基于Google Earth的县域秸秆焚烧火点监测初探

通过对县域秸秆焚烧火点特征进行分析,利用Google Earth影像对同一区域不同时间的遥感图像的颜色、形状、色调、纹理、图案等特性进行对比,研究县域秸秆焚烧火点的遥感图像解译特征,使用图像解译特征在Google Earth遥感影像中进行火点监测。     

基于多结构元素的遥感图像去噪及边缘检测方法

边缘检测是遥感图像处理的一个重要方面。利用数学形态学原理，提出了一种基于多结构元素的遥感图像边缘检测方法。首先采用基于视觉模型的边缘阈值得到灰度突变像素点，然后利用几种具有代表性的结构元素对这些像素点进行形态学腐蚀操作以区分真实像点和噪声点，将噪声点去除并通过伪中值滤波填补像素值，最后得到图像边缘。实验结果表明，该算法能够在保持图像边缘细节的前提下，很好地滤除图像中的孤立噪声点，在检测精度和抗噪声性能方面都优于传统的形态学算法。     

高超声速运动点目标检测

为了降低红外运动点目标检测的漏检率与虚警率,文章以"猎鹰2号"为例,从天基红外遥感图像生成的角度出发,计算了高超声速飞行器多种工况的辐射特性,提出了一种基于目标速度与辐射特性的红外运动点目标检测方法。该方法将高超声速目标的速度与遥感图像的灰度关联,以目标的飞行速度作为单帧图像灰度阈值分割的条件,实现阈值分割与速度滤波并行,并进行多帧图像疑似目标二次速度匹配滤波,实现目标检测。仿真结果表明:文章提出的点目标检测方法对于高超声速目标检测效果优良,检测率为94.4%,虚警率为5.86×10-5%。在具备目标表面平均温度与速度对应关系的情况下,该方法可应用于多种不同红外运动点目标的检测。     

一种结合亮温图像和子空间分解的RFI定位算法

射频干扰(radio frequency interference, RFI) 对L波段综合孔径辐射计遥感数据造成了严重污染,降低了产品质量。RFI检测定位是处理RFI的关键步骤。传统的基于亮温图像的定位算法受到仪器角分辨率的限制,无法有效分离相邻的RFI。为了实现更高的空间分辨率,基于子空间分解技术的多信号分类(multiple signal classification, MUSIC)算法被提出。然而,当亮温图像的信噪比较低时,背景和噪声对子空间分解的准确性影响较大,进而降低了MUSIC算法的定位性能。文章通过结合亮温图像和子空间分解两种方法的优点,提出了一种融合改进定位方法。该方法通过在亮温图像域中消除背景场景、增强目标射频干扰,2次提高了图像信噪比,在频域中,利用子空间分解和MUSIC算法实现超分辨率和高精度定位。通过对土壤湿度和海洋盐度（soil moisture and ocean salinity, SMOS）卫星数据进行实验和仿真验证,证明了文章提出的方法在低信噪比情况下优于传统的MUSIC算法和基于亮温的定位算法。此外,在对多个弱RFI源的定位上,该方法的定位精度也优于基于点源波纹的弱RFI检测定位算法。     

气象卫星遥感火情监测应用

对气象卫星遥感火情监测应用进行了研究。介绍了用中红外和远红外通道火点像元亮温与背景差异对火情进行监测的原理,以及可用于监测的主要卫星仪器。给出了极轨气象卫星和静止气象卫星的火点判别方法,包括亚像元火点面积与温度、燃烧辐射功(FRP)的火点强度估算方法,以及过火区面积估算和影响评估方法。气象卫星火点监测精度用人工火场卫星同步观测和用高分辨率陆地卫星对火点监测两种方法进行验证。介绍了风云三号(FY-3)等气象卫星在防灾减灾、生态环境保护、气候影响评估等中的应用,包括森林草原火情监测和过火区估算、森林草原火险预警预报、秸秆焚烧火点监测及过火区面积估算、生物量燃烧引起的烟霾天气监测、干旱等气候事件对森林火灾的影响、全球野火监测等。展望了未来气象卫星在火情监测中的技术发展和应用。     

基于过渡区的序列图像运动目标分割方法

序列图像运动目标检测技术是目标搜索与跟踪系统的一项核心技术.提出了一种基于过渡区的序列图像运动目标分割方法,该方法通过提取序列图像过渡区来进行目标分割,并与传统的阈值分割算法进行效果比较.实验结果表明,该方法能取得更好的序列图像运动目标分割效果.     

基于滑坡区域颜色特征模型的SVM遥感检测

滑坡区域遥感检测与识别在灾情提取、救援决策和防灾减灾等方面都有着巨大的应用前景。针对滑坡遥感检测中目标颜色特征化模型不准确,对滑坡区域检测识别效果不够理想等问题,提出一种基于滑坡区域颜色特征模型的支持向量机(supportvectormachine,SVM)遥感检测方法。根据光谱学和色度学的基本理论,建立滑坡区域红绿蓝特征获取方法,以多光谱图像为基础,通过典型样本分析,确立目标/背景颜色特征化数字模型和有效边界。将该模型生成训练样本用于滑坡区域SVM检测模型训练,再将训练好的分类器用于滑坡区域的检测识别,在此基础上根据滑坡基础形状模型的轴向长宽比、面积参数和不变矩等典型形状特征指标对滑坡区域进行目标精确分类与识别。利用九寨沟地震后获取多光谱遥感图像进行了滑坡区域检测识别效果对比试验,试验结果表明,该方法能有效识别遥感图像中的滑坡样本点,对滑坡区域的识别精度由传统方法的90%左右提高到97.03%。     

基于系统函数优化的非规则天线阵列综合孔径辐射计亮温反演算法

为改善非规则天线阵列综合孔径辐射计反演图像质量,提出了基于系统函数优化的亮温反演方法。通过优化非规则天线阵列的系统函数,消除单元天线非规则排列对系统性能的影响,并在优化过程中引入正则化,稳定反演图像。为补偿正则化引起的反演图像质量损失,在反演算法中引入了迭代运算。仿真结果表明:所提出的反演算法能有效改善非规则天线阵列综合孔径辐射计的亮温反演图像质量,可应用于基于小卫星编队的分布式综合孔径遥感图像反演中,并能为基于小卫星编队的分布式综合孔径阵列优化提供理论基础。     

一种遥感图像建筑物检测新方法

遥感图像中的建筑物检测对于土地规划和地图绘制等具有重要意义。文章针对高分辨率全色遥感图像植被覆盖中隐蔽建筑物检测问题,提出了一种结合屋顶结构信息和纹理信息的快速房屋检测方法。首先利用屋顶边缘的几何关系寻找具有矩形屋顶的建筑物;然后使用形态学方法提取屋顶较亮的建筑物;最后利用局部二值模式（Local Binary Pattern,LBP）描述屋顶的纹理特征,并利用支持向量机（Support Vector Machine,SVM）排除误检区域。通过在全色遥感图像集上的试验证明,所提方法对高分辨率遥感图像植被覆盖区域中的建筑物目标具有较高检测率和较低误检率。     

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。     

一种复杂环境下的红外成像运动目标检测方法

针对传统运动目标检测方法不能应用在背景和目标都存在运动的应用场合的缺点,文章提出了一种复杂环境下的红外成像运动目标检测方法。该方法首先对相邻两帧运动图像利用三步搜索法和最多邻近点距离相关匹配准则进行背景匹配,然后对匹配后的图像进行帧间差分并对差分图像进行灰度形态学滤波以去除背景噪声点,最后利用阈值分割方法检测到运动目标的位置。利用实际拍摄的红外图像对该算法进行了实验并与传统帧间差分法进行了比较,结果表明利用该方法能很好地解决传统帧间差分法应用中的缺点。     

基于改进ORB的月面着陆视觉导航的配准方法

月球探测器在下降着陆过程中探测到的月面图像灰度均匀,缺少纹理信息,而视觉辅助导航采用传统ORB算法对灰度均匀的月面图像检测出的特征点数量较少,容易出现团簇现象,因此提出一种基于改进ORB算法的图像特征提取与匹配算法。首先对月面图像构建金字塔尺度空间模型,设置自适应阈值并构建掩膜逐一分块检测特征点;然后采用非极大值抑制使特征点分布均匀,消除聚集现象再进行特征匹配;最后结合渐进一致采样算法剔除误匹配,并计算下降序列图像间的位置变换关系。实验结果表明:该方法对于存在大尺度、旋转变化情况下的月面图像,在匹配精度方面比ORB提高10%～13%,在月面着陆视觉导航应用方面具有较好的适用性。     

基于深度学习的毫米波和亚毫米波成像仪的图像增强技术

风云四号卫星毫米波和亚毫米波成像仪(MMSI)数据根据采样方式分为过采样和非过采样数据。由于采样方式的影响,非过采样数据在采样过程中会有一定的信息损失。为解决采用简单的线性插值方法做精细化处理时提升精度有限问题,采用基于深度学习的方法增强MMSI亮温图像,设计卷积神经网络重建风云四号卫星MMSI的亮温图像和风云三号卫星微波成像仪亮温图像。实验结果显示:相比传统的双三次插值方法,在风云三号卫星微波成像仪亮温图像样本上峰值信噪比提升了1.13dB,结构相似度提升了0.01。实验结果表明:对于非过采样亮温数据,采用基于深度学习的方法增强图像具有更高的精度,同时可在其他微波探测仪数据中使用,具有很强的普适性。     

天线形变对风云卫星遥感图像的影响

为探究反射面天线形变对风云卫星毫米波和亚毫米波成像仪(MMSI)的亮温图像质量的影响,运用基于表面电流积分的物理光学方法计算天线辐射方向图,探究不同形式反射面天线形变下天线辐射特性的变化规律。结合MMSI的亮温图像的处理结果,评价图像质量的变化。实验结果表明:反射面天线的形变面积、形变位置和副反射面晃动发生变化时,天线的主瓣增益、副瓣电平和波束宽度等关键指标发生规律性变化,对MMSI的亮温图像质量产生不同形式的影响。当反射面天线的形变面积增大时,天线的主瓣增益减小,副瓣电平升高,进一步导致分辨率降低,噪声水平升高,亮温图像质量变差。     

基于预估点扩展函数的光学遥感图像去模糊研究

为使航天相机获得的遥感图像的视觉质量更佳,提出了一种有效而稳定的基于估算点扩展函数(PSF)的遥感图像快速复原方法。先用改进的刃边法快速估算PSF尺寸和形状,用直接边缘检测法处理,由自适应阈值算法抑制噪声产生的波动,有效减小了PSF估算的存储与时间开销。再基于预估的PSF,用非盲反卷积复原算法复原图像,通过带权补偿去模糊算法由正则化反卷积和高频补偿,有效抑制源于PSF估算误差的振铃现象。根据视觉效果和客观评价指标对该复原方法与经典算法的效果进行了比较,结果表明:该法在存在噪声和点扩展函数估计误差的影响时仍有良好的鲁棒性,图像质量提高幅度大,速度快,可行性高,已成功用于浦江一号(PJ-1)卫星的遥感图像处理。     

基于梯度特征的图像自动分割方法

利用遥感图像进行海上目标检测、监视的关键技术是实现海陆分离，从而为目标检测、监视减少不必要的处理工作。传统的采用阈值分割方法分离陆地，但是这种方法对于陆地上灰度级较低区域容易造成误分割。而且，很显然的不能够充分利用图像中的灰度变化信息，即梯度。为此提出了一种基于梯度特征的海陆分割算法。首先利用边缘检测提取图像的梯度特征，梯度特征对灰度级并不敏感而对梯度的变化敏感，对于陆地灰度级较低的区域也能够提取边缘。对得到的边缘进行形态学处理，利用设定的面积阈值将图像分为主体陆地区域和孤立陆地区域，进一步可以屏蔽陆地。实验结果表明，该方法可以较好的分割陆地中阴暗区域，对于未经辐射校正图像有较好的适用性，并且有较快的处理速度。     

图像三要素与MTF的分析研究

中低分辨率在轨运行卫星遥感器的调制传递函数(Modulation Transfer Function,MTF)的监测一直是研究的难题.现提出的方法解决了中低分辨率在轨运行卫星遥感器MTF监测的关键技术.考虑到卫星遥感器的最终产物是遥感图像,从图像信息理解的三要素出发,即灰度、纹理和边缘,分析图像三要素与遥感器MTF的关系.在分析过程中,应用主成分分析方法,不仅对多组原始数据进行了简化,而且对图像参数进行了降维.通过与其它方法的比较,进一步验证了使用主成分分析方法降维的有效性;同时实验结果亦表明了主成分分析方法的可靠性.最后建立了图像单个综合参数与MTF的关系模型,拟合结果说明,此模型能较好地表达图像参数与MTF之间的关系,这将为在轨运行条件下的建模提供十分重要的技术支持.     

遥感图像云检测方法综述

遥感图像云检测是遥感数据处理过程中需首要解决的问题之一,在参考大量国内外文献的基础上,文章对遥感图像云检测方法的研究现状进行了分析,并对已有的遥感图像云检测方法进行了综述和分类,在此基础上对不同的云检测方法进行了比较,最后给出了云检测存在的问题和发展趋势.     

8mm辐射计特性参数测试及定标

文中简介了小口径天线毫米波辐射计定标系统的设计原理、结构、输出亮温的计算模型 ,研究了从液氮温度到室温范围内进行多点定标的方法 ,并对 8mm辐射计进行了特性参数测试及定标实验 ,得出了微波辐射计的定标方程和灵敏度、线性度、稳定度以及积分时间等指标。在该系统上按给定的程序进行定标 ,精度为 1 .0 6K。     

基于自适应阈值估计的模极大值去噪方法

针对小波模极大值去噪方法中信号模极大值点搜索困难以及小波系数重构过程中存在不稳定因素,本文着重研究了如何利用自适应 BayesShrink阈值改进其模极大值点搜索过程,并采用分段三次样条插值算法重构小波系数,形成一种基于自适应阈值估计的模极大值去噪方法.实验结果表明该方法能够准确地提取有用信号,并提高了模极大值点的搜索...