基于光谱响应函数的ZY-3卫星图像融合算法研究

针对遥感影像融合过程中存在的光谱失真,提出了一种基于光谱响应函数（SRF）的ZY-3卫星影像融合算法,该算法通过研究亮度分量的模拟方法和空间细节注入方法,改进了传统的IHS算法。采用融合前后典型地物光谱曲线对比和无需参考图像的质量评价指标（QNR）两种方式对融合结果进行评价,发现该算法的光谱信息保持在89.94%,QNR值达0.75以上。结果表明,相对于其它IHS改进融合算法,基于ZY-3卫星传感器SRF的改进IHS融合算法无论在光谱信息保持还是空间信息增强方面都具有优势。     

一种新的遥感影像清晰度评价方法

针对传统清晰度评价算法很难准确评价遥感卫星影像清晰度的问题,结合工程应用及遥感影像特点提出了一种新的遥感图像清晰度评价算法--自检测灰度梯度函数清晰度评价算法。把评价过程分为目标区域检测和清晰度特征参量提取,为解决遥感影像数据量大且景物密度与分布特点各异的问题,首先通过检测算子对一幅遥感影像中各区域进行检测来得到景物丰富且边缘明显的目标区域,然后再对目标区域进行灰度预处理并提取目标区域的边缘灰度梯度来评价清晰度。通过三组不同类型影像对该算法进行验证,分别为遥感相机在轨离焦仿真影像和噪声仿真影像,以及在轨型号遥感卫星影像,对比几种传统典型清晰度评价算法和自检测灰度梯度函数的评价效能,结果表明：文中方法满足遥感影像清晰度评价的基本要求,解决了传统算法无法横向比较不同遥感相机影像及不同大小影像清晰度的问题,是一种适合卫星遥感影像清晰度评价的方法。     

李杰独立自由,或平民视角的影像记录

“我的摄影一直带有实验性质。每拍一个东西,我首先要寻找一种叙述的方式,并训练和检验自己能否找到准确的表达语言。”“一件摄影作品到底要说什么?要怎么说?我说的和社会有什么关系?这是我经常考虑的问题。”“我把自己放在一种游历的状态——摄影对我是观看世界的一种方式,我拍的东西都是自己内心喜欢的东西,虽然不在主流,但我受过的教育告诉我,摄影还是要有责任。”——李杰     

某机涡轮盘榫槽拉刀检测方法的探索

为解决拉刀的检测问题，采用了一种利用影像测量系统对拉刀试块型面轮廓的检测及结果评定的方法，满足了涡轮盘榫槽拉刀的检测精度，同时为公司拉刀生产提供了定量的数字化检测数据。     

基于TV-L1模型的多尺度遥感影像分解方法

TV—L^2模型是一种有效的遥感影像分解方法,但采用TV—L^2模型进行遥感影像分解会出现分解不彻底的情况。基于TV—L^1模型的多尺度遥感影像分解方法是一种将TV—L^1模型和多尽度方法结合起来对遥感影像进行分解的遥感影像分解方法。实验证明,基于TV—L^1模型的多尺度遥感影像分解方法继承了Tv—^L2模型利用全变分分解的优点,解决了TV—L^2模型分解不彻底的问题,并且通过尺度调节实现了多尺度分解。实验结果表明,该方法在遥感影像分解中取得了理想的效果,可以进一步地扩展应用。     

基于序列影像的小天体三维形状重建方法研究

提出了一种基于序列影像的小天体三维形状重建方法。利用小天体序列影像间的内在几何约束关系,在无精确位置、姿态数据的条件下,基于稀疏光束法平差求解小天体序列影像的相对位置、姿态。综合利用核线几何约束、半全局匹配、多视最小二乘匹配等策略进行小天体序列影像的密集匹配,重建小天体三维形状信息。由于小天体序列影像尺度变化大、纹理贫乏,导致影像匹配的误匹配率较高,在匹配过程中采用随机KD树搜索策略与拟合透视变换模型的RANSAC算法剔除粗差。利用"黎明号"探测器的绕飞段实测影像,对灶神星(VESTA)的三维形状重建进行了实验,结果证明了该方法的有效性。     

影像超单元技术在航空发动机静子叶片强度分析中的应用

为解决航空发动机静子叶片数目较多、结构较复杂,在强度分析时整体计算模型的规模较大,计算耗费时间较多的问题,利用MSC／NASTRAN的影像超单元技术,只需建立1个叶片的有限元模型就可进行1联叶片的整体分析。实际分析的结果表明：计算结果与采用整体模型的相同,大大节省了多联装静子叶片强度分析的时间。     

一种面向对象的机场跑道变化检测方法

利用遥感影像变化检测技术获取机场跑道变化信息,可以为机场跑道打击效果评估等多种军事应用提供决策支撑。为了快速、准确的检测出机场跑道的变化区域,并定量、定性的获得变化属性,文章以"资源三号"卫星影像为例,提出了一种新的面向对象的机场跑道变化检测方法。首先,将经过配准处理的前后时相遥感影像进行多尺度分割,分割尺度利用尺度参数估计(Estimation of Scale Parameters,ESP)算法确定;之后,利用影像分割结果对不同时相的对象进行切割,形成前后时相上位置、大小一致的对象单元,再利用不同时相对象间的变化向量大小确定变化区域;最后,利用特征空间优化之后的特征集合对已确定的变化区域对象进行监督分类,获得机场跑道内部各对象的变化属性。结果表明:在变化区域的检测上,该方法避免了单张影像的分类过程,可有效提高检测效率;在变化类别的检测上,该方法在检测出的变化区域基础上进行分类,可大幅提高变化类别的检测精度,并且能够获得更为丰富的变化属性和满足快速准确检测机场跑道相关变化的信息。     

基于形态自适应网络的无人机目标跟踪方法

针对无人机影像目标跟踪过程中常出现的目标方向变化、目标遮挡变化、样本多样性不足等问题,提出了一种基于形态自适应网络的无人机航空影像目标跟踪算法。首先使用基于数据驱动的方法对数据集进行扩增,添加了遮挡样本和多旋转角度样本,提高样本多样性;提出的形态自适应网络模型通过旋转不变约束改进深度置信网络,提取强表征能力的深度特征,使得模型能够自动适应目标形态变化,利用深度特征变换算法获取待检测目标的预定位区域,采用基于Q学习算法的搜索机制对目标进行自适应精准定位,使用深度森林分类器提取跟踪目标的类别信息,得到高精度的目标跟踪结果。在多个数据集上进行了对比实验,实验结果表明该算法能够达到较高的跟踪精度,可以适应目标旋转、目标遮挡等形态变化情况,具有较好的准确性和鲁棒性。