排序方式： 共有19条查询结果，搜索用时 31 毫秒
1.
GIS课程是集计算机技术、测绘科学、应用数学、信息科学、地球科学于一身的交叉学科,也是遥感类专业重要的核心课程。培养具有"3S"素质的创新型遥感应用人才是遥感专业建设的科学目标。CDIO教学模式在一定程度上较好地解决了工程教育中理论与实践脱节的问题,因此,本文提出运用CDIO工程教育模式,改革教学内容、教学方法和考核方式,提高遥感专业学生处理综合性专业问题的能力。 相似文献
2.
摘 要：针对提高星载SAR图像质量的问题,研究双通道星载SAR图像重建模型。由目标散射中心理论和后向散射特性分析,得出SAR图像具有稀疏特性,并且能够用确定性稀疏先验约束表达。将稀疏特性先验从单幅机载SAR图像处理问题中推广引入到两幅星载SAR图像重建问题中,提出基于散射中心稀疏和强散射梯度的双通道正则化重建模型,并采用椭圆抛物面模型估计重建中的降质矩阵,用双下降求解方法求解重建模型。并用Cosmo-SkyMed数据进行了实验验证。实验表明,该重建模型能够提高SAR图像的距离向和方位向分辨率,改善图像质量,提高解译能力。 相似文献
3.
4.
针对SAR与光学图像的融合问题,提出一种基于SAR图像中纹理特征的Contourlet变换融合方法。利用灰度共生矩阵法提取SAR图像的纹理特征,分析各个纹理特征间的相关性,得到重要纹理特征图。用HSV变换提取光学图像的强度分量。将重要纹理特征和强度分量利用改进的Contourlet多尺度变换融合,得到新的强度分量。通过HSV逆变换得到SAR与光学的融合图像。利用Landsat8和Cosmo-SkyMed图像进行融合实验,并与小波、HSV、Brovey、Contourlet变换融合方法对比分析,实验表明该方法能够较好的保持光学图像的光谱特征和SAR图像的纹理、强散射特征,增加图像细节信息,提高图像可解译性。 相似文献
5.
6.
针对有云的资源三号立体数据生成的DEM存在的问题进行了分析,提出了DEM的修正方法。首先,利用面向对象图像分割的原理,建立规则提取云区域,并形成云区域矢量文件;然后,利用提取的云区域裁剪外部参考DEM,得到云区域修正的DEM值,并利用栅格运算替换资源三号原DEM中云区域的值;最后,得到研究区无云区域的修正DEM。并利用湖北咸宁地区资源三号立体数据和30 m ASTG DEM数据进行了实验验证,实验证明,本文方法可以有效地去除云区域的错误DEM值,为后期应用提供更可靠的DEM数据。 相似文献
7.
针对极化SAR图像的伪彩色融合问题,本文提出了最佳指数模型结合HSV变换的伪彩色融合的方法。首先,将4个极化数据进行滤波去噪处理,计算4个极化通道的OIF值,以OIF值为依据选择3个极化方式作为最佳极化组合,并分别赋予RGB颜色通道,得到伪彩色融合图像;然后,将RGB彩色图像变换到HSV色彩空间,分别提取出色度分量H、饱和度分量S、亮度分量V1;同时,将颜色合成之外的第四个极化通道的灰度值作为亮度分量V2,将V1和V2进行加权平均,得到新的亮度分量V。最后,将新的分量V和分量H、S逆变换到RGB空间,得到新的伪彩色融合图像。利用RADARSAT-2全极化数据进行了实验,并和分解伪彩色结果对比,从主观观察和客观定量两个方面对伪彩色融合图像的质量进行了评价,验证了Pauli提出方法的有效性。 相似文献
8.
针对目前遥感图像超分辨率重建中存在边缘细节信息重建效果不佳的问题,本文提出了—种自相似性特征和边缘特征保持分解的超分辨率重建方法。首先,为了充分利用原始低分辨率图像自身的相似性信息,通过局部自相似性重建方法得到图像的初始重建结果;然后,为进一步增加不同尺度的边缘信息,采用加权最小二乘法对初始重建结果进行多尺度边缘保持分解,并对分解的细节层进行加权线性组合;最后,通过优化计算,得到融合多尺度边缘、细节信息及局部相似性特征的超分辨率重建图像。利用多组仿真和遥感卫星图像进行对比试验。结果表明,该方法可有效提升遥感图像的边缘信息和细节信息。 相似文献
9.
在含有运动地物的“凝视”卫星视频影像超分辨率重建问题中,针对由于运动估计不准确导致的重建后运动物体存在“格网”和“拖尾”等问题,提出了顾及运动估计误差的运动场景超分辨率重建方法。首先,在MAP模型框架下分析了基于L1范数和L2范数的保真项对于运动估计误差的稳健性,引入稳健的M-估计作为保真项,自适应的减少运动估计误差对重建结果的影响;然后,分析了稳健估计条件下Tikhonov、TV、BTV正则项的重建效果;最后,提出了基于稳健估计的双边滤波超分辨率重建方法,用SkyBox和吉林一号的卫星视频数据验证本文方法。试验证明,本文方法对含有运动目标的卫星视频影像具有较好的重建效果,重建后动态和静态地物细节都得到提升,归一化方差和梯度能量指标都优于其他方法。试验表明了本文方法的可行性。 相似文献
10.
针对合成孔径雷达(SAR)图像序列超分辨率重建过程中对配准误差敏感的问题,该文提出了一种单应性约束的最大后验超分重建方法。首先,对SAR图像序列的中间帧做2倍上采样,将其作为基准图像,利用本文改进的尺度不变特征变换(SIFT)配准算法依次计算SAR图像序列的每一帧与基准图像之间的单应性。通过对待配准图像进行分幅、放大阈值、单应性筛选等操作,达到增加匹配点数量、有效去除误匹配的目的。然后,将单应性作为配准参数,对图像进行配准,并对配准后的图像进行重采样,重采样后的图像利用最大后验(MAP)超分算法进行超分重建,得到高分图像。实验结果表明,该文改进SIFT配准算法可以在保证匹配点对正确率较高的同时增加匹配点数量,且算法复杂度低。改进MAP重建算法与经典超分方法相比,图像质量更高,细节更好。 相似文献