遥感影像缺失重建方法对比与时间序列合成

遥感影像利用率低的重要原因之一是在卫星的成像过程中,传感器故障或者厚云等天气原因经常造成缺失的情况,降低了影像的利用率。对比分析三种方法(直接修复、局部线性直方图、加权线性回归方法)的重建效果,并针对以上方法仅利用单幅影像重建,没有综合利用多时相信息、无法同时实现去云和条带的不足,提出了利用时间序列影像生成合成影像的方法,达到去云和条带的效果。结果显示,对比方法中,加权线性回归方法修复效果最佳,其重建结果与真值相关系数最高达0.87;所提方法可同时去除云和条带区域,相关系数最高达0.76,因此对于改造时间序列影像数量和质量具有较好作用。

德勒兹“时间-影像”视域下电影《河边的错误》的叙事分析

“晶体-影像”是吉尔·德勒兹电影哲学中“时间-影像”的基石,体现了潜在影像与实际影像的不可分割性。本文将魏书钧执导的电影《河边的错误》置于吉尔·德勒兹“时间-影像”的哲学谱系当中,发现该影片的非线性叙事模式巧妙通过晶体时间建构了虚实叠加的晶体影像,并通过缺失的影像制造了含混的时空,呈现出由迷离到清晰的时空感,使电影情节带有悬疑重重、文艺荒诞、虚实难辨的先锋性。

无人机倾斜影像三维建模中的模型精细化

无人机倾斜影像制作三维模型,速度快、成本低,成为城市三维建模的首选。而无人机倾斜影像三维建模中,数据冗余、模型变形、影像缺失等多种问题常常会影响建模效果。本文针对无人机倾斜影像三维建模中的问题,提出了一系列相应的模型精细化处理技术,使三维模型更加形象、逼真。

哨兵光学及SAR卫星影像协同分类研究

针对光学遥感影像中云及云阴影以及微波影像中叠掩、阴影、透视收缩等导致的地物信息缺失对分类、定量反演造成的不利影响,以光学卫星哨兵二号(S2)、SAR卫星哨兵一号(S1)影像为例,将R语言随机森林(RF)、支持向量机(SVM)、人工神经网络(ANN)机器算法引入光学微波遥感图像协同分类研究中。研究表明:协同S1,S2各自优势,可充分协同地物的光谱特征、微波后向散射、极化分解等信息,有效减轻S2云、云阴影以及S1影像地物信息缺失对地类识别造成的不利影响。采用RF交叉验证函数(RFCV)和IncNodepurity(节点纯度总增加)值确定RF最优分类因子,采用varImp函数以及按分类因子重要性逐个添加法可选取ANN、SVM最优分类因子。RF算法分类精度较高,适用于样点分布随机、均匀的研究区,研究区不同地类面积从大到小依次为灌草、其他、落叶林、草地、常绿林、混交林、水体。协同分类结果表明,光学、微波影像协同法、最优因子选择法以及R语言遥感数据处理方法在影像分类中应用效果较好。