简介：近年来,无人机技术在大比例尺地形测量领域得到了广泛应用,但受基高比小、飞行姿态不稳定等因素的影响,无人机成图的高程精度有时难以满足规范要求。通过分析基高比和航片姿态对高程精度的影响,提出了新的影像获取方案。通过与传统方案进行实验对比分析,结果表明,在保证平面成图精度与传统方案基本一致的基础上,高程中误差降低了30.4%,高程检查点超限的个数减少了74%,提高了无人机的高程精度。

简介：针对高分影像阴影检测精度易受水体、偏蓝色地物影响的问题，结合GF-1影像自身特点，提出一种集主成分变换、图像特征计算、逻辑非运算和形态学闭运算于一体的阴影检测方法。对GF-1影像多光谱数据、全色数据进行正射校正和信息融合，可实现光谱与分辨率信息的最大化利用，并最大程度地突出阴影信息，增大阴影与其他地物的差异。其次，建立基于主成分变换的阴影检测方法PC1/NIR和图像特征计算Rg_nir，得到初始阴影信息和水体信息；用初始阴影信息与水体信息作逻辑非运算，剔除水体，并利用形态学闭运算使得阴影区域更加连续、饱满。实验表明，该方法既能准确地检测出GF-1影像中的阴影信息，又能有效削弱水体、偏蓝色等地物的影响。

简介：利用SPOT全色波段影像和LandsatETM+多光谱影像，采用波段特征分析法和改进的最佳波段指数法确定最佳融合波段。选择具有代表性的HSV变换、Brovey变换、PCA变换、Gram-schmidt变换和小波变换方法进行影像融合。针对融合后的影像采用定量评价法进行质量评价，通过不同地物的光谱、空间和纹理信息等进行比较分析构建适当的分类特征和规则，采用面向对象的遥感分类方法进行分类。结果表明，波段特征分析法和改进的最佳波段指数法结合，可以获得最佳融合波段。各融合方法均有效提升了影像效果，其中HSV和GS变换融合方法更好地保持了影像的多光谱和高分辨率特性，融合后各地物特征分类明显，可以有效应用于湿地分类；采用主成分分析法来设置面向对象分类中的波段权重,可以利用各波段信息量的差异进行影像的分割。基于各种遥感指数的面向对象分类方法用于湿地分类获得了93.62%的分类精度，与传统的分类方法相比有了很大进步，在湿地分类中具有很大的应用潜力。

简介：中值滤波算法能有效抑制椒盐噪声和高斯噪声，是一种广泛应用的遥感图像预处理方法。针对标准的图像中值滤波算法中在方形邻域窗口进行简单排序而没有考虑与中心像素距离的不足，提出了一种对邻域像素使用高斯加权的中值滤波算法，并使用C语言进行了快速实现。普通图像、光学和SAR遥感图像的实验表明，新算法具有更好的噪声抑制性能，且计算效率与经典算法有大幅提高。

简介：为实现对无人机遥感影像大规模光束法区域网平差的快速解算,采用逐点消元法并利用分块稀疏矩阵保存消元后的法方程,以减少内存的使用量;利用预处理共轭梯度算法实现快速解算,利用OpenMP技术实现预处理共轭梯度迭代计算多核并行处理。结果表明,将消元法和预处理共轭梯度算法用于无人机遥感影像大规模光束法区域网平差解算,既可节省内存,又可提高计算效率。

简介：在深度学习理论模型的基础上,提出了基于卷积神经网络的云检测方法。以GF-2号卫星影像为数据源,选取广西壮族自治区贵港市为实验区,提取了不同下垫面的云,验证了该方法的有效性。