基于多特征的遥感影像分类方法

提出了一种基于多特征的遥感分类方法。首先 ,制定类方案并分解各个类 ,据此得到相应的子类 ;然后 ,通过选用适当的特征 ,使得每一个类都能以一个独特的特征组合来表达。与此同时 ,通过影像分割得到影像对象 ,并测量这些对象的各个特征 ,如光谱特征、几何特征及拓扑特征等。凭借这些特征 ,影像对象可以较为容易地被识别和分类。与传统的分类方法的比较表明 ,文中所提出的分类方法具有明显的优越性和良好的前景。

中分辨率遥感图像条带噪声的去除

CMODIS是中国第一个发射上天的中分辨率成像光谱仪 ,它有 34个波段 ,波长范围从可见光到红外波段。CMODIS数据含有大量有很高实用价值的光谱信息。但是由于CMODIS传感器之间对接受的地物辐射信号的响应特性不同导致CMODIS数据中的许多波段含有大量的条带噪声 ,严重影响了CMODIS数据的解译和信息提取。在介绍了几种常用于TM ,MSS ,SPOT等多传感器遥感图像中的条带噪声去除方法基础上 ,提出了一种新的有限长脉冲响应滤波 (FIR)法 ,并比较了该方法和其它几种常用方法对几何纠正前后非均匀地物分布的CMODIS数据的去条带噪声结果。结果表明这种新方法要优于本文中提到的几种常用方法 ,具有很好的去条带噪声效果 ,同时保持图像原有信息。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。

CBERS-1 PSF估计与图像复原

分析了遥感图像获取过程中导致图像退化模糊的原因。讨论了一种借助图像中的特定线状目标信息 (如桥梁、堤坝等 ) ,采用经验拟合的方式提取图像获取、传输过程中的点扩散函数 ,并利用该点扩散函数结合频域维纳滤波器求解去图像模糊的空域反卷积算子。将该方法应用于中巴资源卫星一号 (CBERS 1 )图像 ,图像质量得到明显的提高 。

一种基于小波分析的旋转不变图像快速匹配方法

提出了一种基于小波分解的具有旋转不变特性的三级特征图像快速匹配方案。利用小波分解的高频分量得到图像边缘 ,进而提取具有旋转不变特性的边缘特征 ;小波分解的低频分量则用于提取同样具有旋转不变性的图像尺度共生矩阵特征。前一个特征反映了图像边缘间的空间关系 ,后者则体现了图像灰度间的空间关系 ,利用这两类特征构成一个三级决策树对图像进行搜索 ,以查找搜索图中是否包含样本图 ,对满足匹配条件的若干候选子图 ,给出具有最大相似特性的一个。实验结果表明 ,较之于传统的模板匹配方法 ,该方法具有快速、高精度、抗干扰能力强等优点。

基于改进的Faster R-CNN车厢编号识别方法

为了识别装煤列车车厢编号图像,提出一种基于改进的Faster R-CNN车厢编号识别方法。首先,引入Retinex图像增强算法对暗光条件下采集的低照度车厢编号图像进行增强,提高低照度车厢编号图像质量;通过分层多尺度区域推荐网络增强对多尺度、小目标车厢编号检测能力;使用基于GIoU的边框回归损失函数,提高车厢编号识别回归框准确率。在环境复杂的装车现场进行实验,车厢编号识别模型在平均精度和F1值分别为9293%和9573%,在开发套件上的推理速度为1帧/s。提出的车厢编号识别方法具有准确率高、识别速度快、漏检率低的优点,为车厢编号识别智能化提出新思路。

基于XGBoost算法的遥感图像云检测

云检测是利用卫星遥感影像进行相关应用的基础。针对云检测过程容易受到复杂地表环境干扰的问题,提出了一种基于极限梯度提升(XGBoost)算法的云检测模型。该方法以TOA反射率、亮温和光谱指数等组建特征空间;然后,采用贝叶斯优化对XGBoost模型的超参数进行了调整。为检验XGBoost的云检测效果,选择不同云场景的Landsat 8遥感影像为测试数据,并把XGBoost、随机森林和决策树的云检测结果作对比。结果表明:本文提出的XGBoost云检测模型的云识别效果优于随机森林和决策树,展现了XGBoost在云检测中的潜力;且XGBoost的F1分数和Kappa系数分别可达73%和71%以上,实现了较准确的云检测,可为后续开展云检测研究提供一定的支持。