基于中低分辨率卫星影像中舰船目标识别方法

目前,中低分辨率成像侦察卫星已经成为远距离情报保障的重要手段之一。然而,中低分辨率成像侦察卫星对海上机动舰船的侦察存在目标检测、识别难等问题,大大影响了情报使用效益。针对上述问题,提出基于霍夫变换的舰船开尔文尾迹提取方法,用于匹配并识别舰船型号。通过仿真得出不同型号舰船的开尔文尾迹尖头波平均距离,可以有效的识别出真实遥感影像中舰船属性,与实际影像数据对比分析,证明上述算法具有一定可行性。因此,基于霍夫变换的舰船开尔文尾迹提取方法可以在一定条件下基本实现目标舰船型号的识别,提升中低分辨率成像侦察卫星对海上机动舰船目标的识别准确率。

中低分辨率遥感影像几何精校正

该文旨在实现中低分辨率遥感影像的几何精校正,提出先配准后校正的方法;对于栅格影像图几何校正,自动配准控制点能实现栅格影像间的精校正。通过对Landsat TM遥感影像进行矢量地形图几何精校正实验表明,实行先配准后校正能较大地提高校正精度;对Landsat TM遥感影像进行中巴地球资源二号卫星(代号CBERS)的影像图作为参考影像的几何精校正实验表明,Erdas9.0软件的AutoSync模块能实现自动配准控制点,能对影像进行几何精校正。同时,校正的控制点具有可重新利用的属性。以上两种方法与控制点可重新利用的属性可应用到影像生产中。

基于深度特征融合的中低分辨率车型识别

针对中低分辨率车型识别问题,建立一种改进的卷积神经网络(CNN)特征融合模型。采取特征融合策略对CNN中的不同低层特征进行融合重复利用。为防止出现过拟合现象,结合网络模型稀疏化的结构,使用数据增强方法优化训练数据。分析和实验结果表明,该模型不仅能产生更具区分性的特征,而且能避免由环境等因素引起的干扰,与传统CNN模型相比,具有更高的识别准确率。

中低分辨率SAR图像桥梁识别方法研究

中低分辨率SAR图像中河流、桥梁目标常存在断裂现象,且桥梁边缘线性特征不明显,现有桥梁目标识别方法难以解决上述问题。为提高中低分辨率SAR图像桥梁识别稳健性,提出桥梁在图像中呈现断裂、河流灰度一致性不高情况下的桥梁目标识别算法。对水域分割结果进行河流粗提取,将河流轮廓外扩部分的相交区域作为桥梁兴趣区,在保证兴趣区完整性的同时减少无效兴趣区;采用目标分割与Radon变换结合的方法检测断裂的桥梁主体;对候选桥梁附近的河流轮廓进行形状验证,消除山体等阴影造成的桥梁虚警。实验结果表明,该方法能够在复杂场景中有效地识别出多个水上桥梁目标,桥梁虚警率大大降低。

中低分辨率卫星影像Bowtie效应的快速去除

Bowtie效应是FY-3和MODIS等中低分辨率卫星影像数据中出现的数据重叠现象,该效应制约了卫星影像数据的进一步应用,因此必须在影像使用之前去除这种几何畸变现象。针对现有Bowtie效应去除方法存在计算复杂和效率低的不足,提出了一种基于路径追踪的Bowtie效应快速去除的几何纠正算法。通过路径追踪可以快速定位纠正影像像元在原始影像中位置,并考虑了跨越对向子午线以及地形起伏较大区域的处理。实验表明,这种方法能有效并且快速地去除Bowtie效应。

中低分辨率遥感影像舰船目标识别方法

针对当前光学成像卫星的目标识别基本依靠人工判别的现状,结合中低分辨率遥感图像的目标特征不明显、舰船种类多、识别困难的特点,论文根据国内卫星资源情况与研究现状,分析并比较了光学成像卫星不同传感器提取的目标特征,选择可见光传感器进行目标识别方法研究,对适用于中低分辨率遥感图像的目标识别方法进行比较,并选择出适用于当前海军海上侦察预警的方法。该方法能够极大缩减卫星图像数据处理时间,改善舰艇目标识别由人工判别的现状,增加战时卫星数据的及时性,为海军侦察预警提供技术支撑。

多尺度分割在中低分辨率遥感影像解译中的灵活应用

介绍了一种将像素级的分类与对象级分类相结合的遥感影像分类方法。该方法将面向对象的概念引入影像分类中。但与纯粹的基于对象的分类有所不同,这种分类方法仍然是以像素级分类为基础。这种分类方法既继承了像素级分类精细、准确的优势,又通过分割对象,增加了分类图斑的同质性,极大地改善了信噪比,使分类结果更清楚。

中低分辨率遥感影像控制点对自动提取方法

遥感影像配准是遥感影像融合与校正的基础,而控制点提取是遥感影像配准的关键。针对中低分辨率遥感影像配准时产生的控制点少且分布不均匀、正确匹配率低等问题进行研究,提出了一种自动提取其控制点对的方法。该方法采用区域匹配策略,首先将参考影像与待配准影像的公共区域进行网格划分,对2幅影像中相同地理范围的小区域进行一致编号,接着建立影像的多尺度空间,对每一个尺度影像区域块采用Harris进行角点检测,用SIFT特征描述符描述Harris角点的特征向量,最后利用区域匹配策略进行特征点的匹配。实验表明,该方法能提取出均匀分布且精度高的控制点对,有利于提高中低分辨率遥感影像配准的精度。

基于中低分辨率遥感影像的分类方法对比研究--以鄱阳湖水鸟栖息地遥感分类为例

选取中国鄱阳湖南矶山湿地为研究范围,通过分析候鸟在越冬期的栖息特征,构建适宜于提取候鸟栖息地的湿地分类系统。以Landsat8卫星OLI遥感影像为数据源,采用面向对象分类方法,通过多尺度分割、特征提取和决策树建立等关键步骤,实现湿地信息的快速提取;通过与传统像元法的分类结果对比,系统分析了面向对象方法在基于中低分辨率遥感影像的湿地信息提取中的有效性。研究表明:在面向对象湿地信息提取中,构建不同等级的分割尺度,在多个尺度上提取同一地物,可以更好识别复杂的湿地景观类型;相比仅依据像元光谱特征进行分类的传统像元方法,面向对象方法综合利用光谱、空间、形状和纹理等多种特征,因此可以获得更高的精度(总体分类精度达到87.64%,Kappa系数为0.855 2);基于中低分辨率遥感影像,采用面向对象分类方法,能够获得较高精度的湿地景观分布,是一种成本较低且行之有效的技术手段。

高分辨率影像在野生药用植物宏观监测中的应用评价——以罗布麻为例

以阿勒泰阿拉哈克乡野生罗布麻自然保护区为研究对象,采用中低分辨率的国产卫星资源三号影像和高分辨率影像Worldview-2分别对罗布麻进行遥感识别提取,为分析比较哪种数据源更适合生长状况较复杂的野生药用植被遥感识别,该文对2种数据源采用了同种分类体系,在传统分类方法中加入PCA(第一主分量)和纹理特征作为辅助数据来提高分类精度。结果表明:对于生长状况较复杂的野生药用植物罗布麻,高分辨率影像Worldview-2更适合对其进行遥感识别,而国产中低分辨率卫星资源三号只适合识别分布密集的罗布麻,对于零星分布的罗布麻基本不能识别。因此评价数据源的性能要针对具体工作区目标物分布状况及其监测的侧重面具体分析。如果研究区内目标物分布较密集且规模较大,既人工种植型,或生长单一的药用植物,采用资源三号或中低分辨率的遥感数据便可很好的识别目标物,没必要购买高分辨率的数据,以免造成资源浪费;对于分布零散且伴生有其他野生植被的目标物,认为采用高分辨率卫星影像数据才能很好地识别目标物。