高光谱遥感图像亚像元信息提取方法综述

高光谱遥感图像光谱分辨率高、波谱连续、图谱合一,这为精细地物分类、探测和识别提供了数据基础。然而,由于高光谱遥感图像空间分辨率的局限性及地物场景的复杂分布,混合像元普遍存在于高光谱遥感图像。混合像元是高光谱遥感图像精细信息提取与分析中的难点。解决混合像元问题,实现亚像元级信息的提取与分析是近年来高光谱遥感图像解译的热点和前沿。本文系统梳理了高光谱遥感图像亚像元信息提取的主要研究内容,具体从混合像元分解、亚像元制图及亚像元目标探测3个研究方向综述了经典方法,并对国内外相关方向的研究进展、发展前沿及主要挑战进行了分析与评价,最后分析讨论了高光谱遥感图像亚像元信息提取研究在模型构建、优化求解及与应用结合等方面的研究趋势及方向。

基于蒙特卡洛仿真的水下四点单目测距研究

水下光通信系统在工作时需要及时获取与接收端的距离信息并进行高速通信。文章提出在水下蓝绿激光通信系统中加入单目测距功能,实现短距离视觉测距和长距离激光测距的水下光通信测距一体化研究。使用蒙特卡洛方法进行仿真,建立激光信号水下信道传输模型,模拟不同目标尺寸、不同距离和不同水质下的水下激光光斑图片,分析以上3种因素对水下单目测距精度的影响。考虑仿真图片光斑弥散和对比度降低对测距精度的影响,文章针对性地提出了一种对水下小尺寸光源目标、结合图像增强和Zernike矩亚像素点边缘检测的单目测距算法以提高单目测距算法的精度。通过实验室水池实验验证,文章所提算法精度达到了使用要求。

期望最大化聚类的高光谱亚像素目标检测

针对高光谱目标检测中复杂背景的影响,提出一种基于期望最大化聚类的亚像素目标检测方法,利用背景分解来描述复杂背景.首先,采用期望最大化聚类法实现高光谱图像的背景分解.然后,将背景子空间模型应用于分解得到的场景.由于分解得到的场景更加单一,因此该方法更适合于复杂背景下的亚像素目标检测.将提出的方法应用于实际的高光谱图像,实验结果表明这种方法具有更好的检测性能.

图象积累与自适应门限检测技术的研究

为了从低分辨率和低信杂比的图象序列中检测亚象元目标和点目标，本文定义了有效积累帧数，证明了在有效积累帧数内，积累ｍ帧序列图象，积累平均图象的信杂比提高到倍．在图象积累的基础上研究自适应门限检测技术，定义了最小错误率规则，并且导出了初始门限以及概率参数的计算公式．为了进一步降低虚警，还建立了后处理的方案，实验结果证实了理论分析的正确性．

数字式光测胶片图像自动分析系统

介绍数字式光测胶片图像自动分析系统。该系统在数字图像处理与分析的基础上 ,完成基于光测胶片序列图像的高精度运动测量。

基于形态学的人工标志中心亚像素定位方法研究

在使用圆形人工标志的计算机视觉检测中,标志的定位精度直接影响到检测的整体精度。以往的中心定位算法对人工标志的中心定位精度差、速度慢,已不能满足精密、快速的检测要求。在经典数学形态学的基础上提出采用改进的扩展形态学的方法提取圆形人工标志的边缘,通过最小二乘拟合方法计算人工标志中心。该方法具有精度高和速度快的优点。实验表明其定位精度在0.02-0.03像素之间,能够满足高精度计算机视觉检测的要求。

基于逆模型偏最小二乘法的高光谱亚像元目标探测方法研究

目前的高光谱亚像元目标探测算法主要是利用线性混合模型,在背景端元光谱已知的前提下,构造一定的检测算子逐像元判定是否含有亚像元目标。该算法需要较为精确的背景端元光谱先验信息,且目标探测结果受背景复杂度影响较大。从光谱维数据分析的角度出发,将逆模型偏最小二乘法(ILS)和马氏距离奇异值检测方法相结合进行亚像元小目标探测研究。首先建立目标光谱与像元光谱的逆模型,并对像元光谱与目标光谱进行正交变换预处理(SNV),再利用偏最小二乘算法(PLS)计算逆模型的回归系数向量,从而将多维的光谱信息降维,并突出目标光谱信息,最后计算各像元回归系数的马氏距离,判定马氏距离大于3σ的系数所对应的像元点为含有亚像元目标的像元点。该方法仅需要目标光谱的先验信息,对背景的复杂度不敏感。文章采用AVIRIS仿真数据将上述方法与常用的正交子空间投影算法(OSP)的计算结果进行比较,通过比较不同算法的受试者工作特征曲线(ROC)以及信噪比(SNR)变化曲线,证实了该算法具有较快的运算速度和较高的目标探测性能。

空天背景下红外多光谱弱小运动目标检测

针对多光谱红外图像序列中未知光谱辐射强度、位置和速度的弱小运动目标检测问题,建立与之相应的框架模型,对于这种含参信号的复合假设检验,采用广义似然比检验(GLRT)得到了该问题的检测算子,同时利用速度滤波器组在实际应用中实现了该检测算子.采用人工合成的多光谱红外图像序列对其进行测试,评估该算法的有效性,结果说明,该算法对于低信噪比条件下的弱小运动目标具有良好的检测效果.

Canny算子对人工标志中心的亚像素精度定位

在使用圆型人工标志的计算机视觉检测中,人工标志的识别率和中心定位精度直接影响到检测的整体精度。传统的中心定位算法对人工标志识别率低、中心定位精度差,已不能满足精密检测的要求。文中采用Canny算子对带有圆形人工标志的数字图像进行边缘分割,通过模式识别方法、最小二乘拟合方法计算人工标志中心。该方法解决了标志识别率低的问题,提高了标志图像中心定位精度。其精度可达到亚像素级,能够满足高精度计算机视觉测量的要求。

望远系统像倾斜的数字图像测量技术的研究

利用CCD摄像机采集像倾斜分划图像,建立线性回归数学模型,通过"目标移动法"和"亚像素定位边缘法"实现望远系统像倾斜的高精度自动测量。该方法可消除传统像倾斜测量方法中的主观误差的影响,图像处理误差小于10″,使测量的结果客观化,易于实现光电自动测量。

亚像素相关滤波跟踪算法

KCF跟踪算法中采用的HOG特征以细胞单元为基本单位采集图像的梯度特征,而通常为多个像素点大小的细胞单元会导致定位精度难以达到像素级。针对上述问题,采用了一种基于抛物线模型的KCF目标跟踪算法。首先通过抛物线模型对离散的目标响应值近似拟合,然后引入泰勒级数对拟合后的连续二次曲线求解,最后可得曲线的目标响应极值点所在位置。实验结果表明,上述跟踪算法可近似实现像素级定位精度,在精度和成功率方面都要优于KCF跟踪算法及其它传统目标跟踪算法。

双色红外信号亚成像目标识别处理系统研究

采用高速数字信号处理器 (DSP)软硬件的技术途径 ,在双色红外制导导引头信号处理中 ,对由红外传感器不同波段提供的大量目标信息 ,进行了综合分析并提取目标特征量。应用目标识别算法 ,灰度直方图变换、多尺度变换、图像滤波等方法区分真假目标 ,建立判决理论 ,确立逻辑选择条件。在算法编程 ,实现对目标的亚成像图及目标方位信息的准确判定等方面 ,作了一定的研究与探讨。

采用MTF定量评估CCD错位成像的成像质量

为提高CCD错位成像系统成像质量,提出用MTF方法定量评估CCD错位成像的成像质量,推导了CCD错位成像两种模式的MTF,取人眼能分辨的最低对比度0.05为阈值,分析表明,交错采样和四点采样模式的理论极限分辨率分别提高到1.4倍和1.86倍,奈奎斯特频率处MTF值分别提高了0.110 6(27%)和0.167 9(41%)。用空间频率范围(0,0.5)内MTFA评估CCD成像质量,结果表明,交错采样模式和四点采样模式成像质量均优于CCD普通模式,且四点采样模式比交错采样模式成像质量进一步提高。建立了Matlab仿真CCD错位成像的数学模型,鉴别率板仿真结果验证了应用MTF定量评估CCD错位成像系统成像质量的正确性。

圆形标志中心子像素定位方法的研究与实现

采用回光反射材料制作圆形回光反射标志,经摄影后得到标志的“准二值影像”;对标志的椭圆影像进行亚像素边缘提取,经最小二乘椭圆拟合后得到标志中心的子像素级位置。试验表明,可以达到0.02像素的定位精度。

复杂环境中红外亚图像动目标识别跟踪

本文分析了红外玫瑰线扫描亚成像制导的成像空间分布函数,提出一种基于神经网络特性的加权图像差分动目标检测模型。应用目标与干扰特征的统计特性,采用边跟踪边识别方法识别真假目标,从而精确跟踪。最后给出了仿真结果。

小目标亚像素定位技术研究

在光电探测系统中,需要对小目标进行亚像素定位,提高跟踪精度。基于模型的亚像素定位算法,根据光学系统建立目标模型,然后采用牛顿迭代法计算使得模型能量最大的点作为目标的定位点,仿真结果表明,基于模型的小目标亚像素定位算法定位精度高,稳定性好等特点。

高光谱亚像元图像仿真与异常检测应用

为满足高光谱异常检测研究所需的大量地物高光谱图像需求,提出利用待观测地物的高光谱特性仿真数据及背景特性数据生成高光谱图像的方法,开展了典型飞机流动与传热模型、红外辐射特性模型、高光谱图像仿真模型研究;以实验测定的飞机反射率为输入开展目标特性计算,结合实际观测的背景起伏图像,在特定遥感器光谱响应特性、遥感器相对定标误差、随机加性噪声等条件下,生成了不同像元丰度、不同信噪比的高光谱图像,并应用经典的RX算法、CEM算法检测了仿真图像的异常像元。研究结果表明:建立的模型可以根据遥感器的性能指标参数、目标丰度要求生成亚像元高光谱仿真图像。图像可以反映目标飞机像元丰度、信噪比对检测结果的影响,通过调节输入参数可以高效建立针对亚像元异常检测的高光谱仿真图像;应用仿真图像进行RX算法检测高光谱仿真图像时,噪声会对检测结果产生较大影响,当信噪比低至10 dB时,RX算法难以检测出丰度0.4以下的异常像元,采用光谱匹配检测的CEM算法可以在较低像元丰度和信噪比下检测异常,提高检测概率。

基于扩展数学形态学的高光谱亚像元目标检测（英文）

提出了一种基于扩展数学形态学和光谱角度匹配相结合的高光谱亚像元目标检测算法。在目标与背景未知的情况下,同时利用光谱和空间信息实现目标的定位与检测,实现高光谱亚像元目标的检测识别。通过扩展的形态学膨胀和腐蚀运算实现端元提取,采用光谱角度匹配算法进行感兴趣目标的检测识别。算法性能通过AVIRIS数据进行评价,与仅利用光谱角度匹配的算法和RX异常检测算法进行比较。实验证明,所提出的算法性能优于其他两种算法,具有低虚警率的亚像元目标检测结果。

基于TOF相机的非合作矩形目标三维位姿测量方法

针对目前空间非合作矩形目标位姿测量过程中提取像素级特征点误差大、距离测量值不稳定等导致的测量精度不高的问题,提出一种基于TOF(time-of-flight)相机的非合作矩形目标三维位姿测量方法。首先对灰度图像进行修正的FAST特征点提取,然后分别计算提取出的特征点在相机坐标系和目标坐标系下的三维坐标,最后检测矩形目标亚像素级角点并融合30帧距离信息后再计算姿态角。实验结果表明,对于1 m距离范围内边长为50 mm的非合作矩形目标,Z、X、Y轴方向位置测量的绝对误差平均值分别为2.65 mm、1.28 mm、0.60 mm;姿态角γ测量的绝对误差平均值降为0.52°。相对于传统的基于点云配准的位姿测量方法,姿态角测量的绝对误差降低了48.0%,显著地提高了非合作目标三维位姿测量的精度和稳定性,具有广泛的应用前景。

序列图像（亚）像素级点目标检测的DP算法

提出了一种用于序列图像（亚）像素级点目标检测与跟踪的ＤＰ（ＤｙｎａｍｉｃＰｒｏｇｒａｍｍｉｎｇ）算法．该算法基于弹道积分原理和动态规划最优化原理，将序列图像（亚）像素级点目标检测问题转化为一系列的一维最优化过程，功效上完全等价于穷举法，同时具有算法简单、运算量小、易于实现的特点．该算法有别于其他算法的显著优点是具有低信噪比处理功能，特别适用于弱而小的点目标运动轨迹检测．文中还针对多（亚）像素级点目标情况进行了专门讨论．