光流动态纹理在土地利用/覆盖变化检测研究中的应用

建议了一种基于光流动态纹理（optical flow dynamic texture）的高分辨率遥感影像变化检测新方法,用一种运动的关系描述地物变化,能够在多时相高分辨率遥感影像中自动获取土地利用和土地覆盖的变化信息。利用光流理论从原理上描述了地物渐变的过程,突破了以往遥感变化检测方法中认为地物发生突变的假设。该方法的流程简单,易于在目前的土地管理、城市规划等需要发现用地变化的系统和软件中使用。该方法考虑到了多时相遥感影像间的时间维度特征,为遥感变化检测提供了更加丰富的信息,进而改善了变化检测方法主要依赖空间维度信息的现状。以光流动态纹理作为变化的基本体现,结合光谱信息共同用于高分辨率遥感影像的支持向量机分类后变化检测,方法顾及了遥感影像时间维度的纹理,相较大多数空间纹理其数据量较小;纹理计算仅需设定一个参数,自动程度较高;可缓解行业中大量人工解译的现状。通过利用中国大庆市杜尔伯特蒙古自治县2011年和2012年QuickBird影像对该方法的有效性进行了评价。深入分析了不同的光流平滑系数α对该方法的影响,以及对地物变化描述效果的影响。实验结果显示,该方法效果理想,总体精度达到87.29%、Kappa系数达到0.850 7,其精度优于单纯利用光谱信息的分类后变化检测方法。     

多时相遥感影像变化检测方法研究进展综述

近年来,随着遥感平台和传感器的发展,已经实现了对地球表面大部分区域的连续重复遥感观测,积累了海量的多源、多尺度、多分辨率遥感数据。这些数据详细记录了地表上各种地物的变化过程,使得基于遥感影像的中长期变化检测等全球变化研究成为可能,并极大地推动了遥感影像处理方法和应用的研究。但是,尽管许多学者已经开展了大量相关的研究工作,目前基于多时相遥感影像的变化检测仍然面临许多挑战,还没有形成相对完整、成熟的理论体系,对相关研究进展的系统性总结工作仍然相对缺乏。回顾了多时相遥感变化检测方法的发展现状,并根据输入数据类型和数量的不同将这些方法分成单时相分类比较法、双时相比较法和时序分析法三类,对其进展情况和特点分别进行总结分析,然后就多时相遥感影像变化检测方法研究中现存的问题加以分析,并尝试探讨了其发展趋势。     

基于改进的自动散点控制回归算法的遥感影像相对辐射归一化

多时相遥感影像的相对辐射归一化是进行变化检测或拼接不可缺少的步骤。针对现有方法的不足,以自动散点控制回归(Automatic scattergram-controlled regression,ASCR)技术为基础,提出了一种改进的ASCR算法(Im-proved automatic scattergram-controlled regression,IASCR)。它的核心思想是首先利用粗剔除和主成分分析的方法选择占主体信息量的“未变化”像元,然后再利用最小二乘法确定回归方程,对多时相遥感影像进行归一化。以北京地区的多时相TM影像为实验数据对其进行归一化,并与ASCR法、全景简单线性回归法(Simple regression)、暗-亮(Dark setbright set)归一化法、伪不变特征归一化法(Pseudo-invariant feature)的结果进行了比较。实验结果表明,IASCR算法是解决多时相遥感影像辐射归一化问题的有效手段。     

面向对象的高分辨率遥感影像分割精度评价方法

在参考监督评价法原理的基础上,提出了三个高分辨率遥感影像分割精度评价指标:准确度、查全率和相对相似性,并以此为基础提出了遥感影像分割精度的评价方法。针对监督评价法的参考对象匹配问题,提出了一种双向局部最优对象匹配方法。同时,通过安徽省淮南市高分一号遥感影像分割结果的精度评价,进行了实验验证。结果表明:该评价指标能够较好地反映分割结果的优劣,符合地物对象分割的真实分布;还可为遥感影像分割算法的参数设置和多尺度分割的最优尺度选择提供依据。     

面向对象的高分辨率遥感影像分割精度评价方法

在参考监督评价法原理的基础上,提出了三个高分辨率遥感影像分割精度评价指标：准确度、查全率和相对相似性,并以此为基础提出了遥感影像分割精度的评价方法。针对监督评价法的参考对象匹配问题,提出了一种双向局部最优对象匹配方法。同时,通过安徽省淮南市高分一号遥感影像分割结果的精度评价,进行了实验验证。结果表明：该评价指标能够较好地反映分割结果的优劣,符合地物对象分割的真实分布;还可为遥感影像分割算法的参数设置和多尺度分割的最优尺度选择提供依据。     

高分辨率遥感影像融合处理技术的对比分析研究

随着遥感技术的发展,获取遥感数据的手段越来越丰富。由各种不同的传感器获取的影像数据与日俱增,在同一地区形成了多时相、多分辨率的影像序列。如何综合各种类型的遥感影像信息,提高遥感数据的利用效益已成为遥感应用的瓶颈问题。多源遥感数据融合技术是解决这一问题的有效手段。高空间分辨率影像数据的多样性和复杂性对遥感信息融合处理技术提出了新的更高的要求。以IKONOS卫星数据为例对其进行了空间分辨率的影像融合。研究中引入了多种融合方法,如IHS变换、主成分分析、小波变换以及基于区域特征的自适应小波包算法。从光谱质量和空间信息的角度出发对融合方法进行了比较研究,分析出了比较适合于IKONOS卫星的高分辨率影像融合的处理方法。     

空间外差光谱仪光谱降噪方法研究

空间外差光谱仪是一种新式的超高分辨率光谱仪,可用于大气监测、卫星遥感等领域。为了减少空间外差光谱信号中的噪声,提出基于提升小波变换结合中值滤波方法来实现信号的降噪。改进的提升小波变换融合了一种双因子的阈值函数、分层阈值选取。与小波变换的软、硬阈值对比发现,它能提取空间外差光谱,减小峰宽和保留重要的细节特征,降噪效果优于小波变换的软、硬阈值法。最后用信噪比和均方误差两项定量指标来衡量算法的效果。实验结果表明:该算法比软阈值法在处理氙灯和积分球时信噪比提高了24.6%和31%,均方误差减少了43.2%和51.5%;与硬阈值法相比信噪比提高了21.5%和30.6%,均方误差减少了40.2%和51.2%。因此,算法在空间外差光谱降噪方面具有可行性。     

基于图像分割和动态直方图均衡的电润湿显示器图像增强算法EI北大核心CSCD

针对电润湿电子纸存在油墨回流、接触角迟滞、电荷捕获等现象导致图像对比度不高、纹理边缘不清晰和细节丢失等问题,本文提出了一种基于图像分割和动态直方图均衡的电润湿显示器图像增强算法。该算法综合了最大类间方差法(Otsu法)和最大熵分割算法的优点,提出了基于方差权重的最大类间方差和最大熵阈值分割算法。利用该分割算法把图像分割为背景区和目标区,将两个区域的亮度均值以及基于方差权重选取的阈值作为分割点将原始图像直方图分成四个子直方图,然后分别对子直方图进行灰度重分配,最后对四个子直方图进行直方图均衡。实验结果表明:与其他将直方图进行分区的直方图均衡算法相比,该算法图像质量评价指标峰值信噪比提高约25.6%~45.5%,熵差降低约29.1%,结构相似度更接近1。同时将其应用在电润湿显示器上,其显示图像具有更高的对比度,细节纹理更加清晰,具有更好的视觉效果。     

一种目标级的遥感图像变化检测算法

传统的像素级变化检测方法对图像的配准准确度要求较高,因而在实际运用中受到很多限制.在人造目标检测的基础上,提出了一种目标级的基于局部配准误差补偿的变化检测方法.根据遥感图像中人造目标与自然目标的纹理差异,对图像中的人造目标进行检测和分割,再对分割图像采用提出的算法进行变化检测.实验表明,与传统的像素级变化检测方法相比,本算法具有较高的检测准确度,对配准准确度的要求也有所放宽,并且可以简化变化检测前的辐射校正工作和变化检测后的像素分类的工作.     

面向对象的高分辨遥感影像阴影探测方法

利用阴影在色调亮度饱和度颜色空间中低亮度、高色调和高饱和度的特性,对高分辨率遥感影像做过分割处理,并将影像从红、绿、蓝颜色空间转换到色调、亮度、饱和度颜色空间,利用色调、亮度、饱和度三个分量构造一组能够更好区分阴影和其他地物的新型阴影探测指标.对阴影指标做面向对象处理,得到一种保持空间几何形状的阴影指标结果;根据最大类间方差法计算得到最佳阈值,并做直方图阈值分割,最终得到阴影探测结果.实验结果表明,该方法可以有效地将阴影与其他地物分离开来.     

基于光谱空间变换的遥感图像目标探测方法研究

针对遥感图像在频率域中的表征,提出了一种基于光谱空间变换的遥感图像目标探测方法。该方法首先利用傅里叶变换,将遥感图像从空域转变到频率域;然后利用频谱能量楔状采样和谐波叠置等手段,将不同频谱能量所表征的目标特征信息分解到不同的高、低频段中,由此获取对应目标特征在频率域中的探测标志;最后结合在频谱能量上具有方向和频带选择性的匹配Gabor滤波器,实现了居民楼地物目标的有效探测。试验结果表明,文章所提出的方法能够较好地探测遥感图像的目标信息,并且具有特定方向上目标检测的能力。     

自适应红外目标特征增强算法

利用直方图均衡化和灰度变换增强算法,不能有效增强红外图像目标。鉴于此,在研究红外图像特点的基础上,提出了一种自适应红外目标特征增强算法。该算法先对红外图像进行中值滤波,滤除掉图像中的随机噪声,然后利用直方图分割将红外图像分为目标和背景2部分,通过线性加权叠加抑制背景和增强目标。实验表明,该算法不仅能够根据红外图像中目标的灰度特性自适应地选取直方图分割阈值,而且在去除噪声和增加对比度的同时还抑制了背景,达到了预期的效果。该算法尤其适用于目标和背景像素比例相近时直方图具有局域双峰特征的红外图像中目标的增强。     

Motion detection in moving background using a novel algorithm based on image features guiding self-adaptive Sequential Similarity Detection Algorithm

A novel efficient algorithm for motion detection in dynamic background was proposed. In image registration step, a feature-based and self-adaptive Sequential Similarity Detection Algorithm (SSDA) algorithm was proposed, which searches for matching position under constraints induced by image features with variational threshold. Then perform change detection by calculating and classifying the Mean Absolute Difference (MAD) around detected features in the middle frames of three consecutive images. Moving objects position was determined according to the rule that the feature from moving regions shows a lager MAD. Experiments on data sets of four typical scenes show that the improved registration algorithm is accurate and costs less than 0.4 s in computation, much faster compared with other four methods, and the proposed Dual Maximum Mean Absolute Difference Algorithm (DMMADA) can obtain a robust set of moving object features. Our algorithm can be used for fast detection of moving targets in dynamic background as well as change detection.     

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。     

融合改进直方图PDE和二维Tsallis熵多阈值SAR分割

针对合成孔径雷达(SAR)图像中存在大量的相干斑噪声,对SAR图像进行分割易出现分割不精、边缘模糊等问题,融合改进的直方图PDE和二维Tsallis熵多阈值,提出了一种SAR图像分割算法。根据PDE直方图均衡化方法,将图像去噪与图像增强加权融合,利用各自权值调整去噪项与图像增强项;同时将二维Tsallis熵单阈值分割方法扩展到多阈值分割, 建立基于多阈值的选取方法,并引入萤火虫算法来求解最优阈值对,实现了二维Tsallis熵多阈值对去噪增强SAR图像的有效分割。仿真结果表明:与其他3种分割算法相比,该文算法在处理噪声大、灰度差值小的图像时具有较高的分割精度,PRI至少提升2.53%、VOI降低8.48%、GCE降低11.14%。     

基于提升方案的多光谱遥感图像有损压缩算法

在分析多光谱遥感图像谱间和空间数据特点的基础上,提出了一种DPCM线性预测与基于提升方案的整数小波变换相结合的多光谱遥感图像有损压缩算法。在谱间采用DPCM预测去除谱间相关性;在谱内采用整数小波变换去除空间相关性,根据不同子带对目标识别的重要程度,选择不同的量化阈值和量化步长进行量化,并分别对各个子带量化后的数据和重要图表采用固定比特平面编码和游程编码,实现高效的多光谱遥感图像压缩。实验结果表明,该算法在一定的压缩比下,重构图像具有较高的峰值信噪比,并且算法硬件实现简单,对内存的需求低。     

范围限制的自适应亮度保持多阈值直方图均衡算法研究

针对目前直方图均衡算法难以实现,且易造成亮度饱和等问题,本文提出了一种范围限制的自适应亮度保持多阈值直方图均衡算法。首先,对输入图像进行适当平滑,从而获得它的直方图峰值点个数（N+1）。然后,对Otsu算法进行N阈值扩展,并通过这种方法获得图像的N个分割阈值,从而按照此阈值对图像进行分割。为了能够最大程度地保持输入图像的亮度,利用输入图像和输出图像的均值亮度最小误差（AMBE）准则,重新计算了图像的均衡范围。最后,利用新的均衡范围分别对每一个子图像进行均衡。实验表明,使用本算法处理Lena图的绝对均值亮度误差为0.416 4,明显优于使用RLBHE算法的0.629 5。本算法能够获得更清晰的图像细节,同时图像的整体亮度保持的也较好。     

基于单景遥感影像的去云处理研究

去云处理是遥感图像处理以及大气纠正的重要步骤。常规的去云处理算法会随云的覆盖类型的不同而不同,如同态滤波或时间平均法,这些算法在去除云对影像影响的同时,往往会伴随地物信息的丢失。提出了基于单景遥感影像的去云处理算法———基于遥感影像分类结果及云检测结果的去云处理算法,目的是去除影像中云的散射影响,恢复地物的光谱信息。算法是针对局部有云的单景Landsat7 ETM+影像进行的。根据Landsat7 ETM+波段4,5,7对影像进行聚类分析,确定不同地物的覆盖类型;利用波段1,2,3及波段6划分出影像中的无云区以及不同覆盖厚度的云层;按照相同地物覆盖类型对非云区与不同云区进行平均反射率匹配,以达到去云的效果。结果表明,经过去云处理的影像,在分类运算中能够明显地提高分类精度,能够很好地恢复地物的光谱信息。     

基于6S模型的遥感影像逐像元大气纠正算法

大气纠正的目的是从遥感影像中去除大气影响,并反演获取地物真实反射率。介绍了一种逐像元对遥感影像进行大气纠正的算法,该算法基于6S(Second Simulation of the Satellite Signal in the Solar Spectrum)大气辐射传输模型计算建立的查找表(look-up table),并利用地面暗目标(dark object)进行陆地气溶胶光学厚度的自动反演,由于气溶胶的分布具有空间连续性,在获取地面暗目标气溶胶光学厚度值后,通过空间插值的方法计算影像中非暗目标像元的气溶胶光学厚度值,经过查找表二次插值计算,逐像元进行大气纠正并获取像元地表反射率值。以Landsat5遥感影像为例,介绍了算法流程,展示了大气纠正的结果。结果显示,利用查找表逐像元大气纠正的算法,能够在一定程度上去除云雾对影像的影响,更加精确的对遥感影像进行大气纠正并获取地物的真实反射率。