多旋翼无人机载高光谱成像系统几何和辐射校正方法研究

针对农林环保等行业应用,结合成像光谱仪与无人机(unmanned aerial vehicle, UAV)技术,有效地解决了高光谱遥感数据不足和空间分辨率低等问题.但UAV高光谱成像系统面临的设备昂贵、数据质量差和效率低等一系列问题,致使低成本高效便捷的UAV高光谱成像系统成为了研究的关键.介绍了将室内成像光谱仪搭载在多旋翼UAV上采集数据的高光谱成像系统,在试验区布设控制点和标准灰布,用GPS-RTK测量控制点的三维坐标和ASD地物光谱仪测量标准灰布的反射率以验证系统的成像精度.从辐射和几何两个方面进行分析评价.在辐射方面,经过辐射定标和MODTRAN模型大气校正的高光谱数据中校准灰布的反射率与ASD地物光谱仪测量的结果十分吻合;在几何方面,用GPS-IMU数据进行初始几何校正的图像与地面控制点坐标以分析图像处理后的几何误差,并提出通过改正姿态偏转角的方法提高图像的地理位置精度.     

基于方向滤波的成像测井裂缝检测方法研究

根据成像测井图像中裂缝具有方向性的特点,研究了一种基于方向滤波的成像测井裂缝检测方法。该算法以方向滤波为基础,根据裂缝局部方向选择相应方向滤波器进行滤波,使裂缝图像在裂缝方向上得到增强,突出了裂缝的有效信息。通过基于方向滤波与基于区域分割融合方法对提取的裂缝进行后处理,得到最终的裂缝轨迹。实际应用表明,该方法较好地检测了实测成像测井中裂缝。     

基于 MATLAB热处理温度非接触式测量系统设计研究

在数字图像处理技术应用于温度非接触式测量原理研究的基础上,建立目标物辐射图像灰度值有关物体温度和辐射波长的函数关系式.基于MATLAB软件平台和热辐射原理和光学成像原理,运用GUI编程设计了一套碳钢热处理温度非接触式测量系统,实现对加热工件温度的非接触测量,该系统可实时完成对目标物图像采集存储和处理,并同时完成温度和误差计算,实验表明,该系统可实时测量高温工件温度,动态响应好,热惯性低,抗干扰性和精度较高.     

基于梯度域的光场全聚焦图像生成方法

光场相机存在着空间分辨率和角度分辨率相互制约、成像分辨率不高的问题.针对这一问题,将传统图像融合方法与光场重聚焦技术相结合,提出了一种基于梯度域的光场全聚焦图像生成方法.以Lytro相机光场数据为基础,通过光场重聚焦提取焦点堆栈图像,然后将焦点堆栈图像按亮度和色度通道分别进行处理:亮度通道融合采用基于小波分解的梯度积分算法,色度通道融合采用基于像素的色度通道加权求和方法.实验表明,该方法融合亮度通道执行效率高,融合色度通道简单有效,能够生成清晰的光场全聚焦图像,提高了光场图像空间分辨率.     

一种非下采样轮廓波变换域水果图像预处理方法

水果图像在获取过程中受到拍摄系统自身的缺陷、复杂多变的成像环境等多重因素的限制,导致图像被掺杂进一些噪声,降低了图像的清晰度。结合非下采样轮廓波变换(nonsubsampled contourlet transform,NSCT),提出了该类图像的有效预处理方法。该方法首先对图像进行多尺度NSCT分解,获得低频分解系数和高频分解系数;然后对低频分解系数进行模糊增强处理,对高频系数采用二维多级中值滤波算法(two-dimensional multi-stage median filtering algorithm)进行处理;最后进行分解系数重构,获得清晰度较高的水果图像。分别将此算法与已有的几类同类型算法对水果图像进行去噪处理,并引入峰值信噪比(peak signal noise to ratio,PSNR)作为处理效果评价指标,结果表明,此算法性能明显优于已有的同类型算法。     

未辐射校正高光谱数据应用于分类的可行性分析——应用光谱角制图法

常用的高光谱图像分类识别技术要求图像首先经过辐射校正处理.考虑到该过程的复杂性,我们通过比较光谱角制图法对辐射校正前后高光谱数据分类识别的结果,分析了未辐射校正数据应用于分类的可行性.使用光谱角制图法的原因在于该方法通过比较光谱向量间的角度确定相似程度,且参考光谱可以从原始图像中直接提取,这两点为辐射校正前数据用于分类提供了可能性.     

基于SRTM3的MODIS图像几何精校正方法研究

地形地物被高度综合化,只存在超大尺度或大尺度的特征地物,可供选择GCP(地面控制点)的明显地物非常有限,这是中低分辨率遥感图像进行几何精校正面临的最大难题。本文提出了基于SRTM3数据构建与遥感图像几何特征尺度一致的地理参照,对MODIS图像进行几何精校正的方法。首先,利用90 m分辨率的SRTM3进行地形综合,生成250 m像元尺度的DEM并提取地性线,并将其与1∶25万的大型湖泊、大江大河矢量图合并;使用地形光照立体渲染模型 (Hillshade)制作250 m的负立体可视化彩色地形地貌图;集成由3种地理信息要素构成的地理参照数据集。之后,分别选取250和500 m分辨率的MODIS数据,利用亚像元分解与增强技术制作125 m分辨率的假彩色影像。最后,叠加显示地理参照数据集和假彩色卫星图像,目视比对采集控制点,利用自适应三角网控制校正模型对多波段数据进行校正处理,其GCP点集的均方误差达到了431 m。结果表明:250 m分辨率的DEM地性线与MODIS亚像元图像表达的特征地物的几何尺度一致,MODIS图像中能识别的特征地物在SRTM3地性线与大型水系中均能找到,地性线所表达的特征地物点的数量多于遥感图像。与传统的基于基础地理底图选择控制点的方法相比,本文提出的方法更有利于同名地物点的判读和选取,并且操作处理简单,选取的GCP点的坐标精度较高,纠正处理工作效率高。      

颗粒粮食中异物的视觉检测算法与实现

提出了一种利用图像实现颗粒粮食中异物的检测方法。该方法根据异物特征，提出了基于斑点分析的方法，一次成像2次处理，剔除比正常颗粒亮和暗的异物。设计包括输送系统、照明系统、成像系统、处理系统、结果存储和输出系统5个部分的异物检测系统，将粮食颗粒放到输送带上，在指定位置由成像系统获取图像，并将数据传人计算机进行分析处理，之后选用合适的算法进行图像处理。比较后发现，与Halcon库相比，Mil库设置的特征参数更多，使用者可以在较短时间内获取试验结果，并且Mil图像函数库的使用非常方便，故笔者选用Mil库提取绿豆颗粒中的异物杂质。利用Mil函数库开发的图像处理系统，把黑白斑点的2次提取处理，用一个函数实现，再通过数学形态学的运算和斑点分析，快速地提取杂质的大小和所在位置。该方法具有速度快、精确度高等优点，可以推广到其他领域加以应用。     

1种离散小波域荔枝图像处理模型

利用机器人采摘荔枝的过程实质上是分析和识别所获取图像的过程,但由于荔枝生长环境复杂、成像系统电压不稳定,导致在模/数转换、图像解码等环节中图像清晰度降低,最直观的体现是图像中存在不同程度的斑点噪声。针对该情况并结合离散小波变换这一图像分析框架,提出一种荔枝图像高效处理模型。首先,该模型对图像进行多尺度离散小波变换,以获得低频分解系数和各方向分布的高频分解系数;然后提出一种二维多方向加权中值滤波算法,实现对高频分解系数的自适应处理;最后对低频分解系数和滤波后的多方向分布高频分解系数进行重构。采用MATLAB软件编写程序进行算法实现,并与经典中值滤波算法、二维多方向中值滤波算法进行性能对比。结果表明,本研究提出的图像处理模型对该类图像的处理效果明显优于其余2类算法且模型耗时更短。     

一种新型高斯噪声滤波算法

为了更有效滤除数字图像中的高斯噪声,提出了一种新型滤波算法.该算法首先将含有高斯噪声的图像进行二维小波分解,得到高频和低频小波分解系数;然后保留低频小波系数不变,对高频小波系数通过维纳滤波器进行滤波,并进行小波系数重构;最后将重构图像进行多尺度小波分解,通过设定新的阈值和判别函数,弱化不重要的小波分解系数,并进行小波分解系数重构.分别采用该滤波算法、维纳滤波、小波阈值法以及均值滤波进行高斯噪声滤除处理,试验证明该滤波算法去噪后图像的PSNR值明显高于其他三种方法.     

A Comparison of SIR-B Synthetic Aperture Radar Data with Ocean Internal Wave Measurements

An image from the Shuttle Imaging Radar-B (SIR-B) synthetic aperture radar (SAR) shows internal wave features in an area south of Long Island, New York Coincident oceanographic measurements are used in conjunction with hydrodynamic interaction and electromagnetic scattering models to estimate the expected SAR image intensity modulations associated with the internal waves. There is reasonable agreement between the predicted and observed internal wave signatures.     

合成孔径雷达在农作物长势监测中的应用

在农作物收获之前进行大范围作物生长状况评价,可以为早期估产提供依据,同时为田间管理提供即时信息。该研究结合合成孔径雷达(SAR)技术的发展,分别从基于SAR后向散射系数和极化特征2个方面,结合农作物长势参数反演,对SAR技术在农作物长势监测中的应用情况进行了研究,总结了目前采用SAR技术进行农作物长势监测中存在的问题,并对其未来研究方向进行了展望。     

Remote sensing of ocean currents

A method of remotely measuring near-surface ocean currents with a synthetic aperture radar (SAR) is described. The apparatus consists of a single SAR transmitter and two receiving antennas. The phase difference between SAR image scenes obtained from the antennas forms an interferogram that is directly proportional to the surface current. The first field test of this technique against conventional measurements gives estimates of mean currents accurate to order 20 percent, that is, root-mean-square errors of 5 to 10 centimeters per second in mean flows of 27 to 56 centimeters per second. If the full potential of the method could be realized with spacecraft, then it might be possible to routinely monitor the surface currents of the world's oceans.     

基于SVM的多光谱影像与SAR图像融合地物分类研究

多光谱遥感图像反映了不同地物的光谱信息,而SAR图像则反映了地表不同地物的后向散射强度信息。通过二者结合,可以实现优势信息互补,提高遥感影像分类的精度。多光谱影像与单波段单极化SAR图像融合分类有2种策略：一种是将SAR图像作为一个波段加入多光谱影像中进行分类;另一种先把多光谱影像与SAR图像融合,然后对融合后的图像进行分类。以成都市使用支持向量机分类方法对2种分类策略下的分类精度进行验证。结果表明,后者分类精度要高于前者,同时2种分类方法的分类精度都明显高于单独使用多光谱影像的分类精度。     

参数优选支持的光学与SAR数据森林地上生物量反演研究

  目的  森林是整个陆地碳循环系统中最大的有机碳贮库，准确地估测森林地上生物量影响着全球碳源与碳储量的分析与评价。本文旨在评价利用Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR 3组不同源遥感数据估测森林AGB的潜力，进而剖析光学数据和SAR数据在估测森林AGB方面的差异。  方法  首先对Landsat8 OLI、高分一号光学数据、ALOS-1 PALSAR-1SAR数据分别提取波段比值、植被指数、纹理信息，对ALOS-1 PALSAR-1SAR数据同时提取极化分解信息；然后，利用随机森林算法对不同数据提取的特征参数进行重要性排序，选择排序靠前的特征进行建模；最后，利用KNN-FIFS算法分析不同特征组合，对4组数据建立4个模型估测森林AGB，并使用留一交叉验证法对4个模型估测森林AGB值进行精度评价。  结果  使用植被因子、波段比值、纹理因子、极化分解信息4种特征参数分别对3组数据进行建模估测森林AGB，基于Landsat8 OLI数据反演森林AGB的精度评价结果为R2 = 0.50，RMSE = 33.34 t/hm2；基于高分一号数据估测精度为R2 = 0.36，RMSE = 37.60 t/hm2；基于PALSAR纹理特征估测精度为R2 = 0.45，RMSE = 35.40 t/hm2；基于PALSAR全极化分解信息估测精度为R2 = 0.63，RMSE = 28.84 t/hm2。  结论  参数提取方法相同时，即基于植被因子、波段比值、纹理信息3种特征参数估测森林AGB，其光学数据和SAR数据的反演潜力基本一致；参数提取方法不同时，即SAR数据加入极化分解信息估测森林AGB，与光学数据相比，SAR数据对森林AGB的反演潜力较好。      

Research advances of SAR remote sensing for agriculture applications: A review

Synthetic aperture radar (SAR) is an effective and important technique in monitoring crop and other agricultural targets because its quality does not depend on weather conditions. SAR is sensitive to the geometrical structures and dielectric properties of the targets and has a certain penetration ability to some agricultural targets. The capabilities of SAR for agriculture applications can be organized into three main categories: crop identification and crop planting area statistics, crop and cropland parameter extraction, and crop yield estimation. According to the above concepts, this paper systematically analyses the recent progresses, existing problems and future directions in SAR agricultural remote sensing. In recent years, with the remarkable progresses in SAR remote sensing systems, the available SAR data sources have been greatly enriched. The accuracies of the crop classification and parameter extraction by SAR data have been improved progressively. But the development of modern agriculture has put forwarded higher requirements for SAR remote sensing. For instance, the spatial resolution and revisiting cycle of the SAR sensors, the accuracy of crop classification, the whole phenological period monitoring of crop growth status, the soil moisture inversion under the condition of high vegetation coverage, the integrations of SAR remote sensing retrieval information with hydrological models and/or crop growth models, and so on, still need to be improved. In the future, the joint use of optical and SAR remote sensing data, the application of multi-band multi-dimensional SAR, the precise and high efficient modeling of electromagnetic scattering and parameter extraction of crop and farmland composite scene, the development of light and small SAR systems like those onboard unmanned aerial vehicles and their applications will be active research areas in agriculture remote sensing. This paper concludes that SAR remote sensing has great potential and will play a more significant role in the various fields of agricultural remote sensing.     

联合光学和合成孔径雷达数据的太平湖森林地上生物量反演研究

光学和合成孔径雷达（SAR）多源传感器数据融合对提高森林地上生物量（AGB）提取精度具有重要意义。以太平湖森林为研究对象，以Sentinel-1 SAR数据和Sentinel-2光学数据为数据源，利用随机森林回归算法系统性地评估光学和SAR数据对AGB反演的互补优势和策略选择。采用Sentinel-2光学数据的AGB反演精度（R²=0.63，RMSE=37.05 mg/hm²，sMAPE=0.56）优于采用Sentinel-1 SAR数据的AGB反演精度（R²=0.37，RMSE=52.25 mg/hm²，sMAPE=0.65），联合两者数据的AGB估算精度最高（R²=0.69，RMSE=34.17 mg/hm²，sMAPE=0.55）；基于不同策略构建的AGB估计模型当中，植被指数（RVI、NDVI和红边相关的NDVIre）和纹理变量（NDVIre_Mea）的重要性高于光谱波段和后向散射系数。联合Sentinel-1和Sentinel-2数据的光谱波段、植被指数、纹理信息和后向散射系数，能够有效的缓和遥感信息饱和性问题和提高AGB反演精度。     

基于多极化机载合成孔径雷达(SAR)数据的水稻识别

基于多极化(HH/HV/VH/VV)机载合成孔径雷达(SAR)数据,分析水稻和典型地物在不同极化方式上的响应特征及其差异,并根据水稻的极化响应特征进行识别.结果表明:水稻在不同极化方式上的响应差异比较大,而且水稻在水平极化(HH)和垂直极化(VV)上的差异明显高于其他地物;基于这一特点,利用水平极化和垂直极化的比值〈HH〉/〈VV〉提取水稻信息,取得了较好的效果,水稻识别精度可以达到90%以上;对增强水稻信息的图像进行自动分类,分类结果表明不同生长期的水稻能够得到一定程度的区分.     

Atomic resolution imaging of a carbon nanotube from diffraction intensities

Atomic imaging of three-dimensional structures has required a crystal in diffraction or a lens in electron imaging. Whereas diffraction achieves very high resolution by averaging over many cells, imaging gives localized structural information, such as the position of a single dopant atom. However, lens aberrations limit electron imaging resolution to about 1 angstrom. Resolution is reduced further by low contrast from weakscattering or from the limitations on electron dose for radiation-sensitive molecules. We show that both high resolution and high contrast can be achieved by imaging from diffraction with a nanometer-sized coherent electron beam. The phase problem is solved by oversampling and iterative phase retrieval. We apply this technique to image a double-wall carbon nanotube at 1-angstrom resolution, revealing the structure of two tubes of different helicities. Because the only requirement for imaging is a diffraction pattern sampled below the Nyquist frequency, our technique has the potential to image nonperiodic nanostructures, including biological macromolecules, at diffraction intensity-limited resolutions.