分享到:

遥感图像小型目标的识别方法

卫星遥感图像进行目标识别时,对于较大的目标,如河流、桥梁等,具有较为明显的外形特征或纹理特征[1],往往通过判断它们的外形或纹理特征来进行识别。而小目标,例如遥感图像中的飞机,一般不具有明显的外形或纹理特征,可以使用模板匹配的方法来进行识别。模板匹配的过程是:首先预知目标的标准图像(大小固定,如30×30像素),构造出它的特征集,然后采用遍历的方法,在遥感图像上选取同样大小的图像,构造出特征集,与标准图像的特征集相比较,如果满足相似判决,则判断其为目标。在构造特征集时,由于小目标在图像中往往会平移、旋转、放缩等,若获取外形,则有很多种不同形态下的外形,很难与标准模板外形相匹配。图像模糊、噪声干扰的存在,使飞机与周围环境准确分离困难。因此,需要构造具有不变性的特征集。即目标若在图像中有平移、旋转、比例变化,由图像上得到的特征集仍与模板特征集一致。本文采用了不变矩法[2]和高阶累积量法[3]两种方法来构造特征集,这两种方法构造出的特...  (本文共2页) 阅读全文>>

国防科学技术大学
国防科学技术大学

图像仿射不变特征及其在遥感图像目标识别中的应用

图像仿射不变特征对于遥感图像目标识别具有重要的意义。卫星遥感等成像系统对同一景物所成图像之间的关系,在一定条件下均可以用仿射变换来近似。即使在近距离情况下拍摄的图像,图像的局部区域之间的几何关系也可以用仿射变换来近似描述。仿射不变特征体现了目标在仿射变换下所具有的不变特性,它克服了视点变化对特征量的干扰,是视点变化情况下目标识别的强有力的工具。本文从成像模型和仿射变换的数学模型出发,阐述图像不变特征的含义,总结了Hu矩和仿射不变矩。将一种新的全局仿射不变特征—多尺度自卷积(Multi-Scale Autoconvolution, MSA)特征作为研究对象,在此基础上提出了一种新的图像局部仿射不变特征(Local MSA, LMSA)的提取方法,并且将MSA特征和LMSA特征应用于遥感图像目标识别。局部不变特征适宜于复杂背景中或遮挡情况下的目标识别。常见的局部不变特征提取方法包含两部分:检测子(Detector)和描述子(Desc...  (本文共59页) 本文目录 | 阅读全文>>

哈尔滨工业大学
哈尔滨工业大学

遥感图像几何校正及目标识别技术研究

现代遥感技术的快速发展使人类能够更精准、更快速、更全面地观测世界。遥感成像传感器的高度及搭载平台姿态的变化、地形地貌等诸多客观因素都会导致图像发生几何畸变,给进一步应用带来一系列问题。随着遥感对地观测能力不断增强,如何对遥感数据进行精确几何处理实现高精度地理空间信息获取,是有效发挥遥感对地观测优势的基础。因此,开展遥感图像的高精度几何校正理论与方法的研究,提高遥感数据中目标定位识别的应用潜力,将刻不容缓。然而随着遥感系统的多样化、多层次发展,其不同的成像特点也给遥感图像几何处理技术提出了更多新的要求和挑战,传统的几何校正技术不再适用,需根据具体成像特点进行开发和扩展。鉴于遥感对地观测的高标准应用需求,本文针对不同遥感平台(卫星遥感、航空遥感)在非理想成像环境下获得的遥感数据源,对遥感图像几何校正理论和方法所涉及的外方位元素的解算、控制点的提取与优化、成像几何模型的构建等多个关键问题进行深入研究,旨在将遥感图像中目标的位置状态和形...  (本文共146页) 本文目录 | 阅读全文>>

《铁路航测》2003年01期
铁路航测

遥感图像中的云层消除处理

1 概述一幅资源卫星图像覆盖着很广的地面范围 ,如一幅TM图像约为 340 0 0km2 ,经常会有一部分内容被云层掩盖 ,影响判读、分析、使用。为了充分利用图像信息 ,必须消除云层的影响。本文阐述运用同态滤波的方法来消除云层影响。2 同态滤波原理我们知道 ,一幅图像f(x ,y)能够用它的照明分量i(x ,y)和反射分量r(x ,y)来表示 ,其关系式如下f(x ,y) =i(x ,y) +r(x ,y) (1)因为两个函数乘积的傅立叶变换是不可分的 ,所以式 (1)不能直接用来分别对照明和反射分量进行变换。但是 ,假如我们令z(x ,y) =lnf(x ,y) =lni(x ,y) +lnr(x ,y)(2 )由此得出F{z(x ,y) } =F{lnf(x ,y) }=F{lni(x ,y) } +F{lnr(x ,y) } (3)或Z(u ,v) =I(u ,v) +R(u ,v) (4)式中I(u ,v)和R(u ,v...  (本文共2页) 阅读全文>>

《轻工科技》2019年02期
轻工科技

地震灾害识别中遥感图像的应用研究

遥感技术是地震检测中重要的技术。可以较为完整地探测地震前后,受灾区域的情况,为调查震害、评估损失工作带来重要参考。例如:自从5.12汶川地震以后,相关科学家通过各种方法对地震的形成原因作出探索,已取得了诸多的成果。但是,以遥感技术对地震灾区的评估方面不多。因汶川地震波及范围广,山区连绵,且震后连雨,给解译高分辨率的光学影像带来了巨大的挑战。因此,加强遥感图像的应用非常重要。1观察区与实验数据的采集1.1 ETM图像成形和地震前后ASAR数据采集汶川处于四川省阿坝州东南角的岷江一带,县城在河流和岷江相交的位置,映秀是该州的南门,属于重要的交通要道。08年5月12日下午发生了八级地震,此次地震范围广、程度深,大量房屋坍塌、良田被毁,造成水电、通讯等完全断绝,交通受阻。80%的工厂、矿厂遭到毁坏;该区域地震发生后,泥石流、沙尘暴不断,且余震强烈,映秀属于重灾区。以下主要以映秀与附近区域为观察区,如下ETM图像。图1(a)观察地区震前E...  (本文共3页) 阅读全文>>

《数字通信世界》2019年04期
数字通信世界

关于遥感图像云检测方法研究进展

如今随着社会科技的进一步发展,人们对遥感图像的需求已经运用到了地球资源探测、自然灾害救灾预测、海洋环境污染监测等等各方个面上面。但是由于遥感图像收大气密度、湿气、云层等因素影响,针对对其产生遮挡问题。很研究人员针对云检测方法进行分析,以拟补对遥感图像形成中过程中容易造成地物信息缺失情况。通过云检测手段对云层特性进行研究和把握。有助于我们对遥感影像进行修复,目前有大量针对云检测的方法被提出来,可这方面国内研究尚有比较大的欠缺,因此本文在参过大量的国内外文献后,针对遥感云检测方面进行研究和讨论并且进行大量比较和归类得出云检测方法的研究进展,希望能为我国云检测方法可持续发展添砖加瓦。1遥感图像云检测技术现状目前市面上存在最多的云检测技术为“阈值法”。常见阈值法通过对光谱普段进行阈值检测,然后运用于遥感图像判断,判断其是否是云层。这种方法简单易行,但是准确率低,如,在夜间不能很好判断,地域复杂情况下如海岸线、河流等也不好判断,检测时候容...  (本文共1页) 阅读全文>>

《中国矿业大学学报》2017年01期
中国矿业大学学报

基于信息聚类的遥感图像分割

图像分割是图像处理的一项关键步骤,也是后续图像分析和解译的基础.聚类算法可以方便地利用图像特征空间中像素光谱测度的自然聚类特征实现图像分割,因此在图像分割中有着极其广泛的应用[1-3].传统上,基于聚类的图像分割仅仅实现硬划分,即每个分割像素确切地属于一个目标类;实际上,由于遥感图像的覆盖范围广泛,包含大量复杂的地物信息,常常出现同物异谱、同谱异物现象,很难确切地知道其像素所属目标类.因此,遥感图像分割更适合软划分,即每个分割像素以不同的隶属度隶属于每个目标类.模糊集理论恰好是实现软划分的有利工具,从而模糊聚类算法成为聚类算法研究的主流[4-5].典型的模糊聚类算法、模糊C均值(FCM)算法,可以依据最小二乘原理实现对图像数据的模糊划分.但其只考虑像素与聚类中心的相关性,并没有从整体上考虑像素与整个聚类集间的相关性,从而使其对图像噪声和异常值敏感.而且,FCM聚类算法过分依赖于聚类中心的选取,并且聚类中心的选取具有任意性,因此降...  (本文共6页) 阅读全文>>