QuickBird数字遥感图像光谱辐射定标

通过高分辨率的QuickBird数字遥感图像辐射定标的基础工作,包括数字图像的物理属性、数字图像的数学基础及注记、图像数据格式等,利用洪河幅QuickBird数字遥感图像记录的来自地气系统的光谱辐射亮度信息,提出辐射定标的计算方法。运用像元DN值转换为波段积分辐射亮度,然后再计算光谱辐射亮度,该辐射定标后的QuickBird图像体现了各种地物的光谱特征的定量信息,QuickBird图像只有经过定标才能与其他传感器图像定量比较分析,从而使反演图像具有应用价值。其意义是为下一步对所需要的专题信息提取进行的图像融合和增强处理提供重要的基础条件,为遥感图像的反演提供了地物光谱信息,这样把对地物波谱特征的研究与建立遥感应用模型结合起来,从而达到对地物定量分析的目的。     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度...     

小波包分解支持下的高光谱混合像元盲分解

提出将小波包辅助下子带分解的独立成分分析用于高光谱混合像元盲分解.利用小波包分解改进独立成分分析技术,并考虑到高光谱数据的特点提出了高光谱混合像元盲分解方法,该方法能克服独立成分分析方法要求端元光谱统计独立带来的问题.利用两组合成数据和三组室内实测数据对本算法进行测试,证明了本算法能较为准确的提取端元光谱波形和端元丰度,其准确度明显优于独立成分分析方法.该方法为高光谱遥感影像的盲分解提供了一条新的途径.     

水稻分蘖期无人机高光谱影像混合像元特征分析与分解

开展水稻无人机高光谱解混,获取水稻植株的高光谱反射率信息,对于提高水稻理化参量的反演模型精度具有重要意义.目前大多基于高光谱遥感影像自身数据进行解混,运用算法模型进行高光谱数据解混,将高光谱图像和可见光图像进行优势互补,提出一种基于无人机高清影像与高光谱遥感影像融合的稻田无人机高光谱解混方法,解决单一数据局限性问题,增...     

基于FPGA的亚像元图像融合系统的设计与实现

研究并设计了基于FPGA的亚像元图像融合系统，该系统能够在接收到亚像元相机输出的两路CCD图像信号后，实时地将其融合并显示．搭建了亚像元图像融合实验平台，介绍了系统的组成以及主要电路的实现方法，并进行了实验验证．结果表明，图像融合效果好，设计方案可行．     

基于均匀颜色知觉空间的多光谱图像彩色合成

本文在分析现有多光谱图像彩色合成方法的基础上，提出了基于均匀颜色知觉空间的ＨＬＣ合成法，讨论了单谱段图像映射、分量图像合成、色域变换以及合成图像的色差预测和评估、彩色变换和逆变换，分析了影响合成图像视觉效果的因素。应用于伪装目标的识别获得了比ＲＧＢ、ＹＭＣ、ＩＨＳ等合成法更好的效果     

混合像元光谱特征影响因子分析

高光谱遥感能够提高地物识别和分类,通过光谱比较和匹配达到分类识别目的。由于传感器空间分辨率以及地面复杂多样性的差异, 混合像元在遥感图像中普遍存在。混合像元的分解问题是定量遥感应用中的一个突出问题, 如何有效地解译混合像元是遥感应用的关键问题之一。研究了面积比始终为1∶1的两种材料形成的混合像元在不同入射天顶角和不同拓扑位置分布时的高光谱反射比曲线的特征与差异,为混合像元分类精度的提高提供科学依据。     

基于光纤多狭缝的亚像元光谱采样及复原

光栅光谱仪的分辨率与其光通量之间存在折衷的关系。亚像元-反卷积序列光谱图复原方法可以在不降低光通量的前提下提高其分辨率。为使该方法能够应用在采用阵列探测器的小型便携式光谱仪上,提出了一种光纤多狭缝的设计方法,以获取亚像元重建所必须的序列光谱图。该方案的主要优点是无需微动机构,没有显著的像差变化,有利于简化算法。     

基于实测端元光谱的多光谱图像光谱模拟研究

地物光谱特性是遥感应用的基础。然而,在基于野外实测端元光谱的遥感应用中,由于测量尺度不同,导致同一地物光谱形态和反射率值存在很大差异,为遥感信息的定量反演带来困难。文章以新疆塔里木盆地北缘渭干河-库车河绿洲为研究区,选取裸土、植被两类地物作为研究对象,首先通过AVNIR-2传感器的光谱响应函数,实现了将野外实测端元光谱拟合为多光谱离散光谱,通过实例数据表明,拟和的多光谱与AVNIR-2像元光谱具有很好的相关性,在此基础上,采用线性算法建立端元光谱与遥感图像像元光谱的转换模型,实现了从实测端元光谱尺度向遥感多光谱像元尺度的定量光谱转换,为遥感定量分析奠定了一定基础。     

亚像元成像系统细胞神经网络插值方法研究

亚像元动态成像技术是实现卫星相机小型化及提高相机空间分辨率的有效方法。采用细胞神经网络(CNN)实现了对亚像元图像的实时插值,对插值的过程进行了详细的分析,并与基于亚像元图像的传统插值方法进行了对比。结果表明,亚像元成像系统细胞神经网络插值方法不仅可以节约系统资源,而且还可以提高系统的运行速度。通过仿真证明了该方法的正确性。     

基于主成分分析的自组织竞争神经网络在多光谱遥感影像分类中的应用

多光谱遥感影像具有波段多、信息量大的特点,传统的分类方法难以达到提高精度的要求.利用主成分分析对多波段遥感图像进行降维,再采用竞争型自组织神经网络对图像进行非监督分类.这种方法的分类精度为87.5%,Kappa系数为0.86,明显高于最大似然法,最小距离法和基于像元的自组织竞争神经网络法.实验结果表明该方法在多光谱遥感影像分类中具有较好的适用性.     

利用QuickBird数据进行热红外遥感成像模拟的研究

针对基于机载热像仪图像或随机产生仿真场景的早期热红外成像模拟系统,提出了对高分辨率QuickBird图像进行星载热红外成像模拟的方法。基于高分辨率QuickBird图像,采用ISODATA法进行非监督分类,得到土地分类专题图,通过地物光谱数据库获得场景地物温度及发射率,从而可获得地面辐亮度图像;利用大气辐射传输软件MODTRAN对其进行大气修正,结合卫星遥感器辐射定标系数,最终可得到卫星遥感器输出图像。仿真结果表明,利用QuickBird进行热红外遥感成像模拟是一种全新而有益的尝试,对伪装效果检验等具有一定的参考价值。     

干涉成像光谱仪CCD象元响应非均匀性校正研究

在阐述一般成像系统中CCD象元响应非均匀性校正的原理与算法的基础上,通过对星载可见光干涉成像光谱仪CCD象元响应非均匀性校正的相对辐射定标原理及所获定标数据的深入分析,研究出了一种适于对可见光及红外干涉成像光谱仪系统CCD象元响应非均匀性进行校正的方法,有效解决了干涉成像光谱仪系统探测器阵列非均匀性校正这一工程技术难题.     

基于BP神经网络的复杂彩色图像文本定位

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92%,召回率为87.4%.     

基于BP神经网络的复杂彩色图像文本定位*

针对复杂彩色图像中文本的特征,提出了基于小波变换和BP神经网络甄别文本区域的算法.该算法首先利用文本块的边缘特征遴选出备选图像块,而后采用小波变换提取备选图像块的纹理特征,把这些纹理特征参量连同图像块的颜色特征和笔画特征参量输入训练好的BP神经网络,判断备选图像块是否包含文本.该方法运算简单,定位时间短.采用专用的文本定位比赛用图进行实验的结果表明,定位准确率可达到92％,召回率为87.4%.     

基于小波多通道特征级融合的彩色纹理图像分析

在不完全树型小波分解基础上将纹理和颜色特征进行融合,提出了适合彩色纹理图像分析的新的特征,它比单纯的灰度纹理特征或颜色特征具有更强的分类能力.同时还利用20类真实彩色自然纹理图像对塔式小波分解、不完全树型小波分解和小波包分解进行了多特征融合的分类比较,实验结果表明:不完全树型小波分解的特征级融合表现出良好的分类性能和抗噪能力.     

基于像素序列形态的适应性背景重构算法

背景重构是视频图像处理领域的支撑性工作之一.针对传统的背景重构算法运算复杂、背景图像失真等不足,本文提出了一种像素序列形态适应性背景重构算法.该算法通过提取像素序列形态特征进行分类处理,不同形态适用独立的背景提取策略、背景更新时刻和背景更新策略.实验结果验证表明:该算法无需对视频场景中的背景和运动目标建立模型,可直接从一组含有运动前景的视频图像中准确地重构背景,并有效避免混合现象|背景缓慢变化和突变时,亦可快速有效地完成背景重构.     

基于改进MCA的干涉高光谱图像分解

干涉高光谱图像特殊的成像原理,使其帧内存在着大幅值且位置固定的干涉条纹,而帧间存在着水平移位的背景图像,这种特点会严重的破坏原始图像的固有结构,从而导致新兴的压缩感知理论与传统压缩算法的直接应用无法得到理想的效果。由于干涉条纹信息与背景图像信息的特征不同,能够对干涉条纹与背景图像进行稀疏表示的正交基也是不同的。基于这种思想,使用MCA(morphological component analysis)算法对干涉高光谱图像中干涉条纹信息与背景图像信息进行分离处理。由于干涉高光谱图像数据量庞大,传统的MCA算法对干涉高光谱数据的图像分解,迭代收敛速度慢,运算效率较低,故而针对干涉高光谱数据特点对传统MCA算法进行改进,改变其迭代收敛条件,当分离后的图像信号与原始图像信号的误差已经基本保持不变时,即终止迭代;并根据对应正交基能且仅能稀疏表示对应信号的思想,对阈值采用自适应的方式进行更新,在新的阈值更新模式中,图像信号在不同正交基下的映射系数被计算与比较。大量实验结果表明,对于LASIS数据与LAMIS数据,MCA算法都能够较完美的将干涉高光谱图像分解,改进的MCA算法更能在保持完美分解输出结果的同时,相对于传统MCA方法显著的减小迭代次数,更快的达到迭代收敛条件,从而有效的提高了算法的运算效率与实时性需求,也为新兴的压缩感知理论在干涉高光谱图像中的进一步应用提供了一种很好的解决方案。     

基于像素置乱技术的多重双随机相位加密法

提出一种基于像素置乱技术的多重双随机相位加密法,对该加密法中像素置乱操作的原理进行了阐述,并且提出在光学上实现像素置乱操作和解置乱操作的途径.在计算机上模拟实现了该加密法,并且得到很好的加密解密结果.仿真结果证实仅用部分加密图像来解密也能够得到原图像,并且得到随着待解密的加密图像像素的增加,解密图像的信号能量、噪声以及信噪比的变化曲线.最后分析比较了该加密法与双随机相位加密法,得到该加密法与双随机相位加密法相比具有更高的保密性,而且解密图像的信噪比也不会因为引入像素置乱操作而降低.     

Fusion of Infrared and Visible Images Based on Three-Scale Decomposition and ResNet Feature Transfer

Image fusion technology can process multiple single image data into more reliable and comprehensive data, which play a key role in accurate target recognition and subsequent image processing. In view of the incomplete image decomposition, redundant extraction of infrared image energy information and incomplete feature extraction of visible images by existing algorithms, a fusion algorithm for infrared and visible image based on three-scale decomposition and ResNet feature transfer is proposed. Compared with the existing image decomposition methods, the three-scale decomposition method is used to finely layer the source image through two decompositions. Then, an optimized WLS method is designed to fuse the energy layer, which fully considers the infrared energy information and visible detail information. In addition, a ResNet-feature transfer method is designed for detail layer fusion, which can extract detailed information such as deeper contour structures. Finally, the structural layers are fused by weighted average strategy. Experimental results show that the proposed algorithm performs well in both visual effects and quantitative evaluation results compared with the five methods.