一种适合于遥感图像的逐行扫描压缩算法

在ChristosChrysafis基于逐行小波变换编码的基础上,提出了一种低复杂性基于逐行扫描的图像压缩算法。该算法不需要对图像分块,在对小波系数进行均匀量化之后,根据不同子带的上下文统计特征进行概率建模,采用改进的低复杂性Golomb Rice算法进行熵编码。试验表明,采用这种算法,在对大幅面图像压缩时存储器需求远小于基于SPIHT等算法的存储器需求的同时,其熵编码复杂性也大幅降低,特别适合于功率和空间受限的遥感图像压缩系统中。     

基于Contourlet区域对比度的遥感图像融合算法

为综合利用多传感器遥感图像之间的信息，提出了一种基于contourlet变换的遥感图像融合算法。Contourlet是近年发展起来的一种多尺度几何分析工具，比小波变换更适合对图像等二维信号进行处理。算法的思想是将源图像分别进行contourlet变换，在contourlet域完成图像信息的融合，最后通过逆变换得到融合结果。根据分解系数特性，首次提出了contourlet域的区域对比度作为高频子带的融合规则，系数选择更符合人类视觉系统的要求，使得融合图像更有意义。低频子带采用基于区域能量的加权平均作为系数融合规则，在充分保留图像主要信息的前提下进一步增强了算法的稳定性。实验结果表明该算法在性能上明显优于PCA及小波图像融合等传统算法，且能够有效增强源图像的对比度和细节信息。     

基于Contourlet变换和支持向量聚类的遥感图像融合方法

Contourlet变换作为新的多尺度分析方法比小波变换更适合分析二维图像的边缘特征,而支持向量聚类算法所获得的聚类效果不受聚类形状限制,也勿需预先给定聚类数目等参数。据此提出了一种基于Contourlet变换和支持向量聚类的遥感图像融合方法。首先对源图像进行Contourlet变换,再对其高频系数利用支持向量聚类进行融合,最后进行图像重构得到融合结果。给出了实验结果,采用均方差、信噪比、信息熵、空间频率、清晰度和相关系数等评价指标对融合效果进行了定量评价,并与加权平均法、现有的基于Contourlet变换的图像融合方法以及基于支持向量聚类的图像融合方法进行了比较。结果表明提出的基于Contourlet变换和支持向量聚类的遥感图像融合方法能取得更优越的融合效果。
     

一种新的基于DSP应用的改进SPECK算法

在基于小波变换的图像压缩编码算法中，Pearlman的利用子带内小波系数的聚类特性的Set Partition Embedded block(SPECK)算法与SPIHT算法相比，具有更低复杂度、更快的编解码速度和相近的性能。文中提出了一种基于DSP平台的SPECK编码器在实时环境下的应用方案。通过使用提升结构的整数小波变换并基于DSP平台上对变换流程进行优化，以提高小波变换的速度。引进误差比特数(Number of Error Bits)概念，并定义绝对零系数(Absolute Zero-Coefficient)对原有的SPECK算法进行改进，在不影响压缩性能的情况下，显著地减少了原算法对内存的需求，并提高了执行速度。实验结果证明，改进后的算法适应了大多数的实时系统的要求，是一个具有实用价值的DSP解决方案。     

基于感兴趣区域编码的图像压缩算法

文章提出了一种基于矢量量化的感兴趣区域小波图像压缩算法。该算法充分利用了子带系数带内带外的相关性,从低频到高频按空间方向树结构构造矢量,对感兴趣区域和背景区域采用不同的矢量构成方法。试验表明该算法在极低比特率的情况下,恢复图像仍可获得较好的主观质量。     

基于小波阈值降噪和经验模态分解的高光谱图像分类算法

为了充分降低高光谱图像中的噪声以获得高精度的分类结果,本文结合小波阈值降噪(WTD)和经验模态分解(EMD)的优点,提出了一种基于小波阈值降噪-经验模态分解的高精度支持向量机(SVM)高光谱图像分类算法(WTD-EMD-SVM)。首先对高光谱图像进行小波阈值降噪,除去高光谱数据中的高频噪声;然后再对高光谱图像进行EMD,获得含有高光谱数据本质特征的内固模态函数(IMF)和含有低频噪声的残差;最后采用内固模态函数重构高光谱图像,并对高光谱图像进行SVM分类。将其应用到AVIRIS数据92AV3C,仿真结果表明该算法不仅提高了高光谱图像分类精度,同时可减少支持向量数目,以提高高光谱图像分类速度。     

一种基于非采样Contourlet变换的图像融合算法

非采样Contourlet变换(Nonsubsampled Contourlet transform,NSCT)是 一种新的多尺度变换,它同时具有方向性、各向异性和平移不变性,能有效的表示图像的边 沿与轮廓。提出了一种基于非采样Contourlet变换的图像融合方法。首先用NSCT对已配准的 源图像进行分解,得到低频子带系数和各带通子带系数;其次对低频子带系数利用均匀度进 行系数选择,针对各带通子带系数提出了基于区域特征的系数选择方案,得到融合图像的NS CT系数;最后经过NSCT逆变换得到融合图像。实验结果表明该算法可获得较理想的融合图
像,取得了优于小波变换和Contourlet变换的融合效果。
     

CCSDS基于小波变换的图像压缩

通过分析一种CCSDS建议的基于小波变换的图像数据压缩的基本原理、编解码方法、系统实现和压缩性能,初步研究深空通信对于图像压缩的特殊要求。通过与现在流行的基于小波变换的图像压缩算法JPEG2000进行比较发现, CCSDS推荐的算法的性能与JPEG2000基本相当,且同样支持无损和有损压缩及渐进传输,但其算法复杂度更低,包丢失不会造成图像大面积损坏,因而更适合于深空通信。     

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。     

基于小波变换的图像融合增强算法

针对当前高速摄影系统不能保证采集的高帧频图像中所有目标物体聚焦清晰的特点,提出了一种基于小波变换的图像融合算法,对快速小波变换后得到的低频系数与高频系数采用一种改进型的融合规则进行算法仿真实验,并与传统的图像融合规则对比分析。     

珠海一号高光谱影像云检测算法

珠海一号高光谱卫星具有高空间、高光谱、高时间分辨率等特点,有效推动了高光谱遥感数据在农林环境、自然资源探测等领域的广泛应用,其中高精准的云检测是遥感数据预处理的关键步骤。如何对高光谱图像有效特征提取并克服传统云检测方法特征复杂、算法参数多、计算量大、鲁棒性差等缺陷,是高光谱云检测研究的关键问题。为此,提出了一种多尺度特征融合的U型结构网络,模型首先利用残差模块进行特征编码,并将编码进行多尺度融合,在网络的跳跃连接处引入了坐标注意力机制提取有用信息,最后通过残差解码得到输出结果。实验前首先利用主成分分析降维,将高光谱数据重构为4维影像数据,然后通过数据标注与数据增强,建立珠海一号高光谱影像云检测数据集。采用了38-Cloud云数据集训练初始网络参数,随后利用构建的数据集进行迁移学习。实验结果表明,对于所建立的珠海一号高光谱云检测数据集,所提方法的像素准确率达到92.28%,可以实现高精度的高光谱遥感影像云检测。     

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。     

纳型卫星高光谱遥感系统-基于空间线性可变滤波器的成像光谱仪(SVFIS)

基于空间线性可变滤波器的成像光谱仪SVFIS是为纳型卫星设计的高光谱遥感系统，它的最大优点是结构简单，因而机械稳定性和热稳定性非常高，特别适合在航天环境下使用。本文简要介绍了航天高光谱遥感和成像光谱仪，重点介绍SVFIS的系统结构并阐明它的工作原理。SVFIS的数据具有冗余性和延时性的特点，虽然有它不利的一面，但其影响程度依赖于系统设计。由于SVFIS数据中包含着地势起伏、目标运动和平台姿态变化的信息，为研究这些信息，我们对像面进行了特殊的设计，这是SVFIS的另一显著特点。     

色散推扫型高光谱数据系统残余误差校正

高光谱遥感成像链路中各个环节产生的系统误差会降低数据质量（quality）,从而削弱高光谱数据的应用潜力。为了消除高光谱辐亮度数据中的系统残余误差,以色散推扫型高光谱遥感系统为例,提出了基于成像链路的系统残余误差校正流程。首先,从成像链路出发,在不同环节分析系统残余误差的产生原因及机理;然后,通过分析检测及校正算法对数据质量的影响,以及误差项之间的内在联系,设计了一种系统残余误差校正流程;最后,以PHI高光谱数据作为数据源对提出的校正流程进行实验验证。结果表明：校正后的图像可视性增强;信噪比显著提高,最大提升值为91.9%;反射率数据中的过校正现象得到有效消除。利用该校正流程能够较好的消除数据中的系统误差,提高图像数据质量以及后续应用处理能力。     

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。     

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。     

基于GPU的高光谱遥感主成分分析并行优化

主成分分析（principal component analysis, PCA）是高光谱遥感图像特征提取的重要方法。为了在保证精度的同时,提高高光谱遥感PCA算法的计算效率,文章提出一种基于图形处理器（graphic processing unit,GPU）＋中央处理器（central processing unit,CPU）异构系统的PCA并行优化方法。该方法利用GPU的并行计算能力实现PCA中复杂的协方差矩阵计算与维数缩减过程,优化了像元去均值的计算流程;解决了GPU内核计算像元累加和非合并访问问题;利用共享内存机制,提高了访存效率。此外,该方法采用改进的Jacobi快速迭代法在CPU中进行特征分解,保证了算法的精度。实验结果表明,该方法在保证精度的同时能够有效提高计算效率,在Quadro600平台上的加速比达到141倍,满足了高光谱遥感图像实时应用的需求。     

Processing/analysis capabilities for data acquired with hyperspectral spaceborne sensors

The Imaging Spectrometer Data Analysis System (ISDAS) is being developed by the Canada Centre for Remote Sensing and MacDonald Dettwiler and Associates on Sun Microsystems SPARC workstations using the Application Visualization System (AVS) software package to meet the requirements for efficient processing and analysis of hyperspectral data acquired with airborne as well as future spaceborne sensors. Various visualization tools have been developed for rapid exploratory analysis together with preprocessing and information extraction tools for numerical analysis. Linkages to a spectral database and a conventional image analysis system were established to support the analysis. ISDAS is being used for multidisciplinary applications development in areas such as agriculture, environment, and exploration geology using physically based analysis approaches to retrieve information from hyperspectral data. This continuing effort, in collaboration with industry will lead to streamlined procedures that are important to take hyperspectral satellite remote sensing towards an operational mode.     

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。     

关于遥感图像品质的若干问题

遥感图像是遥感数据获取系统的输出,遥感图像的品质表现为遥感图像在完成遥感任务中的应用价值。文章对遥感图像品质的概念和表征予以介绍,对遥感图像品质的影响因素和提高遥感图像品质的有关问题,包括遥感数据获取系统的性能、成像条件和运行状态等加以说明,对如何提高遥感图像品质提出了若干建议。