PHI高光谱数据和高空间分辨率遥感图像融合技术研究

提出了一种新的高光谱图像融合技术———基于最佳指数准则的高光谱小波包图像融合方法,即首先利用最佳指数选择高光谱的最佳合成波段,得到低分辨率的彩色合成影像,然后采用一种基于区域多特征的小波包融合算法进行融合处理.文中利用上海地区PH I高光谱数据和高分辨率全色航空像片来验证算法的有效性,实验结果表明该方法可有效的实现高光谱数据和高空间分辨率遥感图像的融合处理.

基于粗糙集理论的遥感影像分类研究

粗糙集理论作为一种新的处理含糊和不确定性问题的数学工具,可以有效地分析和处理不完备信息,已经在模式识别、机器学习、决策支持、过程控制、预测建模等众多科学与工程领域得到成功的应用,并具有相当的发展潜力,该文在深入研究粗集理论基础上,将其引入遥感影像的处理中,对遥感图像分类进行了系统的研究。文中基于图像的粗糙集知识系统,提出了一种新的遥感图像知识分类算法———粗糙分类法,最后给出了一个相应的实例。

基于信息散度特征的高光谱影像识别技术

高光谱遥感将确定地物性质的光谱与确定地物空间和几何特性的图像有机地结合在一起。从空间对地观测的角度来说,高光谱遥感信息无论对地物理化特性的深层探索,还是对地物间微小差异的精细识别,以及对自然界的知识发现,都为人类提供了前所未有的丰富信息。其高光谱图像立方体图谱合一的特点,要求人们从光谱维去理解地物在空间维的变化,对二维空间图像的处理与分析需要转化成对每个像元所提取出的光谱曲线的处理与分析。本文提出了一种基于光谱信息散度的高光谱匹配识别算法,并对PHI数据进行了实验分析,验证了算法的有效性。

基于粗糙集的多源信息融合处理技术

基于粗糙集理论与融合分析评价提出了多源遥感信息粗糙决策级融合算法,有效地提高融合的速度和精度。基于粗糙集的决策级融合算法是一种最小算法,即基于不可分辨的思想和知识简化的方法,提出了融合处理中决策规则的最小化方法和基于粗糙集理论的规则生成技术,用来精化知识,删除冗余信息,克服信息的过分膨胀和低效现象。利用粗糙集进行信息融合能够方便地对不完整数据进行分析、推理,提取有用特征和简化信息处理,生成的融合决策规则简单易行,能够显著地提高融合速度,增强系统的决策能力。

基于粗糙集的图像智能增强预处理

以Rough集理论为主要研究方法，以智能化图像的自动预处理为主要应用目标，系统研究了数据发掘、知识发现（SDMKD）、人工智能的理论与方法，特别是Rough集理论，并开拓性地将其引入图像的预处理中，从崭新的角度解决了智能预处理系统的一系列难题，并实现智能预处理系统的绝大部分功能。最后给出了一个智能预处理系统的实例，取得了明显的效果。

高空间分辨率和高光谱遥感图像融合技术

高光谱技术的发展与应用对高维的高光谱遥感数据的处理方法提出了更高的要求,其中高光谱融合技术是热门并具有相当难度的研究领域。高光谱图像数据与高空间全色波段数据进行融合处理,可以在大大改善融合后成象光谱图像空间解析特性的条件下,选择性保持满足应用需求的成象光谱图像的光谱物理特性和波形形态,为深入地研究提供更好的条件。本文介绍了高光谱与高空间影像融合一些典型算法,着重研究了基于最佳指数准则的高光谱图像融合方法,并给出了上海地区PHI高光谱数据和高分辨率全色航空像片融合实例,展现了该技术良好的应用潜力。

基于Hopfield神经网络模型的遥感影像分类算法

针对遥感影像的分类特点,提出了一种基于Hopfield神经网络模型的遥感影像分类算法。首先阐述了Hopfield神经网络的结构及其工作原理,分析了Hopfield神经网络优化规则;然后在Hopfield神经网络通用模型基础上,实现了Hopfield神经网络的算法。实验结果表明,这种分类器具有较高的精度与效率,分类结果优于最大似然分类法。

高光谱数据在Oracle中的存储及应用技术研究

高光谱遥感作为遥感的前沿技术,正在得到日益广泛的应用,其数据积累日益丰富。随着定量化遥感渐渐成为关注的核心,很多领域都越来越迫切地要求建立一个能存放高光谱数据、功能性强、使用方便、易扩展、与本领域应用相结合的数据库系统。针对高光谱数据特性以及处理和管理的需要,文中提出了基于Oracle数据库的面向对象的高光谱数据管理模型,从而便于高光谱数据的存储、管理、查询;并基于高光谱数据库进行了SAM分类实验,验证了该模型的有效性。

小波包变换与粗糙集在影像融合处理中的应用研究

针对高分辨率卫星影像提出一种基于粗糙集和小波包分析的融合算法。首先基于图像的粗糙集知识系统采用粗糙增强法对影像进行增强预处理,然后采用小波包对影像融合。实验结果表明融合图像比源图像具有更好的视觉特征。融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增强信息锐化度,改善解译的精度等方面均收到很好的效果。

IKONOS影像自适应小波包融合处理技术研究

针对传统的融合技术在IKONOS高分辨率卫星影像处理中的不适应性,提出一种更为精确细致的图像融合方法———自适应小波包分析法,既可以对图像低频部分进行融合处理,还可以对高频部分采取所需的融合处理策略,以综合多源多时相图像中的高频细节信息。该融合算法在信息量、光谱特征和边缘特征等方面具有综合优势。融合后影像不仅很好地保留了原多光谱图像的光谱特征,而且在增加融合结果信息量,改善解译的精度和可靠性以及使用率等方面均收到很好的效果。

Canny算子子像素边缘检测方法

在Canny算子的基础上,通过对梯度模值的内插求得沿边缘点梯度方向上相邻像素的梯度模值,利用这些梯度模值拟合二次曲线求出其极大值得到子像素定位的精确位置。通过推导,证明了梯度模在梯度方向上的极大值点就是边缘的精确位置。该算法在几乎没有增加计算量的前提下将Canny算子边缘检测精度提高到了子像素级。

基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波

提出了一种基于虚拟网格与改进坡度滤波算法的机载LIDAR数据滤波方法。该算法将虚拟网格的概念用于LIDAR滤波,避免了LIDAR点云内插或者平滑造成的信息损失。基于虚拟网格生成的初始表面模型是一个规则网格,在初始表面模型上进行地面点的选取,可以极大地提高运算效率。在改进的坡度滤波算法中,提出了4个坡度阈值,克服了经典坡度滤波算法在地形急剧变化的地方可能发生的错误。实验结果表明,该算法可以提取出大多数地面点,生成比较精确的DEM,证明了该算法的可行性。

海岸带高光谱影像分类技术研究

以海岸带地物分类研究为重要对象,针对传统海岸带区域地物及海水等目标分类技术的局限性,通过分析海岸带地物的光谱特征以及在高光谱数据中的表征,研究高光谱成像技术在海岸带遥感应用中的有效性。实验结果表明相对传统的遥感影像分类技术,高光谱海岸带分类显得更为精细,也展示了高光谱技术在海洋遥感中的巨大应用前景。

MATLAB环境下遥感影像配准与融合技术研究

对基于高通滤波的加权融合法和HIS融合变换法在MATLAB环境下进行了算法研究与实现,结果表明在较好地保留原图像光谱信息的同时大大提高了图像空间分辨率,且提高了工作进程和效率。

基于小波变换的纹理特征变化检测方法研究

本文提出和实验了一种基于小波变换的区域纹理特征差值的变化检测方法,该方法通过小波变换提取区域纹理特征,而后采用差值求得其变化部分。实验结果表明,该方法对于高分辨率的遥感影像具有较好的检测效果,同时提高了运算速度,从理论和实践方面证明了该方法的可行性和有效性。

多源信息融合与天基信息网

天基信息系统的集中应用已成为现代高技术战争的基本特征。天基综合信息网将各种信息按照资源的最大有效综合利用原则,互通互联,构成了一个有机的智能化体系。多源信息融合作为天基信息网中数据处理和应用的重要组成部分,发挥着信息筛选和提取的重要作用。本文探讨了天基信息网在信息战中的重要作用,并结合天基信息网的特点,讨论了多源信息融合在不同层次上的关键技术,最后对未来天基网多源信息融合的发展进行了展望。

基于区域特征的小波差值变化检测方法

小波变换在图像处理与分析方面的应用已取得很大的成功,如基于小波变换的图像编码、去噪、融合等,但在多时相的遥感影像变化检测方面的研究还很少。提出并实验了一种基于区域特征的小波差值变化检测方法,该方法对于高分辨率的遥感影像具有较好的检测效果,同时提高了运算速度。实验结果表明了该方法的可行性和有效性。

基于特征提取的目标变化检测方法研究

针对不同时相遥感影像中特定目标的变化,研究了基于特征提取的目标变化检测方法。该方法首先根据目标的几何特征进行检测与提取,然后对提取出的两目标影像进行比较,得到特定目标的变化。实验结果表明该方法对特定目标的变化检测有较好的效果。

基于粗集理论的GIS属性数据挖掘

粗集理论作为一种新的处理含糊和不确定性问题的数学工具,可以有效地分析和处理不完备信息,已经在模式识别、机器学习、决策支持、过程控制、预测建模等众多科学与工程领域得到成功的应用,并具有相当的发展潜力。本文在深入研究粗集理论基础之上,讨论了基于粗集的知识表达系统,提出了属性约简的数据分析法,并利用此法对信息表中的海量信息进行简化,提取出有用特征,并相应评价各因素的重要性。本文最后以GIS属性挖掘为例进行实例分析,考察出它们的相互依赖性与相对重要性,取得了明显的效果。

一种城区车载激光点云行道树提取方法

本文提出了一种从城区车载激光雷达点云数据中提取行道树的方法。该方法先为每个扫描点计算局部几何特征，将扫描点粗标记为线状点、面状点、球状点；然后根据扫描点的标记进行欧氏聚类分割；最后通过计算每个分割块的空间特征实现行道树的精确提取。试验结果表明，该方法不仅能够提取较为完整的树木，而且对因遮挡导致的扫描数据不完整的树木亦能正确提取，具有较高的提取正确率和较好的完整性。