星载图像压缩中的无损预测研究

针对星载遥感图像自相关系数较大时MED预测比较理想,反之均值Mean预测更有优势的问题,融合该两种方法的优点提出了改进的MED预测,使之对多种类别的图像特别是遥感图像能够取得较好的预测效果。此外,从预测相关性、运算复杂度、是否带有自动误码纠偏以及采用Rice算法获得的压缩比等角度进行了两种预测残差映射器的研究,确定了选用带自动误码纠偏的差值映射和可调整的预测方式。当信源干扰多大时选取前像素预测,反之采用MED或改进的MED预测,从而兼顾了压缩比和抗误码两方面,且硬件可实现。

星载光学遥感图像特征误匹配剔除方法研究

误匹配剔除是提高特征匹配精度的重要手段,星载光学遥感图像由于数据量大、纹理重复、光照强度变化等特点,导致现有误匹配剔除方法的性能下降。针对此问题,提出一种基于局部和全局几何约束的误匹配剔除方法。在初始匹配集的基础上,首先利用特征局部一致性对误匹配进行初步过滤;然后根据图像间的变换关系构建特征拓扑结构,并提取其几何属性描述结构相似度,基于此建立特征全局结构一致性约束模型,通过推导模型的最优解剔除残留误匹配;采用引导式匹配策略,选取局部一致性高的匹配点组成高内点率匹配集,以此作为特征全局邻域,提高全局约束的鲁棒性和效率。实验结果表明,与现有方法相比,所提方法对星载光学遥感图像的匹配性能更优,平均精确率、召回率分别为0.9和0.89;在不同内点率的初始匹配集上表现鲁棒,平均F分数为0.86。

基于改进YOLOv5-ResNet的海上舰船SAR图像快速检测

在恶劣天气和海浪等自然因素的影响下,基于可见光数据进行舰船目标监测等手段往往难以有效开展,需要借助主动式微波成像卫星合成孔径雷达(SAR)进行图像解译。为了解决深度学习在处理数据集较小图像上无法准确提取特征及数据相似度较高的问题,基于YOLOv5-ResNet提出了一种跨尺度融合机制,重新定义损失函数。研究表明,识别SAR舰船目标的准确率有一定的提升:识别单目标舰船检测最高准确度达到93%,同比YOLOv5提升4%,比YOLOv5-ResNet50提升20%;在近岸舰船目标检测上,有效降低了由于数据集质量不佳、模型训练方法不当等造成误差率的非必要上升。

基于能量最小化的星载SAR图像建筑物分割方法

针对星载合成孔径雷达(Synthetic aperture radar,SAR)图像信噪比低、建筑物目标几何变形大以及周围背景复杂的特点,本文提出了一种基于能量最小化的星载SAR图像建筑物分割方法.基于星载SAR图像数据构造条件概率能量项,推动变形曲线向建筑物目标边界演化;在能量泛函模型中定义长度能量项以保证变形曲线的平滑;在水平集方法获取的SAR图像初始分割结果的基础上,以高分辨率光学遥感影像中建筑物目标的轮廓作为先验信息,构造先验形状能量项约束曲线在第二阶段的演化,最终实现SAR图像建筑物的分割.实验结果表明,该方法显著提高了建筑物目标轮廓的分割精度.

利用星载SAR图像检测海洋锋的方法

海洋锋区剪切流、辐聚流与海洋表面波之间存在相互作用 ,将这种相互作用处理为对海浪谱的扰动 ,来分析其对海浪谱密度和谱梯度的影响 ;根据两尺度模型 ,分析了海面小尺度波 (厘米级 )和大尺度波 (海浪 )与雷达后向散射系数的关系 ,从而说明了海洋锋的 SAR成像原理。在海面 SAR图像中 ,海洋锋的尺度比海浪的尺度大 2～ 3个数量级 ,可以通过二维空间谱分析 ,将海浪信息的主要部分滤除 ,再利用数字图像处理技术提取海洋锋的特征信息 ,由此形成了一套用海面

星载遥感图像的二维均值预测

根据星载遥感图像的相邻像元间具有平滑性、均一性等特点,提出了一种二维均值预测方法(Mean预测)。该方法以被预测图像的两个相邻像素作为预测基准,通过计算两点灰度值的平均值然后向下取整,得到预测值,Mean预测残差近似服从Laplace分布,方法可逆。实验仿真同JPEG-LS标准中的MED预测、CCSDS预测和Zig-Zag预测做了比较,统计结果表明,Mean预测法与其它方法相比,在相关系数、熵值、均值以及均方差的性能上均有一定程度的提高,计算量小且硬件实现简单,可用于星载遥感图像的实时无损压缩处理。

星载SAR图像的稻田耕地系数实验研究

农田线性地物在SAR图像上的夸大表现,对基于SAR图像进行的农作物面积精确量算会产生一定的影响。本研究利用SAR图像提取了稻田沟渠、道路及田埂等线性地物,在实地和图像上分别进行了大量的测算,分析了图像上的夸大与相对方向角之间的关系,计算了线性地物半波亮度宽度的概率分布,以及稻田线性地物的耕地系数,为精确量算稻田面积提供了科学依据,并对进一步研究提出了建议。

基于FFT的星载SAR复数图像压缩及其码率控制算法

分析了成像后的星载SAR复数图像压缩的必要性及复数图像特点,对已有压缩算法做了简单分析。在此基础上,提出一种基于FFT变换和加权量化的星载SAR复数图像压缩算法,同时建立了适合SAR复数图像压缩的码率控制模型,提出一种精确码率控制方法。实验结果表明,以幅值PSNR和平均结构相似度以及平均相位误差为性能指标,提出的SAR复数图像压缩算法优于现有压缩算法(JPEG2000、H.264等);同时,提出的码率控制算法能够实现精确码率控制。

星载SAR图像在海底地形探测中的应用

利用遥感手段尤其是SAR图像获取海底地形信息是海洋测绘一个重要的研究领域 ,本文通过从图像使用的问题入手 ,对SAR图像探测海底地形的相关技术问题进行了分析 ,以期对今后此类工作有所参考借鉴。

联合星载光学与SAR图像的城市大面积建筑物高度快速提取

星载高分辨率光学图像与SAR图像广泛应用于城市建筑物高度提取,但光学图像存在缺少相关卫星参数的情况,而SAR图像则存在散射特征不完整以及提取效率低等缺陷。针对以上问题,本文提出一种联合高分辨率星载光学与SAR图像的城市大面积建筑物高度快速提取方法。首先,结合支持向量机(SVM)和形态学阴影指数(MSI)快速提取光学图像中的阴影并自动测量阴影长度;之后选择多个合适样本,基于模型匹配法从SAR图像中提取高度;最后将高度与阴影长度作线性回归分析,建立数学模型来提取其他建筑物的高度。该方法将不同卫星系统的数据和特征相结合,互相弥补各自缺陷,不仅提高了效率、降低了成本,同时满足精度要求。

星载双极化SAR冬小麦物候期识别方法

冬小麦是中国主要的粮食作物之一,准确及时地获取冬小麦物候信息是冬小麦长势监测和产量预估的必要条件。星载合成孔径雷达(SAR)是一种微波遥感设备,具有全天时、全天候的优势,可实现对周期性农作物物候期大范围监测。基于时间序列Sentinel-1A SAR数据,提出一种星载双极化SAR冬小麦物候期识别方法。该方法基于特征值分解和极化散射分析技术,提取不同物候期冬小麦的后向散射系数、极化熵、主导散射角等参数,实现冬小麦物候期识别。实验结果表明,物候期识别总体精确度达到79%。该方法在冬小麦生长监测方面具有实用推广价值。

星载SAR图像空间信息提取技术研究与实践

经过近二十几年来的发展，微波遥感技术逐步走向实用化。以此为背景，本文深入系统地研究了基于SAR图像的空间信息获取技术为主线的若干关键问题，主要包括SAR图像摄影测量处理、SAR图像匹配、SAR图像坡度测量，以及SAR图像与光学图像综合处理等方面内容。

基于YOLO-v5的星载SAR图像海洋小目标检测

针对星载合成孔径雷达(SAR)图像中的小目标检测,提出了一种基于YOLO-v5的算法。首先根据目标在图像中占比很小的特点,对深度学习网络进行优化;其次通过自适应锚点框算法重新设置锚点框大小,加快模型训练的收敛速度;最后嵌入GDAL模块,使得检测头能够直接读取被检测目标的地理位置信息。实验结果表明本文提出的方法具有较强的泛化能力,能够有效检测出大范围海面上的船舶目标,检测速度较快,漏检率低。

基于FPGA的卫星图像模拟源系统设计

作为星上的有效载荷,星载图像压缩设备必须经过严格的测试后方能投入使用.如果在每一次的测试过程中,压缩设备均与其前端体积庞大的CCD相机系统对接,势必会造成时间和物力的浪费.为了保证星载图像压缩设备研发和测试的顺利进行,本文设计了一套卫星图像模拟源系统,以模拟多路CCD相机数据.系统基于FPGA和LAN91C111搭建,可以在联网和自动两种工作模式下工作.为了满足17路图像数据同时发送的要求,采用了MicroBlaze和VHDL联合编程实现SDRAM的高速读写控制.测试表明,该图像模拟源能满足各项设计指标.

基于FPGA的遥感图像JPEG-LS压缩算法的研究与实现

为有效利用星地传输信道需要研究大幅面卫星图像的编码技术。JPEG-LS编码算法对卫星图像进行压缩处理,可以更有效地使用有限的通信频带,达到对图像数据的无失真传输。本文研究卫星遥感图像的压缩编码在可编程逻辑中的实现技术。

基于DEM的SAR图像洪水水体的提取

星载雷达遥感已广泛应用于洪水灾害的监测和评估中。但是由于其阴影与水体严重混淆 ,使得从雷达图像中提取洪水水体较为困难。为此 ,本文探讨了在地形数据的支持下 ,实现星载SAR图像洪水水体半自动提取的方法。主要包括以下几步 :首先 ,对雷达图像进行滤波处理 ,并将其与地形数据匹配 ,从雷达图像中提取出初步的洪水水体范围 ;其次 ,利用地形数据生成DEM ,并根据雷达图像的成像参数和DEM生成相应的模拟雷达图像 ;最后 ,利用模拟雷达图像上的阴影 ,剔除被误提为洪水水体的阴影 ,从而实现洪水水体的准确提取。研究表明 ,该方法能有效地、半自动地将星载雷达图像上的洪水水体提取出来 ;同时 ,该方法可以用于多种星载多模式的雷达图像的洪水水体的识别提取 ,尤其对含山区的大范围洪水水体的半自动提取 ,更为适用。

非合作区域星载遥感图像的车辆目标检测

针对非合作区域遥感图像中复杂背景下车辆目标检测困难的问题,提出一种改进形态学重建的车辆目标检测方法。首先,利用遥感图像的近红外和红色波段的信息,获取场景的归一化植被指数(NDVI),去除植被背景的干扰;其次,设计方向模板,对全色图像进行滤波,使人造物背景得以完整保留,并生成标记图像,利用标记图像重建得到人造物背景;最后,利用原图和重建背景之间的差异,进行车辆检测,有效消除了复杂背景的干扰。将本文提出的方法应用于实际遥感图像的车辆目标检测,结果表明,检测效果好,鲁棒性强,无需先验信息,可用于大幅面遥感图像的车辆目标自动提取。

组合Edgeworth逼近和交叉熵的SAR变化检测

星载SAR具有比较固定的重访周期,适合对地物进行动态监视,而变化检测是监视的关键技术。该文采用Edgeworth展开方法来逼近各种场景下的SAR图像统计分布模型,并引入信息论中的交叉熵作为两种分布差异的衡量因子,从而计算两个时相SAR图像之间的变化差异程度,以分布差异图像进行分割实现变化区域的提取。此外通过引入积分图像的思想,大大提高了计算分布差异指数的效率。最后采用实际的星载SAR图像进行变化检测实验,说明了方法的可行性。

JPEG-LS码率控制算法改进及硬件实现

JPEG-LS码率控制算法是一种基于上下文建模的无损/近无损图像压缩标准,具有实现方法简单、占用资源少等优点,适用于卫星图像压缩等硬件资源有限的场合.该算法在近无损压缩模式下码率不可控制.在对JPEGLS算法进行分析的基础上,提出一种新的基于动态码率表的JPEG-LS码率控制算法,并将新算法应用于硬件设计中.测试结果表明,新算法比现有算法码率控制精度更高,压缩后恢复图像信噪比及结构相似比更高.将该算法在Xilinx Virtex4平台上实现,最高运行频率达60 MHz,可以满足星载系统对图像压缩的需求.

星载SAR图像定位模型综述及分析

定位是星载SAR图像几何处理的关键内容之一.论文主要综述几种常见的定位模型,列出他们的基本方程式,简要分析他们的优缺点.这些模型包括一般多项式模型、有理函数模型、共线方程模型、距离-多普勒模型和SAR影像模拟模型.同时,还简要介绍了一些相关研究.最后展望了这些模型的发展.这些内容可以为SAR图像定位模型的选择和进一步研究提供参考.