分解,获取反射率本征图;利用导向滤波器对初始分类结果进行优化。实验结果表明:文章提出的空谱联合分类方法在分类精度与计算时间方面优势明显。     

基于分布式信源编码的高光谱图像无损压缩研究进展

有效的高光谱图像压缩技术已经成为航天高光谱遥感领域研究的焦点之一。对基于分布式信源编码（Distributed Source Coding,DSC）的高光谱图像压缩技术研究进展进行了综述。首先介绍了DSC的理论基础、实现方式及其在高光谱图像无损压缩应用中的优势;然后总结了基于DSC的高光谱图像无损压缩研究进展,在此基础上给出了一种基于多波段预测的高光谱图像分布式无损压缩算法,实验结果表明,该算法具有较低的编码复杂度,其无损压缩性能优于现有的分布式无损压缩算法;最后指出了DSC在高光谱图像压缩中需要进一步研究的问题。     

改进粒子群算法优化SVM参数的遥感图像分类

文章使用支持向量机(SVM)分类算法,结合当下应用较为广泛的智能优化算法,对SVM的参数进行优化选取,以期能够提高遥感图像的分类精度。针对粒子群算法(PSO)优化SVM分类器参数时,存在着容易早熟收敛、分类精度相对较低、容易陷入局部最优解的问题,提出了一种以自适应权重粒子群算法(SAPSO)为基础,引入遗传算法交叉算子的混合优化算法(SAPSO-GA),利用这种改进的算法优化SVM参数对遥感图像进行分类。文章以一景Quick Bird卫星遥感影像为例,对影像进行图像融合等预处理,然后分别使用PSO-SVM算法和SAPSO-GA-SVM算法进行土地利用分类,比较分析两种算法的分类精度,结果表明,改进的算法提高了粒子群算法的搜索性能,能够寻找更佳SVM分类器参数,获得较高的分类精度。     

无人机载MiniSAR实时成像处理GPU异步优化

合成孔径雷达(SAR)以其全天候、全天时的工作特性及其分辨率不随平台高度变化的成像特性，已成为航天遥感、目标检测领域重要的传感器之一。SAR算法复杂度往往与成像分辨率呈正相关，其中计算量问题成为雷达成像实时性的一大挑战。无人机载MiniSAR具有小型化、低功耗、灵活性强和隐蔽性强等优点，其小型化使设备计算能力受限，加剧了复杂度与分辨率之间的矛盾。图形处理单元(GPU)和多线程技术发展迅速，为无人机载MiniSAR实时成像提供了平台。本文根据实时处理机数据流和GPU异构系统的特点，提出了一种GPU异步优化方案，该方案可明显提高中央处理单元(CPU)与GPU之间的并行工作效率，节约大部分的数据存取开销。实验结果证明:GPU的成像效率是单CPU系统的12倍左右，在此基础上，使用GPU异步优化方案后效率可继续提升15%左右。本文提出的设计思路可显著缓解无人机载MiniSAR的实时成像计算压力。     

基于MTFC的遥感图像复原方法

遥感图像在成像过程中受到大气、光学系统、探测器、平台运动和电路等因素的影响,引起图像退化,图像复原算法可以改善遥感图像像质,提高图像信息的解译能力。文章介绍了调制传递函数补偿（modulation transfer function compensation,MTFC）算法的原理,从遥感成像的链路环节出发,分析了MTFC的原理,提出了一种星上实时遥感图像MTFC复原算法。通过卷积系数和抑噪参数的优化设计,在提高图像清晰度的同时能较好地抑制噪声;对不同卷积和抑噪参数的图像复原效果进行了对比,从主观和客观两个方面对复原图像进行了评价。实验结果表明,该算法能有效提高图像像质,增强图像的高频部分,采用不同类型的卫星遥感图像验证了算法的适应性。     

基于改进Hough算法的高光谱数据直线检测方法研究

为改进用于高光谱数据直线检测的传统Hough算法的计算量大、性能较低等不足,对一种基于改进Hough算法的检测方法进行了研究。用能反映地物信息体量的峰值信噪比选择波段,选出10个波段图像,既减少了输入波段数,又确保后续识别能考虑所有波段的光谱信息。对光谱相似性测度进行了改进,采用光谱信息散度与光谱角制图法混合度量(SID-SAM)检测图像边缘轮廓,获得特征点。再仿照传统Hough算法进行直线检测以得到结果。给出了算法的处理步骤,算法适于二维图像和高光谱图像的处理。实验检测结果表明:对二维图像,改进Hough算法识别出的直线数量远多于传统Hough变换,且提取的直线精度和完整性均有较大改善;对高光谱图像,与二维Hough算法相比,改进Hough算法所获结果的置信率高、准确性好,不仅可提高提取直线的完整性,而且能检测到前者无法检测到的部分。     

基于支持向量机的无参考遥感图像质量评价方法

针对遥感图像主观评价方法的低效率以及常用客观评价方法无法充分考虑人眼对图像的感知特性的问题,文章提出了一种基于支持向量机的无参考遥感图像质量（quality）评价方法。首先建立遥感图像主观评价库,然后在不需要图像失真信息的基础上,利用支持向量机（SVM）将图像的失真类型分为三类,并对每类进行单项评价,再通过加权得到遥感图像的总评分,最后将本文方法、信噪比与信息熵的评价结果回归到主观评价空间并进行对比。实验证明,文章所提方法能客观地评价遥感图像的质量,且优于信噪比和信息熵两种质量评价方法,其结果与人眼视觉感受相符。     

星上遥感影像在轨处理进展研究

从星地数传、高时敏任务等对星上遥感影像在轨处理的需求出发,本文对美国、欧洲以及国内主要的星上遥感影像在轨处理进展进行了研究;以此为基础,结合星上遥感影像在轨处理框架与深度学习等智能处理技术,分析了高性能星上智能处理平台构建、基于深度学习的遥感影像在轨智能处理、多源遥感影像数据在轨融合处理、星地协同数据处理及在轨更新等星上遥感影像在轨处理关键技术;最后,对星上遥感影像在轨处理未来发展趋势进行了总结,为进一步提升遥感卫星在轨应用效能提供参考。     

机载高分辨率遥感图像实时压缩系统研究

介绍了图像压缩系统的5种主要架构,分析、比较了这5种架构的优缺点。基于现场可编程门阵列(FPGA)的图像压缩系统架构,提出了一种适合机载应用的高分辨率遥感图像实时压缩系统,该系统具有体积小、功耗低的特点。另外,还针对JPEG-LS(JPEG-Lossless)算法的特点,提出了一种简单有效的位率控制和抗误码方法,并在基于VIRTEX-ⅡFPGA的实时压缩系统中进行了具体应用,实现了机载遥感图像的无损和近无损图像实时压缩。该系统预留了充分的硬件资源,可支持EZW和SPIHT等复杂度较高的高倍率图像压缩算法的应用。     

改进暗通道遥感影像去雾方法及效果分析

遥感影像的预处理工作是遥感数据应用的基础。去除云雾是影像预处理工作的重要组成部分。针对遥感影像雾霾浓度分布不均匀的问题,提出一种改进的暗通道遥感影像去雾方法。以"高分一号"(GF-1)卫星为例,根据影像灰度图中的灰度值对影像雾霾浓度区域进行划分,对每个区域中暗原色值的获取方式进行改进,使用导向滤波优化大气传输率,以归一化植被指数(NDVI)为基础,设计用于评价影像去雾质量的定量指标。结果表明:所提出的方法能明显去除雾霾干扰,有效改善卫星影像数据的视觉效果,增强影像细节。该方法去雾处理后的遥感数据能应用于定量遥感,提高遥感影像的可用性及有效性。     

使用GPU并行加速的星表检索算法

提出一种基于GPU的恒星检索并行算法,解决大视场下星表检索在仿真应用中效率不高的问题。首先使用经纬度分区法将星表划分为星区存储,然后在可快速查询的分区星表上,提出构造球面三角形法精确求出探测视场覆盖的星区,以有效减小搜索范围。最后,采用计算统一设备架构(CUDA)计算平台,将并行的视场内恒星检索过程放入GPU下进行并行加速。实验结果表明,与面向CPU的实现相比,所提算法获得数十倍的加速比,并且在大视场、宽星等域下将检索时间控制在毫秒级别,满足了实时仿真要求。     

基于小波包变换的Quick Bird全色影像和多光谱影像的融合

为了能够更好地将迄今为止在商业领域内空间分辨率最高的Quick Bird卫星遥感影像的高空间分辨率特性和多光谱特性结合起来,以提高对影像信息的分析和提取能力,笔者在研究了小波包图像分析法之后,提出了一种基于小波包变换(WPT)的Quick Bird遥感影像融合方法,在此基础上,对同一地区Quick Bird全色影像和多波段影像进行了融合实验,获得了满意的实验结果。     

适合空间应用的高速图像压缩核设计

针对空间遥感图像压缩的具体应用,给出了基于CCSDS ［1］ 算法的 高速图像压缩核的设计和实现。对CCSDS算法的实现方法进行了优化,算法的VLSI架构 设计充分利用了流水和并行技术,使处理速度相比串行方式平均提高了40倍。压缩验证系统 实验结果表明压缩核在编码效率、处理速度和容错能力上均具有较高的性能,50MHz频 率下压缩核的数据处理速度可达12.5Mpixels／s。