控制点/控制点对最优能量解析的图像配准

 针对遥感图像配准中匹配同名点少、配准精度低等问题,提出了一种基于控制点/控制点对最优能量解析的图像配准方法。在控制点提取中,通过多尺度曲波变换,实现不同尺度下图像质量的灰关联分析和噪声抑制,并根据灰关联能量值,自动调整尺度不变特征变换配准参数,提高匹配同名点数量;为保证控制点选择的均匀性和准确性,创建了控制点对能量模型,采用马尔科夫蒙特卡洛优化算法实现分布、匹配能量最优的控制点筛选,提高了图像配准精度。实验结果表明,本方法对遥感图像匹配同名点少、控制点分布不均匀、图像配准精度低等问题有很大改善,具有较高的应用价值。     

天基光学传感器动态成像配准方法研究

图像配准是天基光学动态成像处理中的关键技术,在遥感侦察等领域有着重要应用。对星空背景和地球大气背景下天基目标探测中的图像配准问题进行研究。针对星图配准建立了部分平均Hausdorff距离(PMHD),并定义了一种新的相似性匹配测度,利用序贯岭回归估计方法实现快速配准;针对地球大气背景图像配准,通过改进的Harris角点检测亚像素定位提取特征点集,基于PMHD利用粒子群优化(PSO)算法实现图像的精确配准。仿真实验表明:提出的星图配准方法具有实时性和亚象元配准精度,联合PMHD和PSO的大气图像配准具有良好的配准精度和较强的抗噪干扰能力。     

多谱段光学遥感探测器配准误差分析

多光谱相机获取的同一目标在不同谱段图像中几何位置不同,造成了多谱段图像配准误差。而多谱段图像谱段配准问题是制约卫星数据规模化与产业化应用的重要因素之一。文章针对常见的同一光学系统多光谱成像模式,建立多谱段探测器配准误差模型,从空间相机设计角度考虑,仅考虑图像之间的位置关系,分别分析延时成像及非延时成像时造成谱段配准误差的因素,以及各因素对多谱段图像配准的影响。多谱段图像配准误差无延时成像时与各谱段像主点观测精度有关,延时成像时像主点位置观测精度和姿态指向精度影响较大,卫星速度观测精度影响较小。最后根据地面图像处理配准误差要求,仿真分析得出各引起配准误差因素的指标要求,可以为多光谱遥感器的设计和应用提供参考。     

用局部灰度极值方法进行多光谱图像配准算法研究

针对多光谱遥感图像,提出了一种基于局部灰度极值的配准方法:通过在基准图像和待配准图像中同步寻找含有灰度极值的小区域,再用多项式对极值区域进行曲面拟合,最后,分别计算小区域的极值点作为特征点对进行配准。并用真实和模拟多光谱图像进行了试验,结果显示本课题提出的方法具有算法简单和配准精度高的特点。     

一种变化检测的新算法

变化检测技术是遥感图像应用中的关键技术之一。在分析变化检测算法的基础上，提出了一种新的变化检测算法，该算法主要由三步组成：差图像的优化获取、变化区域的准确检测、目标阴影的修正。仿真结果表明了本文所提算法对变化目标的检测准确可靠，且对背景有较强的鲁棒性。     

基于深度学习的遥感图像目标检测方法及系统设计

为解决传统的目标检测算法难以满足遥感图像数据爆发式增长需求这一问题，文章提出基于深度学习的遥感图像目标检测系统软件。首先，为给深度学习网络训练提供高质量的样本数据，在GIS平台上实现了样本标注功能和数据集兼容性转换功能，并提供图像预处理方法对样本进行扩充；其次，针对遥感图像场景分类与遥感图像特定目标检测，应用深度学习技术，分别实现了模型训练、迁移学习、目标检测等功能；最后，采用了形态学处理、矢量化、直角化约束等方法，对遥感图像场景分类的效果进行改善。实验结果表明，文章的遥感图像目标检测系统在遥感图像场景分类方面取得了85%的分类精度，在特定目标检测方面取得了95%的检测精度，明显优于传统的遥感图像处理方法。该系统软件满足目标检测应用需求，能够为遥感影像分类、信息提取、变化检测等任务提供技术支持。     

基于几何定位一致性的星载多光谱影像配准精度分析

多光谱影像波段配准是高分辨率光学遥感卫星多光谱相机数据预处理的关键环节,其配准精度直接影响影像产品的融合、解译等应用。文章首先从理论上深入分析了影响基于几何定位一致性多波段配准方法精度的因素,然后利用"资源三号"(ZY-3)卫星多光谱相机影像数据,并结合像方配准方法进行了对比实验验证。实验结果表明,当平台无震颤或存在微小震颤时,基于几何定位一致性多波段配准方法精度优于0.2像元,能满足高分辨率遥感卫星多光谱影像高精度配准需求。     

基于传感器几何特性和图像特征的影像配准方法

“天绘一号”卫星是我国第一代传输型立体测绘卫星,搭载有三线阵CCD相机、多光谱相机和2m分辨率全色相机。多光谱相机波段间影像的配准是保证多光谱影像质量和有效应用的前提,在现有配准方法的基础上,文章提出了基于传感器几何特性和图像特征的配准方法来改善影像配准效果。这种方法首先基于相机几何特性对待配准图像进行调整,然后对图像进行局部多点取图,采用尺度不变特征变换（Scale Invariant Feature Transform,SIFT）法提取图像特征并进行初步匹配,利用匹配点领域灰度相关性来进行精匹配和误匹配点的剔除,最后获得图像位移差,进而完成图像配准。实验结果表明,这种方法能够提高多光谱波段间影像的配准成功率,准确率达到95％以上,大幅改善了匹配精度。     

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。     

基于方位去斜的SAR/GMTI方法研究

具有同时获取静止场景高分辨率图像和检测慢速运动目标能力,是多通道SAR/GMTI雷达优于传统单通道SAR和预警雷达的重要特征之一.文章采用基于方位去斜SAR成像技术的三通道SAR/GMTI方法对地面运动目标进行检测、定位和测速,着重研究了一种结合相位补偿、图像配准和多通道多像素自适应处理的杂波抑制方法.分别在有无配准误差情况下,对比了自适应处理与直接对消方法的杂波抑制效果,说明了多消一的自适应处理针对配准误差具有更好的稳健性.最后利用对三通道SAR/GMTI系统实测数据的处理,验证了所述方法流程的可行性.     

基于条件生成对抗模型的遥感卫星影像重建技术研究

为了快速侦察未知区域的地貌信息，遥感卫星可对特定区域进行扫描以获取遥感卫星影像。当卫星经过国外未知区域时，部分卫星无法针对某特定区域进行长时间的驻留扫描，本文提出一种基于条件生成对抗网络模型（Conditional Generative Adversarial Network，CGAN）进行网络训练，前期将某方法获取的区域轮廓地形信息作为CGAN网络的生成网络和鉴别网络中的条件约束信息，通过网络生成器与判别器在训练过程中互相博弈产生特定的输出集，有效地实现由单张电子轮廓图像到对应卫星遥感图像的端到端的非线性映射。本文通过原真实卫星遥感图像与生成卫星遥感图像进行四种对比误差计算，平均误差、均方误差与结构相似度均高于99%，峰值信噪比高于30 dB，生成的图像与原图像之间具备高相似度，实现了在获取坐标定位轮廓信息的先验条件下，对特定区域进行遥感卫星影像内容重建技术。     

卫星遥感图像的鲁棒无损数据隐藏传输算法

提出一种基于整数离散余弦变换（IntDCT）域的鲁棒无损数据隐藏算法。先对载体图像进行预处理来构建适合信息嵌入的载体,并将无损隐藏的思想引入到预处理中用以存储可恢复原载体图像的信息。为兼顾鲁棒性和图像质量,算法通过修改载体图像IntDCT域高频系数的直方图修改来完成秘密信息的嵌入;最后,与以往算法不同,为保证遥感图像的质量,给出了接收端在含密图像未失真和失真情况下载体恢复的方法。实验结果表明,本文所提出的算法能有效抵抗压缩攻击,并具有良好的图像质量和较大的容量。与以往算法相比,本文算法在性能方面具有明显的优势。     

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。     

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。     

遥感影像弱小目标智能解译算法研究

随着遥感技术的快速发展,光学遥感影像弱小目标智能解译成为遥感信息处理的研究热点之一。遥感影像的地物目标常具有尺度小、种类多、数量大、部分重点小目标移动速度快的特点,易受到复杂背景环境及噪声影响,使得提取遥感影像弱小目标的信息面临着巨大的挑战。早期智能解译算法中的弱小目标分割、检测及跟踪等算法研究,多依赖模板匹配及先验知识,此类算法需耗费大量资源、算力及专家知识成本,存在着计算量大、泛化能力差的问题。近年来,随着深度学习等人工智能技术的快速发展,在海量遥感数据中准确获取弱小目标的信息,通过结合深度学习算法可对弱小目标的特征进行快速提取,以提供高效、准确的解译信息。本文综述了遥感影像弱小目标智能解译算法研究进展,包括基于传统图像处理方法的弱小目标分割、检测和跟踪算法,以及基于深度学习等典型相关算法。通过分析这些方法的优点与局限性,对于提高相关目标的信息获取能力、提升观测的态势感知水平以及未来应用等方面具有重要意义。     

光学遥感图像船只目标检测识别技术

船只目标检测识别技术是现阶段遥感图像研究领域的一个重要发展方向。随着国产高分辨率卫星的快速发展，高分遥感卫星陆续发射，基于光学遥感图像的船只检测识别技术会逐步成为研究热门。主要介绍了近年来基于光学图片的船只检测识别技术发展、以及当前技术存在的问题。当前基于深度学习的船只目标检测识别技术取得了较好的检测效果，成为主流研究方向，但在光学遥感图像船只检测领域基于深度学习的方法有一些基本问题限制了检测效果，对这些问题进行了归纳总结，并对未来光学遥感图像船只检测技术的发展进行了展望。