基于梯度域的高辐射分辨率遥感图像动态范围压缩算法

针对高辐射分辨率遥感图像(high radiation resolution remote sensing image,HRRRSI)在普通显示设备上的显示问题,提出了一种适用于HRRRSI显示的新算法。该算法通过对高辐射分辨率图像中大梯度域的梯度衰减来实现,能够在常用的显示设备上对HRRRSI的细节信息进行精确显示。该算法实现的技术路线为:首先,对真实HRRRSI的亮度动态变化范围进行压缩处理;然后,将压缩后的遥感图像进行重建,得到低动态域的图像;最后,通过与常用的线性拉伸处理结果进行对比,验证该算法的有效性。结果表明,本文算法在实现HRRRSI灰度动态范围大幅度压缩的同时,能够较好地保持图像的细节信息和抑制一般的边缘效应。

高分辨率遥感图像分类方法在LUCC中的研究进展

高空间分辨率遥感图像在土地利用/覆盖(LUCC)变化研究中的应用,促进了遥感分类技术的进一步发展,表现在遥感分类对象、分类特征和分类器3个方面。本文对其研究进展情况进行了综述,介绍了具有代表性的分类方法,并对各种方法的特点进行了分析。最后,对遥感分类的相关研究进行了总结和展望。

多源高空间分辨率遥感图像平差方法

多源高空间分辨率遥感图像的综合分析处理对地表测绘、灾害应急响应、军事侦察等领域具有重要意义,而如何获取较高精度的地面点坐标是多源遥感图像综合分析与应用所需解决的首要问题。为解决该问题,在有理多项式系数(rational polynomial coefficient,RPC)的理论框架下,构建了基于RPC的多源遥感图像平差模型,用于改正初始RPC模型的系统误差,以得到较高精度的定位结果。为验证本文提出的平差方法的正确性,采用IKONOS和GeoEye-1全色立体像对进行了联合平差试验。结果表明,基于RPC的多源遥感图像联合平差模型是正确的,对控制点依赖较少,定位精度较单源立体像对平差的定位精度高,具有较大的应用潜力。

基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真

高空间分辨率全色遥感图像在军事侦察、地面监视等领域具有较高的应用价值.为模拟星载全色遥感图像,提出了一种由艇载遥感成像系统获取的低空遥感图像为数据源的高空间分辨率全色遥感图像仿真方法.首先将低空宽视场图像按典型地物类型进行监督分类,其次将低空宽视场图像与多光谱图像按不同地物类型分类拟合,并将多光谱拟合结果合成高空间分辨率全色仿真图像,最后对高空间分辨率全色仿真图像进行仿真精度评价.相比星载全色遥感图像,仿真图像同样具备高空间分辨率、全色波段、宽视场等特点.仿真方法可为星载全色遥感图像仿真提供较准确的数据支撑.

高辐射分辨率遥感影像的特性分析与处理

分析了高辐射分辨率遥感影像的特性,对其存储格式转换、动态范围调整进行了探讨,提出了一种基于多尺度梯度的自适应拉伸算法,并对高辐射分辨率遥感影像的应用前景进行了展望。

高空间分辨率和高光谱分辨率遥感图像的融合

1引言 在遥感成像系统的设计中,空间分辨率和光谱分辨率常常不可兼得,因为高光谱成像系统的光谱带宽很窄,必须用较大的瞬时视场(IFOR)才能收集足够多的光量子以维持可接受的信噪比,同样高空间分辨率系统(IFOR很小)则必须加宽光谱通道,因此在目前的遥感成像系统中,要获得高空间分辨率和高光谱分辨率中的一个必须牺牲另外一个.

高光谱图像辐射位深残差量化及其对地物分类影响分析

目前的研究大多集中在高光谱图像(HSI)的空间和光谱分辨率的提升及应用上,很少关注辐射分辨率的综合运用。辐射分辨率反映传感器接收地物辐射能量动态变化的范围,探测地物辐射能量的微小变化,同样包含着丰富的地物信息。该研究提出了一种高光谱图像辐射位深残差量化(HSI radiation bit depth residual quantization method)方法,构建出高光谱图像不同辐射位深层级的位深特征图像(LHSI)及其残差图像(RHSI),并通过实验综合运用高光谱不同辐射位深层级的位深特征图像和残差图像及其组合进行地物分类,并分析其对地物分类精度的影响。实验表明,在保证一定分类精度的基础上,辐射位深为9 bit的位深特征图像,保留了原始高光谱图像的主要信息;辐射位深为4 bit的残差图像,比原始高光谱图像更突出地物细节信息;13 bit的位深特征图像与3 bit的残差图像的组合,既能保留原始高光谱图像的主要信息又能突出地物细节。

光学遥感图像高空间最佳分辨率预测仿真

为了提高光学遥感图像的空间分辨成像能力,提出基于稀疏表示和超分辨重构的光学遥感图像高空间最佳分辨率预测方法.构建光学遥感图像的空间稀疏特征重构模型,进行光学遥感图像的多尺度小波分解,根据分解结果提取光学遥感图像的高空间最佳分辨特征量.采用邻域插值和灰阶补偿方法进行光学遥感图像高空间边缘轮廓特征提取和块分割处理,在此基础上运用基于近似稀疏表示方法进行光学遥感图像的目标块匹配和重叠区域高分辨重建,在高分辨率约束下进行图像高空间最佳分辨率预测.仿真结果表明,采用上述方法进行光学遥感图像高空间最佳分辨率预测的融合度较高,图像的重建质量较好,输出的峰值信噪比较高,图像的空间识别能力较强.

一种高分辨率遥感影像的数学形态学滤波算法

应用数学形态学理论,结合高空间分辨率遥感影像的特点,选择包含全部方向的结构元素,设计一种基于全方位结构元素的加权多级滤波算法,用于高空间分辨率遥感影像的处理。算法中使用峰值信噪比方法自适应地确定各个方向结构元素的权重。实验结果表明:与结构元素尺度形状单一的形态学滤波算法相比,全方位结构元素的加权多级滤波算法在噪声抑制和细节保持上均有较好的性能,峰值信噪比有了更大的提高,而且更适合于对高空间分辨率遥感影像的噪声去除。

用Kohonen神经网络对高光谱分辨率图像进行无监督分类的研究

讨论了将Ｋｏｈｏｎｅｎ自组织神经网络用于成像光谱仪高光谱分辨率遥感图像无监督分类的结果．用于研究的是０．４６～０．７６μｍ１５个波段的高光谱分辨率的原始航空遥感图像．该图像复盖了澳大利亚达尔文市周围约２００ｋｍ２的试验区，包括了海湾、岛屿、海滩、河流、城市与旷野等各种地物类型．神经网络分类的结果提供了试验区内地物分布符合实际的预测和估计，它与传统的分类方法的结果相比较，用神经网络所得到的结果更准确可信．

基于SegNet语义模型的高分辨率遥感影像农村建设用地提取

针对传统分类算法、浅层学习算法不适用于高空间分辨率遥感影像中农村建筑物信息提取的问题,该文以河北省霸州市高空间分辨率遥感影像WorldView-2为数据源,利用182 064幅128×128像素大小的影像切片为训练样本,选取基于深度卷积神经网络的SegNet图像语义分割算法对遥感影像中的农村建筑物进行提取,并与传统分类算法中的最大似然法(maximum likelihood,ML)和ISO聚类、浅层学习算法中的支持向量机(support vector machine,SVM)和随机森林(random forest,RF)以及深层语义分割算法中的金字塔场景解析网络(pyramid scene parsing network,PSPNet)的试验结果作对比分析。研究结果表明:SegNet不仅能够高效利用高空间分辨率遥感影像中农村建筑物的光谱信息而且还能够充分利用其丰富的空间特征信息,最终形成较好的分类模型,该算法在验证样本中的分类总体精度为96.61%,Kappa系数为0.90,建筑物的F1值为0.91,其余5种分类算法的总体精度、Kappa系数、建筑物的F1值都分别在94.68%、0.83、0.87以下。该研究可以为高空间分辨率遥感影像农村建设用地提取研究提供参考。

风云二号扫描辐射计可见光图像空间分辨率分析

风云二号发射成功为我国卫星气象和卫星遥感提供了宝贵的信息源。为加快风云二号的应用，需要对其传回地面的图像进行分析，该文分析了风云二号可见光图像的空间分辨率，并与并与日本ＧＭＳ－５进行了对比，为应用部门了解风云二号的技术水平提供了量化的依据。

基于高空间分辨率遥感数据建立典型地物分类数据库

典型地物数据库是通过计算机自动分类来识别地物信息的。然而传统的以中低空间分辨率遥感数据建立的典型地物数据库由于同物异谱,同谱异物,单一指标信息等原因无法很好地区分相近目标。因此本文利用WorldView数据为典型地物影像建立数据库,可以加大遥感影像中的信息量,同时拟采用非监督分类、聚类分析的方法,以及多种指标信息对地物进行分类(如纹理信息、光谱信息等),可显著地提高识别精度,有助于更加快速、精确的识别地物类型,从而实现对地物的分类,增强遥感图像的识别,提高最终的地物分类精度以及此实验的分类效率与工作效率的提高,有着十分重要的现实意义。

高分辨率卫星海洋背景成像仿真方法

海洋背景的仿真是海面目标场景仿真的关键环节,是海洋目标-背景耦合作用模拟的重要基础,决定了仿真图像中目标与背景差异特征的正确性和真实性。高分辨率遥感成像下,海面细节特征突显,以往视海表为均匀辐射面的处理方法给高分辨率海洋场景仿真造成较大误差。重点研究了海面三维形态、多组分分布与海水方向反射特性的耦合作用和辐射模型,提出了海面高分辨率遥感成像仿真方法。通过频谱分析的方法构建海面三维模型,根据海面组分分布的不同及不同位置海面法向的不同,修正了低分辨率下的海洋BRDF模型,使其满足高分辨率卫星图像的仿真应用,计算出不同组分的海面的方向反射数据,并将其与海面三维模型关联,构建了亚米级海面三维辐射模型,通过光线追踪方法建立海面零视距辐射场,并经过大气影响和传感器效应,模拟不同海况条件下卫星遥感图像。结果表明:将ZY3-02卫星实测海面图像与相同成像条件下的仿真图像对比,图像均值的误差为3.7%,标准差误差为9.9%,可以较真实地模拟高分辨率卫星成像下的海洋背景。

基于分流的高光谱遥感图像超分辨重建

高光谱图像(hyperspectral image,HSI)每个像素包含大量光谱带,而HSI的空间分辨率较低。高光谱图像超分辨率技术可以有效提高空间分辨率。为了解决高光谱遥感图像的空间信息分布不均匀,超分辨率重建时占据相同计算量导致重建工作不够细化的问题,提出了一种多层级分流和细节增强的高光谱遥感图像超分辨率重建框架。即通过子图分流网络对高光谱遥感图像进行预先分流,改进带细节增强的多尺度Retinex算法对图像的高低频信息进行分离,再使用不同复杂程度的分支网络分别进行重建,重建工作更加细化具体,提高重建效果和性能。实验证明该方法可以在视觉质量、指标测量和分类应用方面优于传统的基于CNN的方法,在SRE和MPSNR指标方面分别提高了4.18%和9.35%。

海面目标高分辨率卫星成像仿真方法

海洋目标高空间分辨率遥感成像仿真技术在海面目标探测识别等方面得到了广泛应用。舰船与海水流体交互作用在高分辨率下得以显现,对其产生的复杂流场辐射模拟是成像仿真的主要难点。重点研究了舰船航行过程中与海水交互产生的流场几何形态和物性变化,提出了与海面方向辐射特性的耦合作用模型及海洋目标高分辨率遥感成像仿真方法。通过频谱分析的方法构建海面三维模型,使用计算流体力学的方法构造了船只航行流场的三维几何模型。根据海面组分分布的不同将其辐射特性与三维结构关联,构建了亚米级海洋场景三维辐射模型。通过辐射传输计算、场景内部多次反射模拟及大气影响和传感器效应仿真,最终得到观测条件下的卫星遥感图像。结果表明,将GF-6卫星全色波段实测图像与相同成像条件下的仿真图像对比,图像均值的误差为9.17%,标准差误差为9.21%,在平均灰度值、灰度分布、纹理细节等方面都具有较好的一致性,可以较真实地模拟高分辨率卫星成像下的海洋目标场景。

由高分二号卫星传回我国首批亚米级高分辨率卫星图发布

9月29日，国家国防科技工业局对外发布了由高分二号卫星传回的我国首批亚米级高分辩率卫星图像。高分二号卫星是我国自主研制的首颗空间分辩优于1米的民用光学遥感卫星，观测幅宽达45公里，为国际同类卫星最高水平，其应用标志着我国民用卫星进入“亚米级时代”。

高光谱图像深度学习分类模型研究

光学遥感成像传感器光谱分辨率的提高,使得通过地物光谱属性精细地识别和解译地物类别成为可能,不仅促进了对地遥感观测技术的发展,也使得高光谱遥感成为遥感领域最前沿的研究方向之一。随着机器学习、模式识别和人工智能等技术领域的快速发展,高光谱遥感图像分类研究受到广泛关注,内容包括:如何利用高光谱遥感数据中包含精细光谱特征的优势。

融合像元形状和光谱信息的高分遥感图像分类新方法

在高空间分辨率(简称"高分")遥感图像分类中,由于存在"同谱异物"等现象,仅依靠光谱信息进行分类的误差较大。为提高图像分类精度,提出一种融合像元形状和光谱特征信息的高分多光谱遥感图像分类新方法。首先利用像元及其邻域的关系来描述其空间结构,计算并提取像元同质区域(pixel homogeneous regions,PHR);然后以所提取的同质区域为基础,分别计算中心像元的长/宽比(length-width ratio,LW)和面积/周长比(area-perimeter ratio,PAI)这2个像元形状特征;最后将归一化后的像元形状特征和光谱特征融合,并利用支持向量机分类方法进行分类。以2个区域的Quick Bird高分遥感图像对该算法进行验证,将实验结果与仅利用光谱信息分类和仅使用像元形状指数(pixel shape index,PSI)分类的结果进行比较。结果表明,所提出的方法得到的分类精度最高,该方法能有效地提高高分遥感图像的分类精度。

综合孔径微波辐射成像技术发展现状与趋势

从综合孔径微波辐射成像技术实际需求和技术特点出发,首先简要回顾了综合孔径微波辐射成像技术的整个发展历程;然后,从地球被动微波遥感和目标被动探测两个应用领域较为全面地介绍了综合孔径微波辐射成像技术的发展现状,包括综合孔径微波辐射成像系统研制和相关重要研究进展等;最后,从高空间分辨率和多手段联合等方面总结了综合孔径微波辐射成像技术的发展趋势。随着综合孔径微波辐射成像技术的发展,其在地球被动微波遥感和目标探测领域将会得到更广泛的应用。