无干涉测量与相位迭代算法的单像素相位成像

单像素成像为突破经典成像中像素数量的限制提供了方法,但要实现良好稳定性和准确性的相位成像仍然是一个挑战。基于现有的单像素成像框架,提出了一种无需干涉测量与相位迭代算法的单像素相位成像方法。通过傅里叶频谱零级强度测量发现,该方法实现了相位成像。实验结果表明,相位成像的重复精度为0.12%,误差为4.1%,证明了该方法具有良好的稳定性和准确性,对单像素成像的进一步发展和经典相位成像的突破创新均具有一定的借鉴意义。

光电膜层光电特性的成像测量

光电探测器的光电膜层的光电特性与膜层上各点的吸收系数和光电转换系数有关.为了测量光电膜层光电特性的二维空间分布,提出了基于单像素成像的膜层光电特性测量方法.在该方法中,光电膜层既是成像对象,又是信号探测器,可以实现自探测成像.采用四步相移条纹投影方法,导出膜层光电特性单像素成像公式;以光电池膜层为研究对象,采用白光、红光、绿光和蓝光对其光电特性进行二维成像.实验结果表明:该方法能够以一定的空间分辨率对光电膜层的光电特性进行成像测量,空域上的灰度平均值和标准方差、频域上的频谱分布特点可以评估膜层的光电特性强弱和均匀性.

融合简单线性迭代聚类的高光谱混合像元分解策略

高光谱图像中的混合像元问题广泛存在,混合像元的分解效率一直是遥感应用研究的难点和热点。目前成熟的端元提取算法有纯像元指数（pure pixel index,PPI）、内部最大体积法（N-FINDR）、顶点成分分析（vertex component analysis,VCA）、顺序最大角凸锥（sequential maximum angle convex cone,SMACC）、交替最大体积法（alternating volume maximization,AVMAX）、最小体积封闭单形体（minimum volume enclosing simplex,MVES）等,这些算法从图像所有像元中提取纯光谱,具有提取速度慢、精度不高的缺点。为此,该文引入了一种融合简单线性迭代聚类（simple linear iterative clustering,SLIC）超像元分割的高光谱混合像元分解算法。超像元分割技术能够将具有相似特征的相邻像元组成图像块,并保留进一步进行图像处理的有效信息,从而大幅减少参与端元提取的像元数量,为解决上述问题提供了有效的途径。通过试验对比了降维方式（主成分分析和最大噪声分数）、RGB对应关系（6种）、色彩空间RGB（red,green,blue）和LAB（lightness-A-B）、数据格式（JPG,BIN）和算法参数K对高光谱图像超像元分割结果的影响,并进一步分析了SLIC超像元分割结果对2种典型端元提取算法（AVMAX、MVES）产生的不同效果。试验结果表明,随着K值的增大,混合像元分解的时间逐渐增加,均方根误差（root mean square error,RMSE）持平或减少,而JPG（有损压缩）数据格式的时间始终比BIN（无损压缩）数据格式的要短。SLIC＋MVES的RMSE略高于MVES的RMSE,低于AVMAX的RMSE,但时间远小于MVES。当K足够大的时候,SLIC＋MVES的效果就近似MVES的效果了。在大部分情况下,最大噪声分数的降维效果优于主成分分析。以最大噪声分数作为降维方法、以JPG作为数据格式、以LAB作为色彩空间对混合像元分解结果较为有利。另外,SLIC的参数K的取值在5-10之间较为合适。该研究中的SLIC超像元分割算法简单易行,并且提高了混合像元分解的效率,具备很好的实用价值。

基于高光谱影像的干旱区草地光谱特征分析

基于石羊河流域金昌地区Hyperion高光谱影像,通过FLAASH大气校正,利用纯像元指数法提取草地波谱信息,并运用光谱一阶微分法和连续统去除法进行定量化处理。结果表明,相对于生长旺盛期的草地光谱特征,衰退期草地光谱红边左移,斜率降低,蓝边、黄边特征减弱,可见光波段反射值较高,近红外波段反射率较低;不同覆盖度草地的红边、绿峰、蓝光和红光吸收谷位置保持一致,可见光波段的光谱吸收特征(波段深度、宽度、面积、对称性)随覆盖度的增大呈有规律的变化,可作为提取或判定植被覆盖度的依据。

基于FastICA算法的高光谱矿物丰度反演

高光谱分离是定性与定量岩矿分析的核心基础。仿真数据和测量数据可通过FastICA算法处理,计算混合像元中端元数量及端元光谱,并根据计算结果进行丰度反演。实验结果表明:FastICA算法即使在端元光谱、混合矩阵未知且没有任何先验知识的情况下,也能有效分离岩矿高光谱混合像元并得到端元的估计光谱,从而实现矿物识别和矿物丰度反演;但当混合像元中参与混合的端元光谱相似度较高或端元光谱的非高斯性较低时,混合像元的分离精度将降低,混合像元的分离精度越高,端元丰度反演结果越准确。

端元快速提取的光谱梯度特征搜索法

由于数据量大,目前大多数端元提取算法均需较长的计算时间,限制了这些算法的有效应用。本文提出了以光谱梯度特征为搜索条件的快速端元提取方法,其核心包括基于光谱梯度特征的候选端元快速筛选和基于光谱解混误差的端元识别两部分。由于能够从影像中快速筛选出少量的像元光谱作为候选端元,故具有较好的计算性能;同时由于避免了非端元光谱参与端元识别,使得识别的结果具有更高的精度。试验表明,相比经典的IEA算法和ECHO算法,该算法不仅能大幅度提高端元提取速度,而且具有更准确的端元识别能力。同时,基于该算法原理,也可对现有各种算法进行改进,提升现有的各种端元提取算法的运算速度。

基于优化ICA算法的高光谱矿物识别

混合像元是影响岩矿高光谱由定性解译向定量反演发展的关键因素之一.以往分离岩矿高光谱混合像元,需要先获得参与混合的端元数量及端元光谱,这在许多场合是难以做到的.独立成分分析可以在端元光谱、混合矩阵未知且没有任何先验知识的情况下,有效分离岩矿高光谱混合像元,只要端元光谱是非高斯性信号且满足统计独立性.它实现了矿物识别,并为矿物丰度反演及成分识别打下了基础.通过引入调整因子,改善独立成分分析(Independent Component Analysis,ICA)算法的收敛性.当参与混合的端元光谱相似度较高或者端元光谱的非高斯性较低时,岩矿高光谱混合像元的分离精度将受到影响.

植被光谱及其尺度转换研究进展

植被光谱数据采集以3个尺度光谱为主:材料光谱、端元光谱、像元光谱。材料光谱通常是指在严格的实验室条件下测量的样本光谱。端元光谱指在野外测量得到的相对均一目标的光谱,对于遥感图像而言,端元指像元或亚像元级纯像元。像元光谱通常是指航空航天平台获取的遥感图像,以遥感像元尺度为观测目标的光谱。用植被几何光学模型和冠层辐射传输模型来描述材料光谱和端元光谱之间的关系。采用解析模型和计算机模拟模型,将端元光谱向上尺度转化到像元光谱。从遥感影像中提取端元及像元解混可以认为是从像元光谱向下尺度转化到端元光谱。遥感影像空间分辨率重采样方法可以实现像元光谱内多尺度转换。

基于高光谱影像分解的土壤含水量反演技术

植被和土壤常同时存在于影像像元中,土壤含水量监测不可避免地会受植被光谱影响。因此,剔除植被光谱干扰显得尤为重要。采用基于光谱匹配的分解算法对Hyperion高光谱数据进行分解,剔除植被光谱的干扰,同时对土壤贡献的光谱信息进行一阶微分和包络线去除变换,选取敏感波段,建立土壤含水量反演模型。结果表明:以波段X661,X1019和X2067的土壤包络线去除光谱为自变量建立的模型最佳,预测R2值为0.85;未剔除植被光谱时,以波段X541,X979和X1632的一阶微分光谱为自变量建立的模型最佳,预测R2值仅为0.36。通过高光谱影像分解剔除植被光谱干扰估测土壤含水量的方法是可行的,可为今后遥感估测土壤含水量的研究提供参考。

基于E0-1 Hyperion影像地物识别与分类不同方法的效果比较

以广州市大学城为研究区域裁剪出Hyperion影像,直接从影像提取地物端元,采用光谱角匹配、无约束和全约束的线性混合像元分解等3种方法进行地物识别与分类,分别生成地物分类图;选用Kappa系数和总精度两个参数,对比不同方法的地物识别效果.结果显示,分类图像的总精度均大于60%,Kappa系数在0.61—0.80,表明将高光谱影像用于地物识别与分类,可获得好的地物识别与分类结果.其中,光谱角匹配和全约束的线性混合分解法得到的两个参数明显更大.就地物类型而言,3种方法都对自然地物有较好的识别与分类效果,如林地和草地的用户精度高于80%,裸地和水体的值也高于50%.对人工地物的高反射率表面也有好的识别效果,用户精度达100%;对老建筑屋顶以及低反射率表面的识别效果不佳.尽管如此,光谱角匹配和全约束的线性混合像元分解法对于识别建筑屋顶的水泥混凝土表面表现出优势,用户精度大于71.4%.

航空CCD电光侦察系统的发展现状与展望

CCD电光照相系统是继机载航空胶片航空侦察系统之后迅速发展起来的一门新兴的技术。本文对其发展现状。

混合像元分解方法的研究

混合像元是遥感领域研究的热点，也是难点。混合像元问题不仅影响地物识别和分类精度，而且是遥感技术定量化发展的重要障碍。为了提高遥感应用的精度，就必须解决混合像元的分解问题。该文首先介绍了混合像元的产生机理，然后阐述了时下几种流行的混合像元分解模型：线性模型、概率模型、几何光学模型、随机几何模型和模糊分析模型，并对其中几种常用模型的优缺点及其适用性进行总结和讨论．对不同模型之间的相似和差异性进行比较分析。

修正弥散关系结合分级采样的实时海洋着色方法

为解决海洋面片平滑引起的大面积阳光反射问题并区分波峰波谷水体颜色,增强海洋水体的真实感,本文通过修改弥散关系将短波的频率进行增大而长波频率相对不变,并将Phillips谱产生的频域根据不同波频率增大的比例进行了分级采样,克服了Phillips谱抑制高频短波突出低频长波的缺陷;同时也提出了一种对水体颜色进行改进的逐像素着色方法,结合离水辐亮度和波的陡峭程度,以很小的计算代价将波峰波谷颜色分别着色.该方法完全依靠GPU进行海洋的计算及绘制.实验表明本文方法可以在不降低帧速的同时有效地提升海洋的真实感.

超分辨重建技术及其研究进展

超高分辨成像技术一直是航天、遥感、目标识别等领域的研究热点。随着光学成像到光电数字成像的转变,如何提高CCD的几何分辨率,已成为研制高分辨光电成像系统亟待解决的问题。本文从理论和工程实现的角度介绍了超分辨成像的技术原理,分析了实现超分辨重建技术的几种方法,主要描述了微扫描和亚像元两种重建技术的实现方式,指出了目前超分辨技术存在的缺陷。最后,针对超分辨技术中无混淆重建带宽较窄的问题,提出了一种新的技术方案。该方案将光学编码技术与目前的亚像元技术相结合,可将重建带宽拓展3倍。研究结论指出:融合了光学,光电子学和信号处理的成像系统的综合设计,将是未来成像领域的一个重要研究方向。

基于频谱分析的运动模糊图像参数检测

为了提高运动模糊图像的运动方向和运动像素的检测精确度,本文提出了基于频谱分析的运动模糊图像参数识别的改进算法,从频谱分析的角度出发推导了暗条纹宽度、图像大小、条纹倾斜角度与运动尺度、运动像素之间的关系;采用二次傅里叶变换的方法细化亮条纹,分析并简化了条纹倾斜角与运动方向角之间的关系;分析了频谱中十字亮线产生的原因及位置,提出了去除十字亮线的新方法;然后,对处理后的频谱进行Radon变换,根据变换结果得出模糊图像的运动方向和运动像素。实验证明,该算法能够检测出不同大小模糊图像的运动方向和运动像素,检测误差控制在0.5°、2个像素的范围之内。

田间作物杂草识别的最优遥感测量尺度

遥感分类识别精度受测量尺度的制约。为克服现有最优测量尺度选择方法存在的问题,该文提出一种基于光谱角匹配的最优测量尺度选择方法。该方法将每个像元的光谱看作其所属地物类别参考光谱叠加混合像元与光谱变异性的净效应的总和,计算不同空间分辨率下像元光谱与其所属地物类别参考光谱的光谱角,用以衡量混合像元与光谱变异性净效应的大小,当光谱角最小时说明混合像元与光谱变异性的净效应最小,此时的遥感测量尺度即为最优尺度,并在1幅实例数据中实现了该方法,利用基于光谱角匹配的尺度选择方法得到了最优遥感测量尺度,通过试验证明在该尺度下进行分类识别时精度优于比其更大或更小的尺度,验证了本研究提出的最优空间分辨率选择方法的可靠性。将该实例数据中的目标地理实体对象化,从理论上分析了目标对象的面积和形状指数与最优遥感测量尺度之间的关系。该研究为田间作物杂草遥感识别提供了一种有效的最优测量尺度选择方法,可为当前变量作业中田间数据获取工作提供参考,对于推动遥感测量尺度选择研究也具有积极意义。

基于近红外成像光谱的人体动态运动点像素校正系统

为了校正形变像素,提升图像质量,提出一种基于近红外成像光谱的人体动态运动点像素校正系统,通过探究光谱的成像原理与像素发生形变的原因对其展开研究,利用三帧连续图像的配准与差分相乘法对人体动态轮廓进行获取,经过形体学与形态学膨胀处理后,得到运动点像素及其空间域的相关性,统计后的像素数据会被传至整体统计模块中,从而获得通道统计均值,将整体统计模块聚合后解得整体统计值,根据像素增益标量与暗补偿和光强响应,采用最小平方法拟合理想矩阵与实际矩阵,再基于方位向脉冲压缩运动点与距离像素形变量表达式,对形变像素完成校正,最后运用中值滤波对校正后图像实施噪声点去除。仿真实验表明,系统在校正形变像素时效果明显且具有极高的准确性,可使图像细节得到精准还原,大幅度提升图像质量。

综合季相节律和特征光谱的冬小麦种植面积遥感估算

及时准确地获取区域和国家尺度的作物种植面积和空间分布具有重要意义。针对目前中低分辨率遥感数据相结合方法的局限,提出一种新的作物类型识别方法。首先基于MODIS NDVI数据的时间优势,提取研究区各类植被的NDVI时间序列曲线,从而分析冬小麦在季相节律上的识别特征,构建冬小麦识别模型。再将MODIS像元分类处理,纯耕地像元利用冬小麦的季相节律特征识别;耕地与其他植被的混合像元利用混合像元分解的思想提取耕地组分的NDVI时间序列,从而进行识别,进一步根据空间关系将识别结果重新定位到中分辨率尺度上;冬小麦与其他作物的混合像元覆盖区则利用TM遥感影像的光谱差异加以区分。在伊洛河流域主要农业区,以冬小麦为识别对象,结果表明识别精度达到96.3%。该方法为作物种植信息的提取提供了新的解决问题的途径,也对其他类型作物的识别也具有重要的参考价值。

基于多方向像素连续折叠机制与Radon变换的图像加密算法

提出了基于多方向像素连续折叠机制与Radon变换的图像加密算法,从不同的方向、利用不同的像素扩散技术来加密明文,显著消除密文周期性。首先,对初始明文完成均等分割,获取左、右两个子块;引入Radon变换机制,对左、右子块进行0°~180°的Radon变换,获取对应的Radon投影谱图像;利用Arnold映射、引力模型分别混淆左、右子块的Radon谱图像,获取两个子置乱密文,将二者进行组合,输出完整的置乱图像。为了从空间多个方向来扩散像素,设计了4个方向连续折叠机制,利用4个不同方向对应的扩散函数来改变像素值,实现图像加密。实验结果表明,与当前图像加密技术相比,所提算法具有更高的安全性与抗攻击能力,输出密文的像素分布更加均匀。

一种基于投影和多分辨谱分解的图像配准方法

本文结合积分投影与多分辨谱分解技术,提出了一种实时图像亚像素配准算法。该算法首先引入积分投影方法将图像序列中的每帧图像转换成两个一维积分投影向量,再应用多分辨谱分解方法对两个投影向量分别进行处理,从而精确地获取图像在二维空间上的亚像素平移量。实验结果表明,本文算法具有计算量小、精度高、收敛速度快等优点,尤其适合于硬件实时实现。