基于U形结构提取的港口目标检测研究

遥感图像中港口目标的检测是目标识别研究的重要方面,准确、高效地自动提取港口目标对于提高遥感图像自动解译能力具有重大意义。文章提出一种基于U形结构单元提取的遥感图像港口目标检测的方法。首先利用梯度算子和灰度相似性聚类分割海洋和陆地区域并提取粗略海岸线,再根据内港区域的封闭特性提取疑似区域,在分析内港区域结构的基础上,引入U形结构元的概念以及提取算法来对疑似区域进行确认。试验表明,该方法检测的港口目标准确率较高,速度较快,能够满足民用和军事识别的需求。     

“高分四号”卫星面阵凝视相机超分辨技术

"高分四号"(GF-4)卫星是中国首颗高分辨率地球静止轨道卫星,在防灾减灾、环境监测、天气预报等领域具有重大的应用价值。GF-4卫星相机采用面阵探测器,具有凝视观测、时间分辨率高等特点。根据GF-4卫星的成像特点,对GF-4卫星影像进行超分辨重建,可得到分辨率更高的卫星影像。文章针对遥感影像超分辨率重建需要解决的三个问题:图像配准、点扩散函数(Point Spread Function,PSF)的准确测量和超分辨率重建算法进行了研究。使用了精确测量PSF的改进凸集投影超分辨重建方法对GF-4卫星在轨图像进行了验证。测试结果表明,经超分辨重建后的影像在保持清晰度和信息细节的同时,分辨率得到了较大提高。该方法在面阵凝视空间相机遥感图像的超分辨重建领域具有良好的应用前景。     

面向弱纹理空间目标的特征点匹配方法

特征点提取与匹配是遥感图像处理中关键的一环,目前成熟的算法大多面向对地成像类型的遥感图像,对于空间目标的遥感图像,没有考虑成像条件与探测平台的影响因素,特征点匹配质量较差。针对空间目标的匹配精度不高这一问题,文章提出了一种基于聚类的特征点匹配算法。首先,根据空间目标的重复弱纹理进行特征点提取与描述,再利用特征点的空间位置进行聚类,并对特征点簇进行匹配;之后将特征点的主方向减去目标整体方向,利用特征点主方向对每一个点簇进行再分组,并完成特征点匹配;最后利用最近邻次近邻比率方法和随机样本一致算法（RANSAC）剔除外点。采用该特征点匹配方法进行的模拟成像数据实验结果表明,对于空间目标图像,基于聚类的特征点匹配较直接匹配,匹配数量的提升最高可达50%,重投影误差优于1/4个像元。文章提出的这一方法使用目前通用的各种特征描述子,能够大幅度提高空间目标图像特征点匹配的数量与精度。