导读:本文包含了遥感图象论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:遥感,图象,算法,彩色,素数,机群,组合。
遥感图象论文文献综述
孙可,殷守林,刘杰[1]（2016）在《一种改进的蚁群算法在高光谱遥感图象分类中的应用》一文中研究指出针对原始蚁群算法在高光谱遥感图象分类中收敛速度慢,结果不精确的缺点,提出了一种改进的蚁群算法,并把基于改进蚁群算法的特征选择应用在高光谱遥感图象分类中,从而建立一种新的高光谱遥感图象分类模型。模型分为3部分:基于传统蚁群算法原理,提出新的蚁群算法信息素更新方法;使用改进后的蚁群算法,令蚂蚁在平面上随机选择一个随机投影到平面上的特征,在所有特征中,使用判别函数来确定哪条路径最优,随后形成特征组合;根据特征组合,使用极大似然分类器对遥感图象进行分类。实验结果表明,基于改进的蚁群算法更能有效的对高光谱遥感图象进行分类。(本文来源于《沈阳师范大学学报(自然科学版)》期刊2016年03期）
宋晓玲,苏海红[2]（2016）在《基于数据融合的遥感图象处理技术》一文中研究指出随着不断增多的遥感应用获取数据。从单一可见光传感器发展至今,传感器的种类也越来越多,如光谱、红外、雷达以及高光谱等,从而在数据量的获取上也越来越多。但是随着数据信息的不断增多,也让更多的数据使用者在进行数据处理上不得不设计出更加有效的数据处理系统,只有这样才能让更加有用、更加精简、更加高质量的信息能够提取出来。本文通过对数据融合的框架结构和融合方法进行分析,并在此基础上探讨了这些数据融合方法在遥感图象处理中的应用。(本文来源于《电子技术与软件工程》期刊2016年06期）
陶宇[3]（2012）在《面向星载应用的高保真遥感图象压缩核关键技术研究》一文中研究指出卫星遥感图象数据分辨率高、数据量大，受星载存储器的存储空间有限以及卫星过顶时间短等因素限制，海量的遥感数据的处理及存储是必须面对的一个问题。星载遥感图像压缩系统不同于一般地面压缩系统。对于星载遥感图象压缩系统而言，需要考虑多种特殊因素，如体积、功耗、压缩速度以及压缩质量等等。因此根据星载环境的特点以及遥感图像的特性，研究适合于星载遥感图像的压缩算法并对其进行改进使其适用于星载系统，具有重要的理论意义和实际应用价值。JPEG2000是现今优秀的图象压缩算法，在遥感数据压缩领域起到了非常重要的作用。但是由于其是针对普通图像压缩所提出的，因此当应用在遥感图像压缩时会产生不可避免的问题。对JPEG2000算法进行改进使之适用于遥感图像这类特殊数据显得尤为必要。因此本课题主要在JPEG200图像压缩算法的基础上对其进行分析改进并实现了一个基于JPEG2000的遥感图像压缩核。首先，星载遥感图象压缩系统与地面图像压缩系统比较存在很大差异。压缩系统自身的体积、功耗及处理速度等必须适应星载的特殊需求。研究高效且适用于遥感图像的压缩算法，将其作为后续研究的理论基础。从算法与实践结合的角度分析了遥感图像及JPEG2000的特性，对于后续的算法改进及实现起着理论指导作用。其次针对星载遥感图象压缩系统要求压缩速度快质量高的特点，提出了基于不同地物场景的高保真遥感图象快速压缩技术。在常规观测任务中，用户最为关注的是地面接收到的图象数据能否完整的表达观测目标信息，尤其是标志性的细节特征，以满足量化分析及应用需求。不同的观测对象在图象上具有不同的特征体现，为更好地满足后续应用的需求，需要针对不同的地物场景研究差异化的压缩模式，形成可重构参数集。同时研究适合大幅宽遥感图像的全局码率分配技术以及等通路数截断技术，并进行了算法软件实现。最后本文在理论研究的基础上，进行了遥感图象海量数据压缩并行结构设计及压缩核的实现。由于遥感图象数据量巨大，而遥感图象数据的存储及下传受星载数据存储器容量与有限下传的带宽的限制，因此需要对传感器采集到的遥感图象数据进行压缩，以达到减小数据量便于存储传输的目的。受软硬件条件限制，单个压缩核每秒所能压缩处理的图象数据量是有限的，因此需要根据星载压缩系统的相关参数，讨论计算所需压缩核数量以及压缩核并行结构的合理性，快速有效分配待压缩的图象数据，研究遥感图象海量数据的压缩处理技术。设计并实现一个基于ADV202的星载遥感图象压缩核，围绕ADV202以及FPGA的配置、接口等模块进行阐述，并设计了一个利用Qt平台开发的上位机软件，实现了上位机电脑与压缩核之间的数据通信。(本文来源于《哈尔滨工业大学》期刊2012-07-01）
杨学峰[4]（2011）在《遥感图象频域和空域超分辨重建技术研究》一文中研究指出图象分辨率是图象质量的重要指标之一。遥感图象是很重要的一类图象,其分辨率的高低对目标识别和精确判读有重要影响。图象超分辨重建是指利用同一场景的一帧或多帧低分辨率图象重建一帧或多帧高分辨率图象的技术。本文针对遥感图象特点及其超分辨需求,在不改变成像系统硬件条件的情况下,分别在频域和空域对图象超分辨重建技术进行创新性研究。在遥感图象频域超分辨重建技术方面,以两帧输入为重点,利用基于频谱扩展与补偿的单帧超分辨算法和再采样函数突破频域解混迭方法的两个限制条件:输入低分辨率帧数要求最少四帧和帧间亚像素位移满足一定的关系,建立改进的频域解混迭方法。首先对基于频谱扩展与补偿的单帧超分辨算法进行改进。提出频谱变换与增强滤波器,在振铃程度较小时执行该滤波器,使得在不降低超分辨效果的同时大大减少运算量;利用五次多项式拟合提出表示振铃程度的控制参数P值的自适应设置方法,使得对图象振铃程度的检测更为准确和方便,建立了改进的单帧超分辨算法。在改进的两帧输入频域解混迭方法中,首先利用建立的单帧超分辨算法对两帧输入低分辨率图象分别执行行和列各放大四倍模式的单帧超分辨,再利用高斯再采样函数对单帧超分辨结果分别进行行和列1/4模式的下采样,得到和原输入低分辨率图象具有同样分辨率等级的32帧图象,突破了频域解混迭算法对帧数的限制条件;研究了帧的挑选方法,从32帧中挑选满足位移限制条件的12帧图象执行频域解混迭算法,从而突破了算法对帧间位移的限制条件。一系列实验结果表明,模拟遥感的仿真实验可使图象的PSNR提高6~8dB;真实两帧输入的实验可使结果图象相对输入图象的对比度改善达到11~12dB;可以将2.0m和3.0m分辨率的遥感图象分辨率分别提高1.54倍和1.77倍以上。在遥感图象空域超分辨重建技术方面,依次对泊松最大后验概率(PMAP, Poisson Maximum A-posteriori Probability)估计技术、凸集投影(POCS, Projection Onto Convex Sets)估计技术以及PMAP/POCS融合优化超分辨重建技术进行创新性的研究,以求达到更好的超分辨效果。根据遥感图象概率分布满足泊松(Poisson)分布的特点,对PMAP估计技术进行改进研究。通过深入分析经典PMAP估计方法的特点和限制条件,进行了叁方面的改进:加入下采样算子和位移算子使其适用于更一般的成像模型,同时也提高了超分辨效果;引入Tukey正则化项,使可能出现的“病态”问题转变为“良态”问题;在迭代运算过程中采用逐像素选择的方法,使不满足鲁棒性要求的像素点对像素更新不起作用,使其具有了更强的鲁棒性。进而,建立鲁棒性的RGPMAP(Robust Generalized PMAP)超分辨重建算法。实验结果表明,所建立的RGPMAP算法具有良好的超分辨效果和很强的鲁棒性,可使具有0.4像素配准误差或25dB噪声的2/4帧输入超分辨结果的PSNR值提高5~8dB和8~10dB以上;而该配准误差和噪声对RGPMAP算法结果影响很小,在0.7dB以内。同样,针对传统POCS估计技术鲁棒性差的缺点,增加一个高分辨率的退化图象与输入低分辨率图象对应像素之差的阈值,进行逐像素挑点操作,仅使满足条件的像素点执行POCS算法,从而建立鲁棒性的RPOCS(Robust POCS)超分辨重建算法。实验结果表明,所建立的RPOCS算法,不但具有较强的鲁棒性,而且具有更好的超分辨处理效果,可使具有0.4像素配准误差和25dB高斯噪声的2/4帧输入超分辨结果的PSNR值提高6~9dB和12dB以上,而对RPOCS算法结果影响在0.8dB以内。由于基于集合理论的POCS方法具有较强的吸收先验信息的能力,而基于概率统计理论的PMAP方法具有很强的恢复高频信息的能力,为充分利用PMAP和POCS两类方法的优点,进一步将所建立的RGPMAP超分辨重建方法和RPOCS超分辨重建方法融合起来。在融合方法中,对RGPMAP和RPOCS两种重建方法的迭代次序和迭代次数进行研究,建立RGPMAP-RPOCS融合优化超分辨重建算法。模拟遥感图象仿真实验表明,融合算法结果图象PSNR比RGPMAP算法和RPOCS算法提高2~3dB;利用两帧真实遥感图象的实验结果表明,结果图象相对输入图象的对比度改善达到13dB以上;可以将2.0m和3.0m分辨率的遥感图象分辨率分别提高约1.75倍和1.90倍。(本文来源于《哈尔滨工业大学》期刊2011-10-01）
杨为民,陈宁[5]（2011）在《遥感图象彩色融合问题中的彩色融合约束方程及其近似解》一文中研究指出彩色融合是指用分辨率较低的彩色遥感图象与高分辨率的单色图象进行合成,复原高分辨率单色图象上每个象元的彩色,产生与单色图象一样高分辨率的彩色图象。本文首先引入了YVC彩色模型,在彩色融合问题中Y是已知量,V和C是独立的未知量。其次利用在不同遥感图象中地物的反射率是相同的物理条件,首次提出了不同分辨率遥感图象彩色融合必须满足的约束方程,最后实际用一次和二次多项式展开导出了相应的近似解。按照相同的方法,也可以依次用更高次多项式来展开V和C得到彩色融合问题的高阶近似解。(本文来源于《数字技术与应用》期刊2011年09期）
李美珊[6]（2011）在《基于小波变换的遥感图象编码研究》一文中研究指出本文根据遥感图象的特点,采用了小波变换结合压缩效果较好的嵌入式编码算法SPIHT对遥感图象进行压缩。实验仿真结果表明,该算法较传统的压缩算法在峰值信噪比和重构图象质量上都有较大的提高。(本文来源于《科技传播》期刊2011年02期）
马冬冬[7]（2010）在《遥感图象复原与超分辨并行处理系统设计技术研究》一文中研究指出遥感图象在成像过程中,会受到模糊、噪声和云雾等因素的干扰,使图象质量退化,细节丢失,分辨率降低。同时,由模数(A/D)变换过程中欠采样所引起的频率混迭,会使图象高频信息丢失,产生频谱畸变,从而进一步降低图象的分辨率。图象复原与超分辨的任务就是尽最大可能地消除由这些因素所引起的图象质量退化,提高其清晰度、对比度和分辨率。本文在不改变成像系统硬件条件的情况下,力图通过地面处理的方法对遥感图象复原与超分辨并行系统设计及其算法实现技术进行创新性研究,探索能够快速高效地提高遥感图象分辨率的新技术。遥感图象复原与超分辨并行系统设计及其算法研究的内容主要分为硬件和软件两个部分,其中硬件部分包括体系结构的选择和硬件系统的构建,软件部分包括并行算法模型的建立、并行算法的实现及其性能优化。目前,并行技术的应用已遍布图象处理的各个领域,但其本身尚存在许多未解决的难题,如系统底层硬件差异大、代价高,算法标准不统一、移植性差等,阻碍了其应用和发展。对图象并行体系结构的研究是并行算法设计的基础,可实现算法到结构的最优转换。本文结合具体的算法和应用,对多种基于计算机和DSP的图象并行处理系统进行详细的分析、分类和对比,指出通用化和结构融合是图象并行处理系统发展的趋势,通用系统目前主要基于DSP和机群两种体系结构。其中,DSP适合于小规模图象并行处理的快速响应,而机群则适合于海量大尺度遥感数据的实时处理。在此基础上,利用图象复原与超分辨算法在两种结构上进行了实验分析和规模预测,结果表明采用DSP结构设计的硬件系统规模太大而难以进行管理和应用,因此选择机群作为系统实现结构。在基于机群的系统结构基础上,结合图象复原与超分辨算法的特点,可将图象复原与超分辨的并行硬件系统设计为由胖节点、Infiniband交换机和光纤磁盘阵列等设备组成的SMP机群系统。在该系统上,采用基于细粒度并行化的OpenMP与MPI相结合的混合编程模型,可以充分发挥OpenMP节点内细粒度并行和MPI节点间粗粒度并行的综合优势,获得较好的并行性能。本文随后建立该系统性能模型的表达式,给出处理器个数和系统加速比、效率之间的关系。对该模型的深入分析表明,处理器数目的增加存在限制,若超出该值,由此带来的通信开销的急剧增大将掩盖新加入处理器的贡献,反而会使系统性能降低。并行处理技术发展的现状是软件远远滞后于硬件,因此对图象复原与超分辨并行算法实现技术的研究具有重大意义。本文通过对并行算法设计中影响其性能的负载、通信和I/O叁大因素进行深入研究,建立表征通信代价的数学模型。根据该模型,对固有通信、附加通信、开销、延迟和冲突等产生的机理进行了讨论,指出合并通信是一个很好的优化策略,它能在提高通信性能的同时有效避免竞争和冲突。然后,根据I/O系统的结构,建立对应的抽象层次模型,给出各层的优化策略。最后根据图象复原与超分辨并行算法的特点,对其域分解方法进行研究,建立一种基于PPCTS结构的并行算法模型。在已建立的遥感图象域分解方法和基于PPCTS算法模型的基础上,可进行图象复原与超分辨并行算法的设计。在图象复原部分,本文提出一种基于PDE的并行扩散去噪算法,而在图象超分辨部分,则提出一种频域扩展与补偿并行超分辨算法。其中,基于二阶PDE的并行扩散去噪算法是建立在对PDE去噪相关理论和并行化技术深入研究的基础上,主要用来快速去除遥感图象中广泛存在的高斯白噪声和泊松噪声,实验结果表明该算法能够在滤除噪声的同时保护图象的边缘,其处理效果好、速度快,能够满足实时应用的需求。而频域扩展与补偿并行超分辨算法能够快速地解开频率混迭,进一步提高图象的分辨率,它在融合单帧频域内插与增强技术和频率补偿滤波器的基础上,对算法中计算量最大的FFT和矩阵相乘算法进行了并行化,因此不但能消除遥感图象中可能引起振铃现象的频率突变,拓展频谱,提高图象的清晰度、对比度和分辨率,还能够大幅度提高算法的处理速度。在具有4个处理器的并行机上进行的测试表明,两种算法的加速比都可达到3倍以上,并行效率高于75%,同时都具有较好的可扩展性。在使用2个处理器时,并行效率最高可达92.9%。(本文来源于《哈尔滨工业大学》期刊2010-12-01）
姚金[8]（2010）在《基于ERDAS IMAGINE和SUFER的磁法等值线图与遥感图象的复合》一文中研究指出本文以江西上饶永平地区为例,利用自己整合的地面磁法数据在sufer中形成等值线图,然后把其经过处理转换成*.img格式,再利用ERDASIMAGINE对其与该地区的1:50,000遥感TM影象图进行复合处理,实现了磁法异常区与遥感影象的迭加,从而更直观的为地质工作服务。(本文来源于《科技广场》期刊2010年01期）
季玲玲[9]（2008）在《高保真遥感图象压缩与分辨率增强联合处理研究》一文中研究指出日益增长的海量遥感数据为遥感图象的存储、传输及其广泛应用带来了极大的挑战,对其进行有效的数据压缩越发显得迫切和重要。然而,大多数压缩算法都一味追求高的客观质量(如信噪比)或主观质量,而忽略了遥感图象特殊的应用背景。在以信噪比为评价准则下,大多压缩算法一味倾向于舍弃高频信息的做法,易导致恢复图象分辨率的下降,这对具有丰富高频信息且应用背景特殊的遥感图象来说是很不利的。而结合压缩与后期应用目的的联合处理技术可有效避免上述算法的弊端,更好地满足遥感图象的特殊压缩要求。因此,研究适合于遥感图象的高保真压缩与分辨率增强的联合处理算法具有重要的理论意义和应用价值。JPEG2000作为最新静止图象压缩标准为遥感图象的压缩提供了新的解决途径,其所具有的优良率失真性能在一定程度上保证了压缩质量,然而JPEG2000对于遥感图象压缩也存在一定的局限性,有必要根据遥感图象自身特点及其特殊的应用背景有针对性地对其进行优化。因此,本文基于JPEG2000,主要研究高保真遥感图象压缩与分辨率增强的联合处理技术,并在理论指导下,对基于JPEG2000的遥感图象压缩系统进行了硬件设计与实现。首先,深入研究了JPEG2000基本原理和编码特性,并针对遥感图象的特点及其应用背景,与传统压缩方法进行了实验比较。在此基础上,从理论和实验两方面分析了JPEG2000在压缩过程中对图象分辨率信息的损失情况,由实验结果可知,即使是具有较高保真性能的JPEG2000在压缩的过程中也会导致图象分辨率的下降。其次,针对JPEG2000倾向于舍弃高频信息,导致恢复图象分辨率下降的问题,提出了基于JPEG2000的高保真遥感图象压缩与分辨率增强的联合处理算法。该算法充分利用了JPEG2000中小波变换的多分辨率分解和时频局部化分析特性,在小波变换后嵌入信息检测算法,在小波域提取出不同分辨率的重要信息,并在压缩的过程中对检测出的重要信息进行优先保存,从而实现高保真压缩与分辨率增强的联合处理。实验证明,该算法不仅能使重要信息丰富的区域得到高保真压缩,16倍压缩时可获得至少2dB的提高,同时有效增强了恢复图象的分辨率,从边缘检测的应用效果来看,本文算法获得的边缘检测率比Part 1推荐算法和Jasper算法的都更高,且对于不同压缩比,其检测率始终保持在90%以上,检测出的边缘连续性也更好。最后,在理论研究成果的指导下,结合小型化、集成化、多层次硬件和软件模块的设计思想,在基于专用芯片ADV202+DSP+FPGA的硬件平台上设计实现了遥感图象压缩系统。测试结果表明,该系统的压缩图象质量良好,能满足各项设计指标,且系统性能稳定、集成度较高、功能可扩展,为JPEG2000在星载遥感图象压缩中的实际应用提供了一定的新思路,具有广泛的应用前景。(本文来源于《哈尔滨工业大学》期刊2008-07-01）
李海洋[10]（2008）在《遥感图象分类方法综述》一文中研究指出论述了目前在遥感领域常用的遥感图象分类方法及其应用,指出了未来遥感图象分类方法的发展趋势。(本文来源于《林业科技情报》期刊2008年01期）
遥感图象论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
随着不断增多的遥感应用获取数据。从单一可见光传感器发展至今,传感器的种类也越来越多,如光谱、红外、雷达以及高光谱等,从而在数据量的获取上也越来越多。但是随着数据信息的不断增多,也让更多的数据使用者在进行数据处理上不得不设计出更加有效的数据处理系统,只有这样才能让更加有用、更加精简、更加高质量的信息能够提取出来。本文通过对数据融合的框架结构和融合方法进行分析,并在此基础上探讨了这些数据融合方法在遥感图象处理中的应用。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
遥感图象论文参考文献
[1].孙可,殷守林,刘杰.一种改进的蚁群算法在高光谱遥感图象分类中的应用[J].沈阳师范大学学报(自然科学版).2016
[2].宋晓玲,苏海红.基于数据融合的遥感图象处理技术[J].电子技术与软件工程.2016
[3].陶宇.面向星载应用的高保真遥感图象压缩核关键技术研究[D].哈尔滨工业大学.2012
[4].杨学峰.遥感图象频域和空域超分辨重建技术研究[D].哈尔滨工业大学.2011
[5].杨为民,陈宁.遥感图象彩色融合问题中的彩色融合约束方程及其近似解[J].数字技术与应用.2011
[6].李美珊.基于小波变换的遥感图象编码研究[J].科技传播.2011
[7].马冬冬.遥感图象复原与超分辨并行处理系统设计技术研究[D].哈尔滨工业大学.2010
[8].姚金.基于ERDASIMAGINE和SUFER的磁法等值线图与遥感图象的复合[J].科技广场.2010
[9].季玲玲.高保真遥感图象压缩与分辨率增强联合处理研究[D].哈尔滨工业大学.2008
[10].李海洋.遥感图象分类方法综述[J].林业科技情报.2008
论文知识图
