一种用于遥感图像增强的聚合算法

遥感图像是借助传感器从云层获取地面信息的一种图像。该文章针对遥感图像的处理，提出一种用于遥感图像增强的聚合算法。算法研究过程中，从图像去雾、图像对比度、图像分辨率三个方面采用不同的处理算法进行相同的处理，分析处理结果后选出各部分的最优算法；并将每个处理环节的最优算法相结合，融合出一种遥感图像增强的最优聚合算法。融合后的算法更适合对遥感图像进行增强处理。     

基于无线图像传感器网络的农田远程监测系统

为了实时获取农田图像和视频信息,提出了基于无线图像传感器网络的农田远程监测系统。针对当前图像传感器节点存在的不足,基于CMOS图像传感器和S3C6410嵌入式处理器设计了低成本、高分辨率的无线图像传感器节点,并研究了基于驱动层和应用层协作的分辨率实时调整算法,使得节点具备10种不同的分辨率,最高分辨率可达500万像素,而且分辨率可根据用户需求实时调整,以满足用户对不同图像精度的需求。采用Wi Fi技术构建无线图像传感器网络,并通过4G网络远程传输图像和视频到服务器。在服务器端开发了基于Web的可视化农田信息管理软件,实现对采集的数据进行有效存储、管理和应用,并为用户提供网络服务。部署了该系统并进行了长时间的运行测试试验,试验结果表明:系统可稳定地运行,能够根据远程指令采集并传输不同分辨率的图像,采集并传输1幅126 KB左右的图像平均耗时为5.36 s,网络平均丢包率为1.67%,客户端开启视频监控平均时延为3.48 s,视频播放流畅。     

DEM超分辨率重构对梯田坡度提取的影响研究

坡度对地表水文、土壤侵蚀、土地利用规划有着重要的影响,区域尺度上的坡度通常基于数字高程模型(DEM)提取。区域尺度上,高分辨率坡度数据由于DEM获取途径、方式等原因,较难获得,通常通过超分辨率重构(又称降尺度变换)得到。以黄土高原地区水平梯田地形为研究对象,基于无人机摄影测量技术,生成不同分辨率的DEM数据并提取坡度,设计并给出了基于稀疏混合估计对DEM数据进行超分辨率重构的方法及流程,并与最近邻法、双线性插值法、三次卷积插值法比较,结果表明所提方法在空间分布和误差方面上均优于其他方法。     

基于MESMA和RF的山丘区土地利用信息分类提取

探讨了基于多端元混合像元分解(Multiple endmember spectral mixture analysis,MESMA)和随机森林(Random forest,RF)相结合的土地利用信息分类提取方法。以Landsat-8 OLI卫星遥感影像为主要数据,基于植被-不透水面-裸土(Vegetation-impervious surface-soil,VIS)模型,利用MESMA将影像分解为植被、不透水面和裸土3类组分,将生成的3类组分变量和基于光谱、纹理信息计算选取的20个特征变量组合后开展RF分类实验,将分类结果与相同特征变量下的支持向量机(Support vector machine,SVM)、最大似然(Maximum likelihood classification,MLC)分类结果进行比较分析。结果表明:MESMA可以获得较为精确的组分丰度信息;RF分类结果优于相同特征变量下的SVM和MLC分类结果;在MESMA生成的组分信息变量参与分类后,3种方法的分类精度均有所改善,分别达90.50%、88.85%、86.35%,其中RF的分类精度改善最为显著;MESMA与线性混合分解(Linear spectral mixture analysis,LSMA)生成的组分信息变量相比,前者对于改善分类精度效果更为明显。MESMA对于提高影像分类精度起到一定积极作用,基于MESMA和RF的方法对中等空间分辨率影像山丘区土地利用信息分类提取精度较高,利用该方法开展遥感影像解译可为大尺度的土地利用监测和管理工作提供技术支持和理论参考。     

融合超分辨率重建的YOLOv5松枯死木识别模型

为解决山地地形起伏大、无人机飞行高度高导致图像中尺度小且纹理模糊的松枯死木识别困难问题,该研究提出了一种在特征层级进行超分辨率重建的YOLOv5松枯死木识别算法。在YOLOv5网络中添加选择性核特征纹理迁移模块生成有细节纹理的高清检测特征图,自适应改变感受野的机制分配权重,将更多注意力集中在纹理细节,提升了小目标和模糊目标的识别精度。同时,使用前景背景平衡损失函数抑制背景噪声干扰,增加正样本的梯度贡献,改善正负样本分布不平衡问题。试验结果表明,改进后算法在交并比(intersection over union,IoU)阈值取0.5时的平均精度均值(mean average precision,mAP₅₀)为92.7%,mAP_50～95(以步长0.05从0.5到0.95间取IoU阈值下的平均mAP)为62.1%,AP_small(小目标平均精度值)为53.2%,相比于原算法mAP₅₀提高了3.2个百分点,mAP_50～95提升了8.3个百分点,AP_small提升...     

基于数据外推的限带信号最大似然谱估计

针对高距离分辨率雷达应用背景,提出了一种在数据外推的基础上运用最大似然准则对限带信号的频谱进行估计的新方法(DE-ML).该方法首先根据常规DFT分析获得限带信号的频谱范围,然后对频域高采样率离散频谱进行最大似然估计.理论分析和实验结果表明,该方法与常规的DFT方法相比,具有更好的分辨性能;与一般的超分辨伪谱估计方法相比,具有更好的幅度估计性能以及抗噪声能力;与现有的数据外推谱估计方法相比,所需的运算量更少.     

基于缩影的多时相遥感语义变化检测方法

针对高分辨率遥感图像标签稀缺和标签技术增长缓慢限制了多时相语义变化检测发展的问题，提出了采用有噪声、低分辨率的弱标签替代高分辨率标签进行多时相语义变化检测的方法。首先，采用低分辨率卫星数据平滑高分辨率遥感图像输入的质量差异。其次，通过将缩影（epitomes）模型和标签超分辨率算法作为统计推理算法相结合的方法预估高分辨率遥感图像分类图，并拟合一个小型FCN网络对生成的遥感图像分类图进行后处理来改善其分类的效果。最后，通过对比不同时相土地覆盖分类图像之间的差异得出变化检测结果。结果表明，本研究提出的方法与其他多时相语义变化检测方法 FCN/all相比，平均交并比（mIoU）提高了8.9个百分点，能够有效检测土地覆盖分类变化。