一种检测ＳＡＲ图像边缘的方法

传统算法不能很好地解决合成孔径雷达（ＳＡＲ）图像边缘检测问题，为此提出了一种改进方法：将Ｈaralick曲面拟合法和改进的广义模糊算子（ＧＦＯ）两种算法相结合，分别独立求出ＳＡＲ图像边缘，然后将分别求出的图像边缘合并，得出最终边缘，用实际ＳＡＲ图像对该算法进行检验，验证了该算法的有效性。     

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。     

多光谱图像中云层及阴影的检测与消除

云层及阴影的检测是遥感应用领域的一个非常重要的问题。目前这方面的资料比较少，尤其是在被动接收条件下。提出了一种云层及阴影检测的算法，该算法的主要依据是云层及阴影覆盖区域高平滑性的特征，算法主要包括图像变换、亮度校正、云层及阴影的检测、滤波四个步骤。相对于现存方法而言，优点在于整个算法适合主被动接收条件，算法的处理比较简单，算法实现过程中没有很苛刻的参数选择，算法的适用范围较广。仿真结果不仅验证了上面的分析，而且表明该算法去云层及阴影的效果比较理想。     

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.     

基于形态学的小波变换图像去噪方法研究

数学形态学和小波变换在信号处理领域应用广泛,论文提出基于数学形态学的小波自适应算法进行图像去噪处理,通过实验证明该算法不仅可以对图像进行有效的去噪处理,而且能很好地保留原图像的细节特征,避免了常规算法的缺点,效果良好。     

基于改进YOLOv3网络的遥感目标快速检测方法

针对将来卫星在轨实时目标检测需求,且在其内存和算力都受限的条件下,提出一种改进的YOLOv3,利用轻量化网络代替YOLOv3的特征提取网络,实现遥感目标的高效检测。在目标检测精度相近的情况下,改进模型参数相比原先降低了1.5倍,计算量降低了3.3倍。同时提出了一种基于交并比的迭代聚类算法,分别在YOLOv3和改进YOLOv3上实现了7.0%和2.3%的平均精度均值(mAP)提升。实验表明:改进模型的检测速度最快能达到101 frame/s,当其mAP比YOLOv3高6%时,检测速度仍是YOLOv3的1.6倍。本文提出的改进YOLOv3是一种高效遥感目标检测方法,为未来星上应用打下基础。     

一种红外点目标图像高保真压缩方法

针对红外点目标图像的特点,融合目标检测与无损-近无损压缩技术,提出了一种目标-背景分类的高保真压缩方法。将红外图像分成若干子块,对每个子块进行基于"最大中值滤波"背景抑制算法的点目标检测,根据检测结果将图像子块分为包含疑似目标的目标子块和不含目标的背景子块,对目标子块图像无损压缩,对背景图像子块近无损压缩,从而提高红外遥感图像压缩比,降低数据传输量,减轻数据传输压力。实验结果表明:所提的方法与传统全图无损压缩方法相比,能在不损失点目标信息的高保真压缩前提下,使图像压缩比提高40%以上。该方法对星上实时处理系统、红外探测跟踪系统的设计具有一定的理论和工程应用价值。     

光学遥感图像目标检测技术综述

目标检测是光学遥感图像分析的重要内容,是将图像数据转化为应用成果的关键一环。文章重点针对光学遥感图像中常见的飞机、舰船等目标,对目标检测技术进行了系统总结,并对未来重点发展方向进行了展望。重点论述的内容包括目标检测方法、目标检测性能评价准则和数据集,其中对于目标检测方法,从候选区域选择、特征学习、分类和后处理等四个方面进行了详细介绍。期望这些技术成果的总结分析和展望对目标检测技术的应用提供一定的借鉴和参考。     

基于粒子滤波的红外弱小多运动目标检测

针对低信噪比条件下红外图像序列中的多个弱小运动目标检测问题,提出了一种基于粒子滤波的多目标检测前跟踪方法.首先分析了红外图像的状态及观测模型,然后将弱小运动目标的检测转化为贝叶斯滤波框架下的检测前跟踪,并利用多个粒子滤波器予以实现.为了评估该算法的有效性,采用人工合成的红外图像序列对其进行测试,结果说明该算法可同时处理低信噪比条件下的多个弱小运动目标,检测和跟踪性能良好.     

基于层次化分类器的遥感图像飞机目标检测

在大量航空航天遥感图像中,快速发现和统计飞机目标并对其进行准确定位,在军事和民用方面均具有重要意义。结合遥感图像特点,针对飞机目标的特征,文章设计了一种基于层次化的分类器的遥感图像飞机目标检测方法。首先用基于哈尔（Haar）特征的底层AdaBoost分类器快速去除大部分非目标区域;然后用基于梯度方向直方图（Histogram of Oriented Gradient,HOG）特征的顶层支持向量机（Support Vector Machine,SVM）分类器进行精细检测。在分辨率为1m的遥感图像数据集上的实验结果表明,层次化分类器在保证较高检测率的前提下,大大降低了虚警率,可以有效解决遥感图像飞机检测问题。     

基于深度卷积神经网络的遥感影像目标检测

随着遥感影像数据规模的快速扩张,如何高效准确地识别遥感影像中的典型目标成为当前的研究热点。为解决传统遥感影像目标检测方法准确率低的问题,用基于深度卷积神经网络进行遥感影像目标检测,在遥感影像数据集上用基于Faster-RCNN的神经网络模型对VGG16卷积网络进行训练,对输入的遥感影像通过区域推荐网络标注出待检目标的包围框和置信度,实现对遥感影像的目标检测。以飞机和油罐为例,在TensorFlow深度学习框架下实现了数据预处理、网络训练、目标检测等功能,并在当前测试数据集上取得了较高的检测准确率和置信度。该研究成果可应用于遥感影像解译和处理等相关领域。     

基于条带的小波变换遥感图像压缩编码算法的改进

星载遥感图像压缩传输技术是星载系统的关键之一。文中介绍空间数据咨询委员会 CCSDS提出的基于条带的遥感压缩建议算法原理 (CNES) ,分析该算法的特点和压缩性能 ,对该算法中量化和熵编码部分的缺陷进行了简单的改进。实验表明 ,改进后的算法性能优于原有算法。     

一种基于双模式成像的遥感图像去运动模糊方法

对地观测载荷大多工作在颤振环境之中,这种颤振造成光轴偏移、像面抖动,由此产生的运动模糊对高分辨率成像与高精度探测产生了极为不利的影响。对空间相机像面去模糊的工作,大致分为两种方案：一种为硬件实时探测加硬件实时补偿,另一种为硬件实时探测加事后软件补偿。文章提出通过主成像相机的双成像模式获得低信噪比无抖动图像和正常信噪比模糊图像,利用图像处理手段从这一对图像中求得抖动信息（模糊核）,并以此为先验知识指导模糊图像的复原,抑制像面抖动。这种方法既不需要补偿器件,也不需要探测元件和探测支路,并在图像迭代处理过程中不断修正模糊核,在初始模糊核有一定误差的情况下,同样可望取得良好的像面去模糊效果,对于遥感图像像质提高具有潜在的应用价值。     

基于知识图谱的遥感图像检索定位方法

为了快速、准确地在海量遥感图像库中检索出所需的遥感图像资源,提出了一种基于知识图谱的遥感图像检索定位方法。为了充分利用遥感图像中所蕴含的地理语义信息,方法中使用知识图谱节点代表遥感图像,根据图像间的相似程度和地理位置在节点间建立关系。通过知识图谱缩小图像检索空间,加快检索速度,准确地定位遥感图像所示区域的地理信息,并返回最相似的图像。将此方法应用于卫星自主导航领域中,与传统的线性检索相比,图像检索的时间缩短了50%,准确率也得到提高。     

基于最小距离法的遥感图像分类

本文在ENVI遥感图像分析软件环境下,利用最小距离法对遥感图像进行了有监督分类。仿真实验通过对遥感图像中地物目标的光谱信息和空间信息进行分析及特征提取,利用判别函数计算到中心的距离,解读遥感图像,并对分类结果进行定量评估。实验结果表明用最小距离法来分析遥感图像可以获得较高精确度。     

景物和成像条件对遥感图像品质的影响

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。遥感图像品质由成像链的状态和性能决定。成像链包含景物、成像条件和成像系统的所有组成部分。文章介绍光学遥感情况下,景物和成像条件对遥感图像品质的影响,包括景物特性和成像条件的表征,及其对遥感图像品质影响的分析。同时,指出了针对景物和成像条件,在成像系统设计和运行等方面需注意的问题。     

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。     

CCSDS在遥感图像压缩中的应用研究

针对空间光学遥感数据特点,设计适合于星载光学遥感器数据压缩的算法目前仍然是一个研究热点。CCSDS压缩是适合于空间光学遥感数据压缩的最新标准。该标准由空间数据系统咨询委员会于2005年推出,从空间数据特点出发,可以有效解决数据压缩的问题。另外,利用该压缩标准可以更好的跟CCSDS的其他标准兼容。文章针对该压缩标准进行研究,对算法的实现过程进行了分析,并将该算法的实验结果跟其它的压缩算法做了比较,结果表明,该算法压缩效果与JPEG2000相当,但算法复杂度较低,易于硬件实现,符合星载压缩的实时处理要求。