基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达（SAR）图像与光学图像匹配算法。在这种算法中，首先针对SAR图像低信噪比（SNR）与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上，根据Hausdorff距离具有强抗干扰能力和容错能力的特点，采用了改进的Hausdorff距离作为相似性测度。在搜索策略上，根据遗传算法的固有的并行性，采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明，这种算法鲁棒性好，匹配精度高，计算速度快。     

光机扫描仪像质评价与优化设计

光机扫描仪通过光机扫描和平台运动获取图像。虽然推扫式成像仪应用越来越普遍,但光机扫描仪在很多领域一直广泛应用。文章对光机扫描仪的像质评价和优化设计问题进行了探讨。首先对光机扫描仪空间分辨率和辐射分辨率的评价方法和需求优化进行了探讨,然后以中巴地球资源卫星(CBERS)红外多光谱扫描仪(IRMSS)为例,介绍了通过对GSD、MTF和SNR进行折中考虑来对光机扫描仪进行优化设计的思路。     

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。     

惯性组合导航系统中的快速景象匹配算法研究

在景象匹配辅助导航中,特征点的选取是提高图像匹配速度、精度和鲁棒性的关键之 一。景象匹配中要求提取出的特征是那些可靠性高、辨别性强、计算量小的不变特征。提出 了基于SIFT特征的导航用快速景象匹配算法。算法首先针对惯性组合导航的工作特点, 对SIFT特征点检测及特征点匹配进行了优化设计,然后用RANSAC方法过滤掉错误匹配点,最 后,进行最小二乘精确匹配算法获取航向和位置偏差信息。实验分析了算法对不同分辨率图 像和不同区域的匹配适应性,抗噪声性能,匹配精度以及实时性,并与基于部分Hausdorff 距离的边缘特征景象匹配算法进行了对比。实验结果表明,算法的性能优越,在匹配速度、 精度和鲁棒性方面都优于部分Hausdorff距离算法,可以满足景象匹配导航系统匹配修正的 高性能要求。
     

位相物体的三维非对称温度场的重建

采用卷积背抽影公式实现了位相物体的三维非对称温度场的重建,为光线偏／折测量三维非对称温度场提供了高精度分析和处理实验数据的方法。     

航天器两自由度扫描镜图像运动补偿技术研究

研究航天器的两自由度扫描镜图像运动补偿问题。在姿态估计信息的基础上,给出了一种运动补偿算法。算法中不仅补偿了姿态估计信息,还同时考虑了姿态信息中的长周期系统误差。利用扫描镜在特定工作模式下相对惯性空间的准确定向能力和系统误差的长周期特性,给出了一种系统误差的估计和补偿算法,每隔一定的时间段对系统误差估计值进行更新并加以补偿,进一步提高了扫描精度。基于一颗地球静止轨道卫星的数值仿真结果验证了补偿算法的有效性。     

含噪图像的处理方法与评价

接收机还原出来的显示器视频信号的电磁泄漏发射含有大量的噪声 ,导致图像模糊 ,视觉效果差。为了改善图像质量 ,提高图像的可识别度 ,需要进行图像处理 ,提取我们感兴趣的信息。介绍了几种针对含噪图像的数字信号处理方法 ,并且进行了对比分析和信噪比评价。     

一种团块位置的提取方法

如何正确提取团块位置以实现自动跟踪对图像理解有重要意义。由于团块在图像中出现频繁且位置不确定，位置提取困难。针对一个二值图像识别系统提出了基于集合变换（即数学形态学和二值有序统计）的团块位置提取方法。即，首先对图像进行二值化，其次对二值化图像进行形态学变换，最后对变换的结果图像进行统计分析，由分析结果得出团块的位置信息。用本方法对地图中九种团块线型作了实验，表明该方法运算简单，并行性高。     

Hypothesis-test-based landcover change detection using multi-temporal satellite images – A comparative study

Remote sensing images and technologies have been widely applied to environmental monitoring, in particular landuse/landcover classification and change detection. However, the uncertainties involved in such applications have not been fully addressed. In this paper two hypothesis-test-based change detection methods, namely the bivariate joint distribution method and the conditional distribution method, are proposed to tackle the uncertainties in change detection by making decisions based on the desired level of significance. Both methods require a data set of class-dependent no-change pixels to form the basis for class-dependent hypothesis test. Using an exemplar study area in central Taiwan, performance of the proposed methods are shown to be significantly superior to two other commonly applied methods (the post-classification comparison and the image differencing methods) in terms of the overall change detection accuracies. The conditional distribution method takes into consideration the correlation between digital numbers of the pre- and post-images and the effect of the known pre-image digital number on the range of the post-image digital number, and therefore yields the highest change detection accuracy. It is also demonstrated that the class-dependent change detection is crucial for accurate landuse/landcover change detection.     

高校校园文化建设刍议

更新观念，正确认识校园文化在学校可持续发展中的地位；与时俱进，充分挖掘在校园文化建设中所彰显的体现学校特色内外在形象；通过内隐与外在的学校形象表现，从公关的意识和策划的高度引发和阐述出实施校园文化建设的原则与加强校园文化建设的落脚点，以及校园文化建设对学校的整体效益和持续发展裨益所在。