一种基于现代通信理论的图像质量评价技术

应用现代通信理论对成像系统进行了分析, 建立了模拟和数字图像的目标信息密度模型。利用目标信息密度增量评估了亚像元技术的应用; 讨论了系统调制传递函数(MTF)和信号噪声比(SNR)对目标信息密度的影响, 发现目标信息密度随 SNR提高而提高, MTF的影响与目标统计特性有关。     

用于图像定位与配准的扫描辐射计扫描镜热变形模型研究

以某卫星扫描成像辐射计为研究对象,建立了扫描镜的热变形模型,并对模型进行了简化。模型应用结果表明,扫描镜镜面与扫描镜转轴需采用热特性接近的材料,通过增强仪器结构在Y向的刚度,能提高热变形模型的精度。用该模型获得的扫描镜热变形运动补偿(TMC)精度可满足卫星的使用要求。     

遥感器中的锁相转速控制

空间遥感器图像对地球要有一定的覆盖率,而且应有较高的地面景物分辨力。地面景物分辨力是衡量遥感器性能的重要指标。由于卫星的飞行将使地面景物在像片上的影像产生像移,所以必须进行精确的像移补偿,才能提高遥感器的地面景物分辨能力。设计了一个起动快、功耗小、抗干扰能力强、精度为0.1%的锁相环,它可以满足低轨道、地面景物分辨力为5m 的遥感器的使用要求。     

摆镜摆动对星载CCD相机成像的影响

利用Ｌａｇｒａｎｇｅ方程,建立了摆镜摆动与卫星姿态振动相互影响的仿真模型,并用数值计算方法计算了卫星的姿态振动,仿真分析了对星载线阵ＣＣＤ成像质量的影响。     

太阳帆板振动对星载CCD相机成像的影响

由Ｈａｍｉｌｔｏｎ原理建立了带有大型拓性太阳帆板的卫星的数学模型;还建立了卫星姿态运动、轨道运动、地球自转、地球曲率、高斯投影等影响下的星载线阵ＣＣＤ成像模型。利用以上模型和数字计算机仿真技术,仿真分析了太阳帆板的弹性振动和卫星姿态的相互影响对图像质量的影响。     

控制冗余图象数据的EQT方法

本文提出了基于四元树QT(Quad Tree,)表示的扩充四元树EQT(Extended Quad Tree)表示。从数据压缩角度看,它着眼于图象之间的性质;从图象数据库的存贮结构看,它考虑了冗余图象数据的控制问题。对附录中的四幅二值图象,它的存贮量仅是QT表示的39%。此外,这种结构还可用于动态跟踪。     

改进的基于神经网络的卫星遥感图像去条带方法

由于焦平面阵列的非均匀性影响,线阵列推扫所成的遥感图像表现出规律的条带失真,严重地影响图像质量。本文介绍一种基于神经网络的条带消除方法,以及利用该方法对实际遥感图像校正的结果。     

软硬件协同仿真在图像滤波器演化设计中的应用

针对传统图像滤波器设计方法存在的局限性,将演化硬件引入图像滤波器设计中,提出软硬件协同仿真的演化思想,并设计了基于System Generator的图像滤波器演化系统。通过图像滤波器演化实验验证了演化系统的有效性,实验结果及分析表明,最优演化滤波器在性能和实现代价方面均优于传统滤波器。与现有的图像滤波器演化方法相比,软硬件协同仿真的演化方法具有实现简单、运算能力强、功能灵活等优点。该系统的演化算法可综合成硬件,为后续实现在线自适应滤波奠定了基础。     

2009年1月5日廊坊OH气辉观测图像的谱分析

2009年1月5日在中国河北省廊坊市韩村镇(39.4°N,116.6°E)进行了中国首次中间层顶大气重力波成像观测实验,记录了近4 h的OH气辉辐射数据,给出了依据该数据计算所得的该时间段内廊坊韩村附近水平方向约185 km范围内的中间层顶OH气辉扰动的谱分析结果.所得到的传播方向确定的二维功率谱和角度谱揭示了该时间段内重力波活动的波长和传播方向分布特点,表明波长下限较短,西向传播分量明显大于东向分量.     

An approach to multi-temporal MODIS image analysis using image classification and segmentation

This paper discusses an approach for river mapping and flood evaluation based on multi-temporal time series analysis of satellite images utilizing pixel spectral information for image classification and region-based segmentation for extracting water-covered regions. Analysis of MODIS satellite images is applied in three stages: before flood, during flood and after flood. Water regions are extracted from the MODIS images using image classification (based on spectral information) and image segmentation (based on spatial information). Multi-temporal MODIS images from “normal” (non-flood) and flood time-periods are processed in two steps. In the first step, image classifiers such as Support Vector Machines (SVM) and Artificial Neural Networks (ANN) separate the image pixels into water and non-water groups based on their spectral features. The classified image is then segmented using spatial features of the water pixels to remove the misclassified water. From the results obtained, we evaluate the performance of the method and conclude that the use of image classification (SVM and ANN) and region-based image segmentation is an accurate and reliable approach for the extraction of water-covered regions.