1.辐射校正是消除非地物变化所造成的图像辐射值改变的有效方法,按照校正后的结果可以分为2种,绝对辐射校正方法和相对辐射校正方法。绝对辐射校正方法是将遥感图像的DN(DigitalNumber)值转换为真实地表反射率的方法,它需要获取图像过境时的地表测量数据,并考虑地形起伏等因素来校正大气和传感器的影响,因此这类方法一般都很复杂,目前大多数遥感图像都无法满足上述条件。相对辐射校正是将一图像作为参考(或基准)图像,调整另一图像的DN值,使得两时相图像上同名的地物具有相同的DN值,这个过程也叫多时相遥感图像的光谱归一化。这样我们就可以通过分析不同时相遥感图像上的辐射值差异来实现变化监测。因此,相对辐射校正就是要使相对稳定的同名地物的辐射值在不同时相遥感图像上一致,从而完成地物动态变化的遥感动态监测。
2.理解并剖析高分辨率遥感影像目标分类与识别,在滤波降噪,特征提取,目标检测,场景分类,目标分类和目标识别的关键技术及其所存在的问题后;结合并行计算,神经计算和认知计算等技术,讨论了目标分类与识别的可行性方案.具体包括:
(1)高性能并行计算在高分辨率遥感图像处理的主流技术,并给出了基于Hadoop+Open MP+CUDA的高分辨率遥感影像混合并行处理架构;
(2)深度学习对于提升目标分类和识别精度的应用前景,以及基于深度神经网络的多层次遥感影像目标识别方法;
(3)认知计算在解决遥感影像大数据不确定性分析的模型与算法,并讨论了层次主题模型的多尺度遥感影像场景描述方案