基于MPI并行计算的CT滤波反投影图像重建算法研究

目的:将并行计算引入CT滤波反投影图像重建算法,通过提高计算机资源的利用率,最终在此基础上提高整个算法的计算效率。方法:在Intel Pentium 4 CPU的PC平台,建立基于MPI并行计算的滤波反投影图像重建算法,将Matlab、单核多核并行计算及通常串行多种模式的加速比和运行效率作为研究对比。结果:通过搭建的MPI并行计算模型,无论从加速比还是计算机执行效率以及图像的重建效果都得到了满意结果,加速比最高达到7,计算机执行率为90%。结论:实践证明,基于MPI并行计算的滤波反投影图像重建算法是解决图像重建速度和效率的有效方案,同样,也可以运用到图像处理的许多方面,值得借鉴。     

基于混合并行的Kriging插值算法研究

普通Kriging方法是进行空间降水插值的一种有效方法。然而一方面由于海量数据插值计算量大,另一方面该算法的时间复杂度大,为减少空间降水插值的计算时间,采用OpenMP和MPI混合并行技术,实现Kriging并行算法。在Windows操作系统上搭建并行计算环境,实验数据表明,该并行算法能有效地节省计算时间。     

基于MPI的地下水数值模拟并行算法研究

地下水数值模拟是研究分析各种地下水问题的重要手段。针对传统地下水数值模拟串行算法在处理海量数据模型时计算时间长、运行效率低的特点,在分布式存储系统上利用消息传递标准MPI,设计了一种采用Cholesky预条件子,粗粒度、低通信开销的PCG并行算法。通过在具有4个处理核心的Linux集群环境中的测试可知,该程序运行所获得的加速比会随着处理核心数的增加而不断增大,并在4个处理核心数的时候获得最大加速比2.21,说明所设计的PCG并行算法具有较好的加速效果和可扩展性。     

高分辨率谷歌地球遥感数据与Landsat 8 OLI影像的融合方法研究

探讨高分辨率谷歌地球遥感数据与Landsat8 OLI数据的融合方法,分别使用Bovey变换、Gram-Schmidt变换和主成分变换方法得到相对理想的融合结果。通过评价表明,后两种方法可以得到更好的结果,并满足大比例尺制图的需求。     

基于Landsat 7 ETM+影像的大庆地区林带遥感调查

利用遥感和GIS技术，采用美国最新的Landsat 7 ETM 影像的15m全色波段和30m多光谱波段影像，对犬庆地区的防护林地进行遥感调查。通过图像处理与分析得到了最佳的用于解译的影像，在野外调查的基础上，建立了林地的解译标志，量算了防护林带的宽度，查清了防护林的类型及实际面积，为防护林的建设与管理提供了第一手资料。     

运用遥感影像对暖温带-亚热带过渡地区森林蓄积量反演

以甘肃小陇山百花林场为研究对象,运用Landsat OLI影像、森林二类资源调查数据和样地数据,计算Landsat OLI影像7个多光谱波段的纹理特征、波段比值和植被指数,利用多元逐步回归方法构建了不同自变量的森林蓄积量反演模型,并对模型的精度进行评价。结果表明:基于光谱波段、波段运算和纹理特征的综合回归模型对森林蓄积量的反演精度为80.74%。光谱波段、植被指数、波段运算、纹理特征的森林蓄积量反演模型的精度分别比基于光谱波段、波段运算和纹理特征的综合回归模型的森林蓄积量反演精度低8.76%、5.64%、5.03%、2.39%。因此,运用光谱波段、波段运算、纹理特征的综合回归模型估算森林蓄积量较为可行,对森林管理部门以及其他国民经济建设部门的监测与管理具有重要的参考价值。     

基于遥感影像研究商洛市植被变化

本文以商洛市两期3景Landsat影像为数据源,利用Arc GIS10.2计算归一化差值植被指数,采用差值法对商洛市及其各县2007—2017年植被覆盖度进行研究,并分析植被变化的原因.结果表明:2007年商洛市植被覆盖以低植被覆盖为主,所占面积为5122.65km2,所占比例为26％;2017年植被覆盖以中高植被覆盖...     

基于多时相Landsat影像的庆元县植被覆盖变化研究

利用多时相陆地资源卫星Landsat TM和增强型专题绘图仪ETM影像数据,使用像元二分模型对浙江省庆元县1994-2007年植被覆盖度及其动态变化进行研究。结果表明：13 a来,庆元县植被覆盖度持续增长,至2007年高植被覆盖度区域占全县总面积的90.77%,植被覆盖度等级间的转移方向以中高覆盖区（50%～75%）向高覆盖区（〉75%）转变为主,其中1994年至1999年间的变化最为显著。13 a间植被覆盖度随坡度的增大而增加,坡度越小植被覆盖度增长幅度越大,特别是地形平缓区域（〈15°）的植被覆盖度增长幅度达15%以上。全县植被覆盖度时空变化分级统计结果显示,1994-1999年,庆元县东部地区的植被恢复较为明显,1999-2007年,百山祖自然保护区等地的植被恢复较好。13 a间各类植被覆盖区的景观破碎度不断降低,平均斑块面积不断增大,特别是高覆盖区在总体面积大幅提高的同时,平均斑块面积由9.66 hm2增长到182.82 hm2,增加了18倍。图2表6参15     

基于TM影像的森林病虫灾害遥感监测系统

现如今的森林虫害发生的几率越来越高,而且发展的速度也十分的快,所以我们必须采取先进的措施来关注森林病虫害的发生,其监控措施以及防护手段都不停地改进,随着科学技术的进步,卫星逐渐应用在森林病虫害中,因为他可以以快速的精准的传递出森林病虫害的发生状况的,遥感信息中TM影像遥感信息系统逐渐被我们广泛应用在大片的森林中,它主要是从美国的TM影像发展而来的,它是一种对森林病虫灾害监控的新技术,TM影像主要是指美国的陆地卫星通过专题制图仪所获取的多波段扫描影像。但从操作方法上来说它操作起来比较麻烦而且技术含量较高,然而随着科技的迅猛发展,遥感信息的快速发展,对于TM影像的森林病虫灾害遥感监测系统,也逐渐变得操作简便,很好的运用遥感信息系统实现自动化     

基于GF-2遥感影像的塑料大棚提取方法对比

为实现GF-2遥感影像在农业领域的有效利用,针对GF-2遥感影像提取塑料大棚,对比分析随机森林、CART决策树及支持向量机3种分类方法的应用,以GF-2遥感影像为数据源,以内蒙古赤峰市喀喇沁旗王爷府镇为研究区,通过潜在分割误差(PSE)、分割强度(NSR)、欧氏距离(ED)3个指标确定最优分割参数组合,利用随机森林(RF)算法筛选出参与分类的最优特征子集,采用随机森林、CART决策树、支持向量机3种分类器进行了塑料大棚提取对比分析。试验结果表明:1)基于PSE、NSR和ED最优分割参数选择方法,应用于面向对象连片塑料大棚特定地物提取的研究分割效果较好;2)通过RF算法分析包含光谱、纹理、形状及相邻关系等多种特征,得出特征个数与分类精度之间呈现先逐渐增大后减小的趋势,该方法在保证分类精度的同时,可有效删除冗余与不相关特征,以提高分类器性能;3)将采用最优特征子集的3种分类器进行对比,随机森林分类效果最好,分类正确率达到89.65%,表明该方法能有效提取GF-2遥感影像连片塑料大棚,为提取设施农业的应用提供参考。     

基于Split Bregman算法的遥感图像分割分水岭技术

针对遥感图像中的道路、村落、农田、山脉等目标物分割时存在过分割和欠分割问题,采用分裂Bregman算法和分水岭方法相结合的方法,给出了适合近地遥感图像的一种新的标记分水岭方法。该方法利用多尺度插值小波算子逼近图像分割变分模型中的图像表示函数;采用Split Bregman迭代算法对变分模型进行快速求解;将Split Bregman分割结果作为标记,采用分水岭方法对遥感图像进行精确分割,保证了标记总数无冗余。试验结果表明,采用较小的尺度尺寸参数(J=3)时,可准确分割出来具有开环特性的村落图像区域,而采用较大的尺度尺寸参数(J=7)时,可精确分割农田中的纹理,但对村落区域则有一定的过分割现象出现。采用自适应多尺度参数时,可有效消除过分割和欠分割现象。     

基于可见光波段的无人机超低空遥感图像处理

【目的】探讨低成本的可见光超低空农业遥感平台提取与分析农情信息的可行性,为农用无人机精准施药与农情监测提供技术支持。【方法】以仅包含红光、蓝光和绿光的超低空可见光农田遥感图像为研究对象:首先利用张氏校正法获取相机的畸变矩阵,并校正图像;然后提取与分析图像的可见光植被指数;最后通过分析超低空可见光农田图像中植被与非植被的光谱特性,对可见光超低空遥感图像进行植被信息提取。【结果】获得的农田植被提取图像很好地区分了植被与非植被。【结论】基于可见光的超低空遥感农业信息获取系统应用具有可行性,可为构造低成本的可见光低空遥感监测系统提供参考。     

基于多源遥感影像的高后果区变化检测方法

近年来,随着城镇化进程的持续推进,部分管道的周边环境不断变化,相应管道的高后果区范围也随之发生变化,准确、高效地掌握环境变化数据以持续更新高后果区信息对管道企业的安全管理工作具有重要意义。由于短期内管道沿线具有自然地物变化较少、人工地物变化频率较高的特点,利用高分辨率正射影像与多光谱影像,提出一种基于多源遥感影像的高后果区变化检测方法。该方法在超像素分割基础上,以LBP-HOG融合特征和光谱梯度差方法对多源数据的变化信息进行提取。实验表明,此方法对管道周边人工地物的变化检测具有较高的准确性,可有效提高高后果区管理的工作效率。     

基于SPOT-5遥感影像的小班区划探讨

森林资源调查小班区划主要是在现地进行对坡勾绘,这种方法存在人为主观性,不够科学客观等问题,因此,常产生误判。而地球遥感卫星SPOT-5遥感数据具有高空间分辨率和多光谱分辨率,可提供丰富、可靠、高精度的基础数据,且能节约成本,提高效率。提出了适用于森林资源区划的SPOT-5遥感数据处理和目视解译方法,即建立SPOT-5影像解译标识、野外核实与补测等。最后对计算机自动解译SPOT-5影像进行森林区划进行了讨论,研究可为森林区划提供指导与借鉴。图3参16     

基于萤火虫算法的农业遥感图像增强研究

农业遥感图像增强有利于图像信息的提取与分析,萤火虫算法是近年来较为新颖的智能仿生算法,目前国内外关于其能否用于农业遥感图像增强的研究未见报道。文章首先利用非完全Beta函数建立农业遥感图像增强模型,结合人眼最小灰度分辨力函数进行图像细节增强,将每个输入区间的像素灰度值变换到适当的输出灰度级区间,最终生成对比度均衡的图像;然后通过萤火虫优化算法在其动态决策域半径进行伪差分操作更新;最后确定最佳参数的收敛条件,给出了算法流程。试验仿真结果表明,萤火虫算法的农业遥感图像检测在图像细节增强评价指标、相位一致性指标、通用质量评价指标等方面与直方图算法、Retinex算法、小波变换算法、模糊聚类算法等相比数据较优,能够用于农业遥感图像增强。     

基于小波变换的IRS与TM遥感卫星影像融合

本研究在整体小波变换融合方法基础上，提出了基于对比度的局部特征选择加权小波变换影像融合方法，并以多光谱TM和高空间分辨率IRS-1C全色波段图像为例，与色彩空间变换HIS融合方法进行图像融合效果的比较分析试验。试验表明基于对比度的局部特征选择加权小波变换影像融合方法能在最大限度保持多光谱影像光谱信息的同时，增强了影像的纹理信息。     

基于Grey-Sigmoid核函数支持向量机高光谱遥感图像分类方法研究

针对传统支持向量机方法中存在的野值噪声敏感问题,提出了一种基于紧密度的Grey-Sigmoid核函数支持向量机,不仅考虑样本与所属类中心之间的关系,还考虑了各个样本之间的距离。通过样本之间的紧密度来描述各个样本之间的关系,利用包围同一类样本的最小超球半径来衡量样本间的紧密度,样本灰度依据样本在球中的位置确定。通过对田间小麦全蚀病的遥感图像分类的实验验证,证明Grey-Sigmoid核函数和传统的Sigmoid核函数相比,计算速度更快,且精度没有明显损失。     

县域尺度上基于GF-1PMS影像的冬小麦种植面积遥感监测

为探究县域尺度上基于高分一号卫星(GF-1)PMS影像进行冬小麦遥感监测的可行性及精准性,以河南省滑县为研究区,遴选2015年2月上旬GF-1 PMS影像6景,对影像进行辐射定标、FLAASH大气校正、NNDiffuse融合、几何精校正、地图投影转换等预处理后,在外业调查和样本分析的基础上构建一种新的冬小麦决策树分类模型,模型第1层决策方案中NDVI0.311的像元为冬小麦,得到冬小麦的粗分类结果;在此基础上进行第2层决策分类,以进一步提高冬小麦的分类精度,分类方案为第1波段地表反射率0.146、第2波段地表反射率0.148、第3波段地表反射率0.135、第4波段地表反射率0.250的像元为冬小麦。对分类结果进行形态学滤波处理,以消除或减少分类结果中孤立的像元。分别基于决策树分类模型与ENVI软件自带的IsoData非监督分类模型,对比分析GF-1PMS影像和同时期Landsat-8OLI影像在冬小麦面积提取上的精度。结果表明:基于新构建的决策树分类模型,2015年滑县冬小麦种植面积为115 715.81hm2,混淆矩阵检验总体精度为99.62%,Kappa系数为0.99;PMS影像提取冬小麦的混淆矩阵总体精度比OLI影像高出9个百分点。说明县域尺度上基于单时相GF-1PMS影像在冬小麦收获前提取冬小麦种植面积是可行的,提取精度较高。     

基于Landsat 8 OLI辅助的亚米级遥感影像树种识别

为研究高空间分辨率遥感影像与多光谱遥感影像协同进行面向对象树种识别的有效性,本研究以QuickBird高空间分辨率(全色0.61 m)和Landsat 8 OLI(30 m)遥感影像为基础数据,在分类的过程中采用2种分割方案(有Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割和无Landsat 8 OLI遥感影像辅助的QuickBird遥感影像分割)进行多尺度分割,对2种分割方案进行比较。基于QuickBird遥感影像和Landsat 8 OLI遥感影像提取光谱、纹理、空间3方面68种分类特征,应用最邻近分类法和支持向量机分类方法进行面向对象树种分类,采用相同的分类系统、统一的分割尺度以及同一套验证样本,利用Kappa系数、总精度、生产者精度和用户精度4个评价指标进行精度评价。结果表明:单独使用QuickBird高空间分辨率遥感影像的分割结果优于QuickBird高空间分辨率遥感影像与Landsat 8 OLI遥感影像协同分割的结果,最优分割阈值与合并阈值分别为25和90。在最优分割结果的基础上,多光谱Landsat 8 OLI遥感影像与QuickBird高空间分辨率遥感影像协同进行面向对象分类,最邻近分类法和支持向量机分类方法的分类总精度分别为85.35%(Kappa=0.701 3)和88.12%(Kappa=0.853 6);单独使用QuickBird高空间分辨率遥感影像进行面向对象分类,2种方法的分类总精度分别为79.67%(Kappa=0.693 9)和83.33%(Kappa=0.792 5)。QuickBird遥感影像在Landsat 8 OLI遥感影像辅助下,分类结果的地物边界更加清晰,总体精度及主要树种识别精度均得到了提高。研究成果应用在实地森林调查与区划时可有效缩短调査时间、减少调查成本、降低劳动强度、提高成果质量。