基于有理函数模型的多源SAR遥感影像区域网平差

本文针对多源SAR遥感影像联合定位的实际问题,将有理函数模型引入到SAR影像联合定位中,构建了基于有理函数模型的多源SAR区域网平差模型。对覆盖我国某地区的3景不同源SAR影像进行试验,验证了本文方法的有效性,并表明在缺少地面控制情况下,该方法不失为一种有益的补充方案。

缺少地面控制点的多源SAR影像联合定位方法

针对缺少地面控制点情况下的多源SAR遥感影像联合定位的实际问题,提出了一种基于有理函数模型区域网平差的SAR影像联合定位方法.首先对多源SAR影像构建RFM模型,然后利用基于像方仿射变换模型的RFM区域网平差实现了缺少地面控制点情况下的多源SAR影像联合定位.对覆盖我国四川地区的一组不同源SAR影像进行试验,验证了方法的有效性,并表明在缺少地面控制情况下,该方法可以取得比基于严格成像几何模型区域网平差方法更高的定位精度.

不同类型卫星遥感影像的联合区域网平差方法

根据区域网平差的基本原理,提出了不同类型卫星遥感影像联合区域网平差的方法,建立了光束法联合区域网平差模型,对误差方程式的建立、权矩阵的计算、多片前方交会模型的建立以及平差计算过程的设计等关键问题进行了研究,并通过两组实验验证了平差模型的有效性,分析了影像组合形式以及控制点的分布、数量、精度对平差结果的影响,最后总结了多源遥感影像联合区域网平差的特点以及应用前景.

差异特征融合的无监督SAR图像变化检测

针对Siamese网络忽略不同层级差异特征之间的关联导致检测精度有限的问题,提出了基于差异特征融合的无监督SAR(synthetic aperture radar)图像变化检测算法。首先,利用对数比值算子和均值比值算子构建两幅信息互补的差异图,通过引入能量矩阵对差异图进行像素级融合以提高其信噪比;其次,设计了一种基于差异特征融合的Siamese网络(difference feature fusion for Siamese,DFF-Siamese),该网络能够通过差异特征提取模块在决策层综合衡量不同层级特征之间的差异程度,从而有效增强网络的特征表达能力;最后,利用模糊聚类算法对融合结果进行分类构建“伪标签”,用于训练DFF-Siamese网络以实现高精度SAR图像变化检测。在3组真实遥感数据集上的实验结果表明,本文提出的算法与其他对比算法相比具有更高的检测精度和更低的错误率。