首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 390 毫秒
1.
在面向移动单元的遥感影像服务中,受信息分发信道窄等因素影响,高价值目标信息根据价值权重进行自适应压缩的方法将发挥重大作用。本文设计了一套面向移动服务的遥感影像感兴趣区全流程自动提取压缩重构方法,利用数学形态学进行了边缘检测,获取了边缘点数量,确定了感兴趣区域,生成了感兴趣区掩模,并将小波域上的感兴趣区系数进行了提升,对小波系数矩阵进行了SPIHT量化编码和解码重构。通过试验,模拟在有限的传输带宽下,自动提取感兴趣区,对感兴趣区进行优先编码并重构全自动流程,使得移动端获得高价值目标信息优于背景信息的重构效果,且具有较高的压缩比,该方法将促进遥感影像在移动服务中的普及应用。  相似文献   

2.
邓冰  林宗坚 《测绘科学》2010,35(1):10-12
遥感图像数据压缩的一个重大应用是星上数据压缩。本文基于信息论的理论和遥感图像信息量的统计规律,提出一种差分编码压缩方法。运用该方法对北京一号小卫星的多光谱数据和全色波段数据进行了无损压缩试验,取得了良好的效果。还专门针对卫星遥感影像数据的特点,提出了分区预测差分编码压缩的建议。  相似文献   

3.
JSEG改进算法在多光谱遥感影像区域分割上的应用   总被引:1,自引:0,他引:1       下载免费PDF全文
图像分割是对图像进行感兴趣区域提取与识别的基础,是图像分析的关键步骤.基于区域分割的JSEG算法是一种既融合了颜色信息又融合了空间信息的图像分割方法,在普通图像和视频图像中都能得到良好的分割结果.将这一算法引入到遥感影像的分割中,并对其做出改进,使之适用于多光谱遥感影像和纹理特征复杂的遥感影像的区域分割.实验结果表明,该算法很好的解决了由于影像中复杂的地物信息而产生的不同区域边界模糊的问题.  相似文献   

4.
无人机遥感数据压缩解压缩系统的设计和实现   总被引:4,自引:0,他引:4  
无人机遥感数据压缩与解压缩系统是无人机数据传输链路中的重要组成部分。针对数据传输中的设计问题,本文分别给出了3种无人机航空遥感数据传输与压缩系统方案设计,阐述了数据压缩原理与实现方法,重点对有损压缩算法进行了研究。通过影像自适应分块,离散余弦变换(DCT)、量化及Huffm an编码等实现了遥感影像的压缩程序。在此基础上,从软件结构和硬件体系两方面对压缩程序进行优化,实现了嵌入式遥感数据压缩系统的开发。无人机遥感系统实验表明:遥感图像压缩系统运行正常,遥感图像数据压缩比达到1?13。飞行实验中图像的实时显示也检验了无人机遥感图像解压缩程序的正确性和稳定性。  相似文献   

5.
高分辨率遥感影像的实时压缩算法   总被引:1,自引:1,他引:1  
针对遥感影像的特点 ,采用整数小波变换、最优比特平面编码和上下文相关熵编码 ,实现高分辨率光学遥感影像的快速压缩。该算法支持多分辨率、多信噪比的嵌入式码流结构 ,可实现从无损到有损任意码率或多种质量的图像编码。实验表明 ,该算法简单高效 ,可满足遥感影像远程传输中实时压缩的要求  相似文献   

6.
针对GIS灰度遥感图像的特点,以香农无干扰编码定理为依据,提出了四叉树—算术编码,实验证明,本文采用的将遥感图像降熵与四叉树-算术编码相结合的压缩编码技术,在提高了图像压缩比的同时,基本保留了遥感图像丰富的几何信息,符合GIS应用的要求,是一种有效的压缩处理方法。  相似文献   

7.
针对传统基于遥感影像的地表覆盖分类方法普遍存在的生产周期长、成本高、自动化程度低等问题,提出了一种完全利用兴趣点(point of interest,POI)数据进行地表覆盖自动化分类的方法。首先应用潜在狄利克雷分布主题计算模型,从POI数据的文本信息中挖掘出与地表覆盖类型相关的主题类型和分布概率;然后基于POI文本的主题分布,运用支持向量机分类算法构建地表覆盖分类模型;最后以遥感影像地表覆盖分类结果为依据,采用随机抽样的方式对所提方法进行验证。结果表明,该方法能够较好地区分人造地表和非人造地表,且整体分类精度超过80%,可作为传统遥感影像分类的辅助手段,满足地表覆盖快速分类的制图需求。  相似文献   

8.
提出研究遥感立体像对的压缩问题。主要讨论了左右影像的视差补偿和辐射补偿。针对遥感立体像对视差分布不均以及左右影像存在辐射差的特点,提出了一种基于立体补偿的遥感立体像对压缩算法。该算法以左片为基准图像,采用自适应视差估计计算出右片的视差矢量,结合辐射校正和重叠块视差补偿技术得到平滑的右片的预测图像,以右片减去预测图像得到残差图像,然后采用小波压缩算法对残差图像进行压缩。实验结果表明,该算法能显著提高遥感立体像对的压缩性能。  相似文献   

9.
基于小波变换的图像压缩方法能在高压缩比的前提下保持好的重建图像质量,小波变换的编码技术被广泛地应用于图像的压缩中。但这些传统的小波压缩技术及改进算法,都需要构造复杂的小波基、小波函数,算法复杂,制约了在实际中的广泛应用。而最新发展的增强小波技术较传统的小波技术ECW在压缩率、压缩速度、压缩编码方面均有了新的突破,利用ECW SDK二次开发包,可在应用系统中直接嵌入ECW技术进行遥感影像压缩,避免了传统的小波技术算法复杂等弊端。实践表明该方法是一种有效的、可以在实际中广泛应用的遥感图像压缩方法。  相似文献   

10.
遥感卫星在轨处理技术是推动遥感技术实现实时智能服务的核心环节。针对星上资源受限环境引起的系列处理难题及遥感数据实时处理与信息提取需求,本文首先构建了任务驱动的卫星遥感数据在轨处理框架,以任务需求为核心并协同星地资源建立基于感兴趣区域的星上处理技术体系;然后,面向不同任务层级和应用场景,给出了以位置信息为驱动的基础在轨处理模式、以目标/场景内容和变化事件为驱动的智能处理模式;最后,论述了适配星上资源受限环境的在轨处理关键算法,基于珞珈三号01星星上处理应用程序,验证了典型算法的在轨处理效果。在任务驱动和星地协同机制下,实现了在轨高精度定位、多类型影像产品快速生成、静动态目标信息实时提取及静态和动态影像高倍率近实时压缩。在轨处理显著提高了传统地面处理的效率,能够有效支撑后续卫星遥感实时智能服务。  相似文献   

11.
随着对地观测系统以及空间信息网络的快速发展,中国已经建成星地一体化的对地观测系统。高分辨率遥感影像数据从GB级转向TB级,轻小型智能遥感卫星有限的带宽容量和存储空间都严重限制了遥感信息的智能实时服务,由此提出了一种面向任务的智能压缩方法。首先,基于遥感影像的数据特点以及轻小型智能遥感卫星星地数传的瓶颈,分析了传统在轨压缩算法的局限性,论述了面向任务的高分辨率光学卫星遥感影像智能压缩处理的重要性;其次,提出了基于珞珈三号01星平台面向任务的智能压缩方法,通过星上高质量成像和高精度几何定位获取观测区域;然后,根据不同的任务需求,利用信息提取模型获取感兴趣目标/区域;最后,利用压缩模型对该区域进行自适应码率分配来实现高倍率压缩任务,并生成码流文件回传到地面。针对不同的任务需求,合理分配码率,可通过该方法有效实现遥感影像的高倍率智能压缩。  相似文献   

12.
基于遥感数据的大信息量、大容量和越来越高的分辨率对图像的存储和传输提出的更高要求,有效的图像压缩就显的特别重要。在综合比较了各种压缩编码算法的基础上,结合遥感图像本身的特点和对小波变换性质的深入分析,选择了基于小波变换的遥图像压缩方法。  相似文献   

13.
城市建成区的发展状况是地理国情监测的重要内容,本文基于遥感影像数据和POI数据对城市建成区进行提取,针对二者的适用性问题进行了研究。试验以沈阳市为研究区域,在研究区域内选择2016年遥感影像数据和POI数据作为数据源进行对比分析。首先,对遥感影像数据和POI数据进行预处理;其次,通过监督分类的方法对遥感影像进行建成区的提取;然后,采用核密度估计法分析POI数据并提取出建成区;最后,利用叠加分析法对比分析这两种数据的适用性。试验结果表明:使用遥感影像数据作为数据源可以较为全面客观地反映城市建成区的发展现状;利用POI数据提取出的城市建成区具有较强的经济属性,能够很好地反映出城市中的经济活跃区。  相似文献   

14.
小波低频子带预测的遥感图像分布式编码   总被引:1,自引:0,他引:1  
传感技术的不断发展使遥感图像的时间、空间和光谱分辨率不断提高,信息量日益增大,给遥感图像的存储和传输带来了极大挑战,传统图像编码策略难以适应这种基于上行的遥感图像应用需求。本文提出一种基于小波低频子带预测的分布式遥感图像编码方案,利用预测插值的方法得到用于解码Wyner-Ziv的辅助信息,图像的低频信息采用小波零树编码方案,而预测误差图像采用基于均匀量化和位平面的Turbo混合编码方案;在解码端,以预测误差图像的码流作为辅助信息,将其与图像的低频信息码流进行联合解码。实验结果表明,提出方法具有编码效率高、失真率小、压缩比高、抗误码性强和码流具有质量可分级等特性。  相似文献   

15.
高空间分辨率遥感影像中地物目标内部光谱信息复杂性的增强,使得传统基于光谱特征值的数据处理方法效果不再显著,影像分割为解决这一问题提供了一种思路,成为当前高空间分辨率遥感影像处理的研究焦点.时刻独立脉冲耦合神经网络具有状态相近、空间相邻神经元相互耦合同步脉冲激发和区域之间神经元脉冲激发时刻独立两大特点,已被应用于非遥感影像分割中,并取得较好效果.本文结合高空间分辨率遥感影像特点,通过对网络参数进行实验和分析,提出一个基于时刻独立脉冲耦合神经网络的高空间分辨率遥感影像分割方法,并利用空间分辨率0.3m的航空影像进行了数据试验,将分割结果进行讨论并与现有时刻独立脉冲耦合神经网络方法和ISODATA方法分割结果进行对比分析.结果表明:时刻独立脉冲耦合神经网络在高空间分辨率遥感影像分割处理中具有很好的应用前景.  相似文献   

16.
吴一全  王志来 《遥感学报》2017,21(4):549-557
为有效融合多光谱图像的光谱信息和全色图像的空间细节信息,提出了一种基于混沌蜂群优化和改进脉冲耦合神经网络(PCNN)的非下采样Shearlet变换(NSST)域图像融合方法。首先对多光谱图像进行Intensity-HueSaturation(IHS)变换,全色图像的直方图按照多光谱图像亮度分量的直方图进行匹配;然后分别对多光谱图像的亮度分量和新全色图像进行NSST变换,对低频分量使用改进加权融合算法进行融合,以互信息作为适应度函数,利用混沌蜂群算法找到最优加权系数。对高频分量采用改进脉冲耦合神经网络(PCNN)方法进行融合,再经NSST逆变换和IHS逆变换得到融合图像。本文方法在主观视觉效果和信息熵、光谱扭曲度等客观定量评价指标上优于基于IHS变换、基于非下采样Contourlet变换(NSCT)和非负矩阵分解(NMF)、基于NSCT和PCNN等5种融合方法。本文方法在提升图像空间分辨率的同时,有效地保留了光谱信息。  相似文献   

17.
随着卫星遥感影像分辨率的不断提高,人们希望从遥感图像中获得更多有用的数据和信息,所以遥感影像的分类变得尤为重要.但是基于光谱特征的影像分类精度过低,不能满足生产的需要,所以研究利用其他辅助手段来提高遥感影像的分类成为未来发展的一个重要方向.本文研究了利用灰度共生矩阵提取纹理特征的方法并对利用纹理特征影像辅助光谱特征分类的方法进行了研究.实验结果表明,纹理特征辅助光谱特征分类能够提高遥感影像分类的准确性和精度.  相似文献   

18.
高分辨率遥感影像分割方法研究   总被引:1,自引:0,他引:1  
在遥感应用分析中,遥感影像分割是低层影像处理和中高层影像分析和理解的桥梁,是实现遥感影像信息自动提取的关键步骤,具有重要的意义。随着大量高分辨率遥感影像的出现,传统基于像素的影像处理方法已不能适应高分辨率遥感影像。近年来,国内外研究者们提出了面向对象影像的分析方法,而面向对象影像分析方法的关键就是影像分割,影像分割精度直接影响着高分辨率遥感信息提取和目标识别的精度。首先给出一般图像分割方法的综述;然后分析和总结了当前主要的高分辨率遥感影像分割方法,着重阐述了均值漂移、分形网络进化、马尔科夫随机场等分割方法的特点和研究现状;最后,对高分辨率遥感应用分析中影像分割方法的发展趋势进行了讨论与展望。  相似文献   

19.
兴趣点,又称POI(points of interest)是网络地图、导航地图中重要的表达要素,包括餐饮、娱乐、金融机构、旅游景点、地标建筑、加油站、停车场等人们日常生活中最为经常使用的信息。其数据的准确性、属性的丰富程度、表达的清晰度及其实时显示效率都将影响地图的服务质量。当前POI表达存在许多问题,特别是在用户搜索特定信息时,由于查询结果数据量较大,造成POI的叠置、压盖等,这一问题严重影响了用户对POI信息的查询与检索。地图综合提供了大量的算子算法以实现点或点群要素的选取,但是它们在综合效率方面亟待提高。面向矢量数据处理的并行计算,其数据划分不仅需要满足负载均衡、划分算法高效等要求,而且对于划分后各部分数据在计算前后拓扑关系的保持也显得尤为重要。兴趣点与路划网络是密切相关的要素,两者之间存在着相互依存的空间关系。本文提出基于路划网眼划分兴趣点的方法,既能保证兴趣点的划分效率,又能保证不同分区内POI选取计算的正确性。选择点选取算法中的"圆"增长算法,采用典型试验区域的路划网眼数据,基于不同节点数划分兴趣点数据,实现兴趣点选取并行计算。试验证明,该方法不仅保证了兴趣点划分的均衡性,而且可以提高兴趣点选取计算效率。通过这一研究,对面向矢量数据的地理信息分析、地图制图综合等复杂算法的并行计算具有重要意义。  相似文献   

20.
多源信息融合中小波变换的应用研究   总被引:12,自引:1,他引:12  
钟志勇  陈鹰 《测绘学报》2002,31(Z1):56-60
研究了小波变换在多源信息融合中的应用,主要涉及高分辨率全色影像与低分辨率多光谱影像融合问题及合成孔径雷达与光学影像的融合问题.主要方法是基于地物光谱信息特征的彩色融合与基于几何特征的融合.利用小波技术对整个融合过程加以改进.获得的融合结果表明基于光谱特征信息的融合方法,可以有效地提高多光谱影像的空间分辨率,而基于几何特征的融合方法,可以提高对遥感影像的目视解译效果.视觉效果上就是将高分辨率影像的细节加入到了低分辨率多光谱影像中,并同时保持原始影像的光谱特征.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号