排序方式: 共有8条查询结果,搜索用时 0 毫秒
1
1.
2.
针对火星局部地表形貌原始自然、色彩单一和纹理相似度高难以实现双目精确定位的问题,提出一种融合深度信息的火星局部地表图像立体匹配方法.利用空间金字塔特征提取模块聚合不同尺度和位置的上下文信息,然后通过分层立体匹配架构构建多尺度的匹配代价卷,用条件代价卷归一化代替批量归一化层,在立体匹配网络的代价正则化阶段以深度信息为条件调制匹配代价卷特征,从而降低计算量,提升推理速度,并生成高精度的视差图.最终利用感兴趣目标的视差值并结合相机的基线参数,得到目标点在指定坐标系下的三维坐标从而实现定位任务.在火星模拟场数据集上的视差图达到了三像素误差小于0.017%,通过与GCNet+ CCVNorm等方法的结果进行比较,表明所提出方法在火星局部地表下的优势. 相似文献
3.
提出了一种基于EBCOT(率失真优化截取内嵌码块编码)算法的矩形ROI(感兴趣区域)编码的干涉多光谱卫星遥感图像压缩方法。该方法不需要对小波域的系数进行提升,而是在码流组织时通过对多光谱区域的误差跟踪提高恢复图像的质量。从而克服了传统方法因为增强系数与图像复杂度不匹配带来的ROI与BG的PSNR质量不协调的问题,该算法的解码器不需要知道该图像是否存在ROI,不需要反提升过程,完全正常解码即可,而且该方法保留了EBCOT的优良特性。实验表明,这种编码方式在干涉多光谱卫星图像压缩系统中可获得理想的效果。 相似文献
高光谱(HS)遥感图像含有丰富的光谱信息,但是空间分辨率较低,而全色(PAN)遥感图像空间分辨率较高。针对高光谱遥感图像与全色遥感图像的融合问题,提出了一种新的基于边缘保持滤波和结构张量的遥感图像融合算法。首先,为了提取高光谱遥感图像的空间信息,提出使用边缘保持滤波方法,该提取方法可以保证提取的信息全部为空间细节信息,避免低频混叠。其次,对全色遥感图像采用高斯-拉普拉斯图像增强算法进行图像锐化,降低图像噪声,锐化细节信息。再次,为得到总空间信息,提出使用结构张量的自适应加权策略。传统的融合算法通常仅从全色遥感图像中提取空间信息,可能会引起光谱失真或空间细节加入不足等问题,为了克服这些问题,提出的自适应加权策略得到的总空间信息不仅包含全色遥感图像的空间信息,还包含高光谱遥感图像的空间信息,且自适应加权相对于全局常数加权,可以自动选取更加合适的加权数据。最后,通过构建可以控制光谱和空间失真的增益矩阵,将总空间信息注入到插值的高光谱遥感图像的每个波段中,得到融合的高光谱图像。实验结果表明,本文提出的遥感图像融合算法,在客观评价方面,取得了最优的空间和光谱性能,在视觉效果上,与其他融合算法相比,可以更有效地提高空间分辨率和保持光谱信息。 相似文献