云层遮挡是影响遥感图像质量的主要因素,对受云层遮挡的遥感图像进行云检测是遥感数据修复过程中需解决的首要问题。在参考国内外大量文献的基础上,分析了云检测方法的研究现状,对现有的检测方法进行分类和综述,并重点介绍几种常用卫星数据的云检测方法,通过对不同云检测方法的比较,总结了现有云检测方法存在的问题以及发展趋势。
卫星影像高精度匹配一直是备受关注的热点问题。以高分一号(GF-1)卫星PMS传感器双相机全色影像为研究对象,通过对其同名点间的几何偏移特性进行长时间序列统计分析后,提出了一种顾及多相机拼接成像特征的GF-1卫星影像自适应匹配方法。该方法是在传统影像匹配过程中加入自适应算法,利用迭代计算实现对目标搜索窗口、范围和方向的自适应选择。研究结果表明,该方法能够实现GF-1卫星同轨全色影像间的高精度自适应匹配,可以为其他类似卫星传感器影像匹配提供参考依据。
针对传统RANSAC点云分割算法在处理多层次、多面片的复杂建筑物中的困难,提出一种改进算法对建筑物点云进行分割和几何基元的提取。首先,结合基于坡度和高差的三角形区域生长方法,对复杂建筑物的不同结构层次进行分解,提高了随机采样时的有效模型命中率,并降低了错分现象; 然后,提出一种浮动一致集阈值的RANSAC算法,通过自动调整RANSAC算法中的关键参数,使算法能够适应不同尺度的几何基元。实验证明了该算法在复杂建筑物点云数据分割效果和运算效率上的有效性。
目前主流的高分遥感影像(high resolution remote sensing image,HRI)分割算法在区域合并顺序的确定中很少考虑区域自身的分割质量信息。针对该问题,提出了一种启发法优化的策略,以提高农田地区HRI的分割精度。首先,提出了区域内和区域间的“均一致模型”,前者是利用区域内光谱变化信息来建模的,后者则综合考虑了区域间多光谱与植被信息提取的边界强度; 其次,将区域内和区域间的均一致模型合并,构建启发法的执行标准; 最后,利用该标准使区域合并的搜索过程能够考虑待合并区域自身的分割质量,从而有效抑制过分割与亚分割错误。利用2景不同特点的农田地区HRI进行分割实验,并将所提出的启发法与2种新提出的分割算法进行对比分析。对分割结果的定量评价结果表明,启发法优化策略可以显著提高农田地区HRI的分割精度。