FY-4A卫星海域云图图像增强融合方法研究

FY-4A卫星是我国目前最先进的气象卫星,为缓解光照对其可见光和红外云图影响,增强图像质量和显示细节,通过分析中央气象台发布的FY-4A卫星云图中可见光和红外云图资料,指出云图可见光和红外云图存在极强互补性的特征,提出一种基于灰度均值的自适应非线性Gamma图像增强融合方法。仿真实验结果指出利用本文方法得到的融合云图拥有显示云的更多细节和识别云层云类的特点。该方法有效性的验证,为21世纪海上丝绸之路气象预报保障提供了新的云图识别处理技术。

战术应用中的图像融合(下)

对于状况认识,融合工作通常是在可获得一对合适的图像时进行,也就是说,

CBERS-2B数据提取平原区细小地物系数的方法探讨

利用Landsat TM等中等分辨率影像对区域生态环境进行监测与评价时,由于影像分辨率的局限性,仍有许多地物无法解译出来,如农田中的道路、水渠等,文章主要研究了利用图像融合增强和人机交互式解译等技术方法,对CBERS-2B的CCD影像和HR影像进行处理,提取平原区农田中道路面积比系数,从而将农田中未解译的地物扣除。结果表明,CCD影像与HR影像经过融合增强处理后,可以进行平原地区村级及以上道路的提取。

结合数据融合与特征选择的遥感影像尺度多样目标检测

基于深度神经网络模型的遥感影像地物检测取得了巨大成功,很大程度上得益于大规模数据集的支撑。但是,从现有遥感影像数据集本身来看,不同类别地物的数量分布不一致,同类地物对象以不同尺寸大小呈现,是导致地物样本的尺度不均衡问题的直接因素。对此,本文采用数据集内影像加权融合与地物多尺度特征选择的策略来缓解该问题。首先,将数据集内两张影像的像素值进行加权并得到融合后的影像,从而使不同类别地物样本更加均衡且具有较高的背景多样性;其次,通过选择合适尺度的特征图预测相应尺度的目标类别,且允许同一尺度目标在相邻特征图上进行预测,这样使模型能根据目标尺度进行训练;最后,基于目标中心区域的特征图预测目标边界框,预测的边界框更符合目标本身的尺度。通过在两个遥感数据集上分别进行实验,表明训练的模型在对复杂背景下的类别不均衡目标的识别更加准确,能够适应遥感影像下不同尺度目标的识别。

基于SREM融合数据的矿物蚀变信息提取

目前卫星高光谱数据幅宽小,难以进行大面积矿物填图应用.本文探讨了基于多光谱图像光谱分辨率增强方法(spectral resolution enhancement method,SREM)融合算法,将Hyperion窄幅高光谱和先进星载热发射和反射辐射仪(advanced spaceborne thermal emission and reflection radiometer,ASTER)宽幅多光谱数据进行融合,获得宽幅高光谱数据,从而进行矿物蚀变信息提取的方法和流程.结果表明:(1)原始ASTER数据仅能识别出Al-OH基团,Mg-OH基团和Fe3+离子基团3种矿物,SREM方法能够识别出高岭石、伊利石、绢云母、绿泥石和黄钾铁矾5种蚀变矿物;(2)融合图像矿物提取结果与原始ASTER和Hyperion图像的相对精度分别达到90.56%和92.85%;(3)其中绢云母、伊利石、高岭石与Al-OH基团,黄钾铁矾与Fe3+离子,绿泥石与Mg-OH基团出露区域基本一致.SREM融合数据具有幅宽大和光谱分辨率高的特点,提高了矿物蚀变信息解译精度,该方法对大面积矿物填图具有示范作用.