基于多特征的全色遥感影像区域化能量分割

为了精确分割高分辨率全色遥感影像,提出一种基于多特征的区域化能量分割算法。利用曲波变换提取高分辨率全色遥感影像的边缘特征和纹理特征,结合原有的光谱特征构成特征集合;利用规则划分技术划分影像域,在划分的影像域上,利用能量函数和非约束Gibbs概率分布建立基于多特征的区域化能量分割模型;利用MCMC算法求解该分割模型,以实现高分辨率全色遥感影像分割。为了验证提出算法,以Worldview2全色遥感影像为实验数据进行分割,并对其分割结果进行定性及定量评价。

基于全局自适应处理的分块影像增强方法

针对现有全色遥感影像增强算法在增强影像中目标地物时对背景噪声过度增强的问题,提出一种基于全局自适应处理的分块影像增强方法。首先,进行分块处理并分别计算图像中每个影像块的影像增强参数;然后,构建块差异因子对相邻影像块进行合并,将影像块归类为细节块与噪声块,并进行全局自适应处理——计算全局自适应增强参数并用其修正噪声块的增强参数;最后,基于影像块的增强参数内插得到每个像元处的参数,根据这些参数对全色遥感影像进行增强。用该方法对多组不同场景的全色遥感影像进行仿真实验,并基于客观指标对增强方法的效果进行评估,结果表明该增强方法拥有较好的性能。

资源三号影像朵云识别中云雪分离研究

针对资源三号全色卫星影像在朵云识别过程中云雪不能分离的问题,提出了一种基于云雪边界特征并利用改进的平均梯度和分形维数等纹理信息的云雪分离方法。首先为了减少雪和其他地物对云的干扰进行初步云识别,本文利用灰度均值、分形维数和灰度共生矩阵计算的能量作为特征参数大体提取云区,此时云雪不分;然后再进行云雪分离,利用改进的平均梯度和分形维数特征值来剔除被误识别为云的雪。本文采用的分类方法是支持向量机分类。利用资源三号全色卫星影像测试结果表明,该方法是资源三号全色遥感影像朵云识别中一种有效的云雪分离方法。

基于分形维数的全色影像云雪自动识别方法

由于云、雪光谱特征在可见光谱段范围内的相似性,全色影像的云检测和云雪识别一直是对地观测遥感数据预处理及应用中的难点之一。细致分析了云、雪的纹理特征,通过训练大量的实验样本获得了表征云、雪纹理特征的分形维数值的统计规律,在此基础上综合考虑云、雪的纹理特征与覆盖分布规律,提出了一种基于分形维数的全色影像云与积雪自动识别方法。利用"北京一号"小卫星实际图像的测试结果表明,该方法是一种有效的全色影像云、雪自动识别方法。

资源三号卫星廊坊地区遥感数据的融合处理

本文以资源三号卫星河北省廊坊地区2A级全色遥感影像和多光谱影像数据为基础,采用遥感数字图像处理软件ERDAS IMAGINE进行了研究区域的提取,并对提取的感兴趣区进行了几何校正,即图像配准处理,然后进行了融合处理,分别采用了空间增强的分辨率融合算法、改进IHS分辨率融合算法以及小波分辨率融合算法,通过和融合前的影像进行对比,融合后的影像既保留了多光谱影像的丰富的波谱信息,同时具有了全色影像的高空间分辨率的特征,最后对比三种融合算法,得出改进的IHS分辨率融合算法效果最佳。