基于遥感图像的城市道路自动测绘方法研究

为更有效地将空间观测技术应用于城市地理信息系统等领域,提出了一种新的基于遥感图像的城市道路自动测绘方法.该方法通过构建对象网络来表达图像结构,获取客观的处理单元.在此基础上,针对感兴趣特征,利用无监督学习来综合分析遥感图像中道路目标的各类可视及非可视化信息,快速标记并定位目标区域.方法中还结合上下文信息进行空间平滑处理,大大消除了噪声、遮挡等影响.矢量标绘后可以量测得到城市道路的准确轮廓及相关参数.实验表明,该方法准确率高、鲁棒性好,适用于绝大多数高分辨率城市遥感图像中道路目标的自动测绘,在地理信息系统和数字城市系统建设中具有较大的实用价值.     

基于多属性融合的高分辨率遥感图像云检测方法

针对全色CCD光学遥感卫星成像平台,提出了一种基于多属性融合的高分辨率图像云检测方法。首先根据云的物理特性和成像特性展开多属性分析,并提出了基于可分离度的特征选择准则来进行特征参量提取;然后针对两类样本的分布结构差异,结合LDA线性特征压缩算法,削减特征空间的维度;最后利用SVM分类器完成云检测。实验结果表明,该方法适用于高分辨率全色遥感图像的云检测,具有较高的检测概率和较低的虚警概率以及较高的算法执行效率。     

基于改进Swin transformer的遥感图像融合方法

针对现有基于transformer的方法未能充分融合遥感图像多尺度特征的问题,提出一种多光谱-全色融合网络。在融合网络中嵌入一个基于改进Swin transformer的多尺度窗口自注意力模块,在关注全局空间特征的同时,充分融合不同尺寸的特征信息,从而最大程度地保留光谱和空间结构信息。通过不同层级特征的跳跃连接,解码网络预测出原始多光谱图像缺失的纹理部分,最终使用细节注入模型恢复出目标图像。为了提升融合效果,在损失函数中加入了光谱损失和空间结构损失。与其他方法相比,本文提出的方法在WorldView-4、QuickBird和WorldView-2三种卫星数据集的主观视觉效果最好,相比于性能第二的方法,本文方法在三种数据集的相对全局误差指标分别减小了11.99%、0.4%和3.43%。     

基于图像特征融合的遥感场景零样本分类算法

利用不同图像特征之间的互补性,可提升遥感场景零样本分类性能。将图像特征的融合与零样本分类结合,提出一种基于图像特征融合的遥感场景零样本分类算法。采用解析字典学习方法,计算各图像特征的稀疏系数,并串接起来作为融合后图像特征,以减少冗余信息且保留各图像特征自身特点;引入监督信息,提高融合特征的鉴别性;将融合特征与场景类别词向量进行结构对齐,提升对新类别场景的迁移识别效果。在UC-Merced和航拍图像数据集两种遥感场景集上,对相同层次及不同层次的场景图像特征分别进行融合实验。实验结果表明:对于总体分类准确度和运算耗时,所提算法均优于其他零样本分类算法及通用的特征融合算法,证明了方法的有效性。     

基于加权特征融合的多尺度遥感影像分类

针对普通的三维卷积神经网络（3D CNN）从一个尺度上提取特征,会丢失部分细节信息,且对小样本任务表现一般的问题,本文提出了一种三支路的3D CNN,从不同尺度上提取特征后进行加权特征融合,从而获取了更为全面的特征;并引入数据增强技术,从而改善了小样本情形下的分类性能。现有特征融合方法通常对各个支路直接进行拼接,本文采用加权拼接的特征融合方法,将各特征分别乘以一个加权系数后再进行拼接,该系数通过模拟退火算法求取。本文方法在公开数据集Indian Pines,Pavia University,Salinas等上采用10%的数据进行训练,分别得到了98.60%、99.83%、99.97%的总体准确率,与各类对比方法相比,提升了高光谱遥感影像分类问题的准确率。     

基于深度多分支特征融合网络的光学遥感场景分类

针对遥感图像背景复杂且存在某场景图像中关键物体小且尺度变化较大,需提升模型表征能力来准确辨别各类场景的问题,提出了一种深度多分支特征融合网络的方法进行遥感图像场景分类.利用多分支网络结构提取高、中、低三个层次的特征信息,将三个层次的特征进行基于拆分-融合-聚合的分组融合,最后为了关注难辨别样本和标签位置损失,提出一种损失函数.试验结果证明,本文所提出的方法对于提高分类准确率十分有效,在UCM、AID和OPTIMAL三个数据集上的准确率超过其他算法.在数据集UCM上80%样本训练,准确率达到了99.29%,与ARCNet-VGG16算法相比分类准确率提高了1.35%.在数据集AID上50%样本训练,准确率达到了95.56%,与Two-Stream算法相比提高了0.98%.在数据集OPTIMAL上80%样本训练,准确率达到95.43%,与ARCNet-VGG16算法相比提升2.73%.     

图像融合效果评价方法研究

以IKONOS影像为数据源，对IHS、PC，Gram—Schmidt和基于亮度调节的平滑滤波（SFIM）四种融合算法进行融合处理，对其结果进行了评价．结果表明，定性比较主观性较强，定量比较方法虽多，但大都有一定的局限性，不同谱段的计算结果总有些差异．因此，定量评价时应该多选一些波段与评价方法才能获得比较客观的评价结果．光谱曲线的比较不失为一种比较好的方法，在对光谱曲线进行比较时本文引入了光谱角度和几何距离两种方法进行定量的比较．     

一种融合边缘信息的面向对象遥感图像分割方法

针对高分辨率遥感图像边缘突出、上下文信息丰富等特点,提出一种融合边缘特征的区域分割算法,基于面向对象图像分析方法,综合考虑遥感图像的光谱和空间特征。首先应用SUSAN算子对全色波段图像提取边缘信息,然后对融合后的彩色图像进行两阶段分割,第一阶段采用倒四叉树融合成初始图像对象,在第二阶段中通过在区域异质性判据中增加边界强度特征的方式融合已提取的边缘信息进行分级区域合并,形成图像分割结果。文中用三峡库区某区域QuickBird数据进行了实验,并与ENVI Zoom和Definiens下的分割结果进行了效果对比和定量评价,结果表明该方法可行、有效。     

一种遥感影像基于内容检索模型的研究与设计

分析了基于内容的图像检索技术,提出了一种与遥感影像应用模式紧密结合的遥感影像基于内容检索的模型,重点分析和讨论了该模型所采用的特征提取算法,并提出需要进一步研究的内容.     

背景高斯化的遥感图像目标检测

在假设单一地表遥感图像灰度起伏符合马尔可夫模型的条件下,得到了理想单一地表灰度起伏符合高斯分布的结果。将这一结果应用于遥感图像的目标检测,提出了一种新的基于背景高斯化的遥感图像目标检测方法。该方法首先将遥感图像进行高斯化处理,将其作为近似理想背景,然后将原图像与高斯化背景做差得到残差图,进而对残差图进行目标检测。由于目标本身的信息远离背景高斯化模型,因此在背景消减的过程中,目标信息得到了很好的保持,比在原图上进行目标检测性能得到了很大的提高。实验结果进一步验证了算法具有很好的检测性能。     

基于曲率滤波优化的遥感影像去雾算法

针对山区容易积聚云雾不利于遥感影像解译,且遥感影像因包含大量信息数据计算速率慢,在去雾过程中遇到雾量过多的情况去除效果差的问题,提出了一种曲率滤波优化与非局部去雾方法相结合的光学遥感影像去雾算法.首先通过曲率滤波降低了图像的总能量,从而减少了图像占用的内存,提高了计算效率.然后通过霍夫变换表决机制筛选出符合的大气光值,...     

基于方向金字塔框架变换的遥感图像融合算法

为了综合利用多光谱遥感图像与全色遥感图像之间的互补信息,提出了一种方向金字塔框架变换(SPFT),并基于此变换提出了一种遥感图像融合算法。具体融合过程是将多光谱图像的每个波段分别与高分辨力全色图像进行融合,首先将高分辨力全色图像与多光谱图像的待融合波段进行直方图匹配,然后对该波段图像以及直方图匹配后的高分辨力全色图像分别进行方向金字塔框架变换分解,融合过程就是对两图像方向金字塔框架变换分解后的系数进行组合,最后对组合后的系数进行方向金字塔框架逆变换即可得到该波段图像与高分辨力全色图像的融合图像。实验结果表明该算法在性能上优于基于亮度-色调-饱和度(1HS)的彩色空间变换以及基于离散小波框架变换(DWFT)的遥感图像融合方法,尤其对源图像之间存在配准误差的情况。     

可调节自适应遥感影像融合方法研究

大部分常用的遥感影像融合方法都存在一个缺陷:只能产生一个特定的融合结果,用户无法控制最终的结果应该保留多少光谱信息或细节信息。提出了一种基于小波变换的可调节自适应遥感影像融合方法,该方法首先分别将待融合影像进行小波分解,然后,通过引入2个可调节参量,在小波域内融合,最后通过小波逆变换得到融合结果。使用法国地球资源探测卫星(SPOT)图像和陆地资源卫星专题绘图仪(landsat TM)图像,将该方法与传统的小波变换融合法、强度色散饱和变换融合法和主成分变换法进行对比试验,结果表明,该方法可以在细节保留和光谱保持两方面达到不同程度的平衡,在合理的参量组合下,融合图像的目视效果和统计指标优于传统融合方法。     

基于MSE模型的高分辨率遥感图像变化检测

目前,传统高光谱分辨率遥感图像变化检测方法大多基于单一特征信息进行处理,没有综合影像所有特征信息,难以检测出完整的变化信息。为此,提出了一种基于多特征流形嵌入模型（multiview spectral embedding, MSE）的高分辨遥感图像变化检测方法,利用该模型对图像特征变化信息向量中所有的变化信息进行融合,获得完整的检测结果。实验结果表明,本文方法的检测精度好于传统的变化检测方法,并且稳定性良好。     

基于第二代小波的超谱遥感图像融合算法研究

超谱遥感图像包含了大量的波段．波段之间的相关性较高．采用信息融合技术可以降低超谱图像的分析难度。提出了一种结构新颖的第二代小波加权融合算法。首先将图像分解为两个序列．用2阶Neville滤波器构造预测和更新算子．对两个序列以矩形栅格和梅花形栅格的格式进行交替预测和更新;再以各个波段的方差作为融合的特征．进行特征级第二代小波加权融合．最后对图像进行第二代小波重构。为了验证新方法的有效性．采用机载可见光-红外成像光谱仪超谱遥感图像进行仿真．并与典型融合方法主成分分析和离散小波变换的融合效果相比较。实验结果表明提出的第二代小波加权融合算法能够很好地保持图像的空间特性和光谱特性．其熵值高于主成分分析融合结果0．1949,高于离散小波变换融合结果0．7998。     

基于纹理分割的遥感图像的变化探测

提出一种基于纹理分割的遥感图像变化探测算法,利用纹理来反应不同地表形态的影响。对于两幅同一地点、不同时刻的图像,先将前一时刻的遥感图像分割成一系列代表不同地表形态的纹理,假设前一时刻图像的灰度分布在这些分割所得的纹理区域上可以用高斯分布描述,则后一时刻的图像在这些纹理区域上远离高斯分布的像素点便是异常的变化点。由于算法是在分割以后的纹理上分析像素值的统计特性,而不是在滑动的窗口中,因此不受变化大小和形状的限制。实验结果进一步验证了算法具有很好的探测性能。     

基于偏振信息的遥感图像大气散射校正

大气散射严重影响了航空遥感图像的质量。为了提高航空遥感图像的识别能力,提出一种基于偏振信息的航空遥感图像大气散射校正方法。大气散射具有显著的偏振特性,而对于垂直探测的地物辐射信号偏振度非常低,该方法正是利用大气散射偏振特性与地物目标偏振特性的差别,从图像中提取地物目标辐射信息,从而提高遥感图像的质量。通过机载多波段偏振CCD相机获取航空偏振遥感图像数据,并采用一组443 nm波段的航空偏振图像数据进行图像大气散射校正实验,实验结果表明该方法能有效地进行航空遥感图像的大气散射校正,从而提高了航空遥感图像的识别能力。