遥感影像反卷积复原处理

在遥感影像成像过程中,PSF是传感器和影像获取时刻的大气特性的共同作用结果,但是遥感影像中通常不具有明显的较理想点状结构来近似估计点扩展函数(PSF).本文讨论了一种基于遥感影像典型线状地物阶跃边界的PSF估计方法,并采用频域-小波域混合正则化ForWaRD算法对其进行复原处理.对SPOT及中巴资源卫星1号影像数据的实际处理结果表明,该方法能很好地改善影像质量,且计算量不大,具有较强的鲁棒性.     

遥感影像中多个机密信息的授权使用技术

一般的图像域信息隐藏算法并不适用于遥感影像,将信息隐藏的涵义加以拓广,提出了遥感影像中多个机密信息的授权使用技术,即根据用户的不同权限对遥感影像中的多个机密信息进行不同程度的隐藏,并提出了适用于遥感影像的信息隐藏小波域算法,该算法是盲算法,且基于HVS(human visual system)特性,并自适应于遥感影像特征。能很好地保存机密地物的纹理与光谱特性,复原遥感影像逼真,对遥感影像的应用价值没有影响,且对影像添噪与JPEG有损压缩具有较强的鲁棒性。     

遥感图像复原网格处理*

在遥感图像应用中,为了满足海量数据快速处理和图像清晰化的需求, 设计了遥感图像复原网格平台的处理流程和框架,使用有约束去卷积算法对图像进行复原,采用块处理和Neumann边界条件解决了网格复原中的海量数据快速处理和边界效应等问题,并基于中间件技术开发了应用软件。实验结果表明,开发的遥感图像复原网格处理平台能极大地提高海量数据的处理效率并得到满意的复原结果。     

基于NASA World Wind的遥感影像处理方案研究

该文主要研究海量遥感数据的可视化,针对NASA World Wind在遥感影像数据处理应用中面临的多景遥感影像之间存在拼接问题,设计基于NASA World Wind的遥感影像处理方案。本方案着眼于单景遥感影像处理,对NASA World Wind多分辨率图层技术进行改进,提出基于单景遥感影像的多分辨率图层技术,从而避免了多景遥感影像处理中的拼接问题。该处理方案有效的避免了多景遥感影像之间的拼接问题,实验证明处理后的遥感影像显示效果良好。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

GIS支持下的湿地遥感信息高精度分类方法研究

遥感影像高精度自动分类方法的实现是制约遥感数据应用的瓶颈之一。以知识和地理信息系统为支撑,进行湿地遥感影像的分类,并对各项分类方法的精度进行比较评价,从而为湿地遥感的分类方法提供依据。实验结果表明经辐射增强降噪处理后湿地边界更加明晰;而对于处于生长期的湿地影像,经过光谱增强缨帽处理后,明显提高了区分湿地亚类的精度。结合以上两种分类方法的优势,利用GIS技术对二者进行空间处理,取长补短,生成了湿地遥感影像分类图。实验证明基于3S技术的分类方法精度更高,是一种较好的湿地影像自动分类方法。     

基于HBase的遥感数据分布式存储与查询方法研究

遥感影像的存储与查询是地理信息处理中重要的内容,在海量遥感影像的实时处理中发挥着重要作用。针对传统的遥感影像处理中存在单节点故障、扩展性低和处理效率低等问题,提出了一种基于HBase的遥感数据分布式存储与查询方案。该方法首先采用均匀网格对遥感影像进行划分,并根据划分结果设计了一种基于网格ID和Hilbert曲线相结合的索引方案。然后,通过利用HBase的过滤机制设计了过滤列族,达到了在查询时筛选数据的目的。另外,采用MapReduce的并行处理方法对影像数据进行并行写入和查询。实验结果表明,与MySQL和MapFile相比,该方法可以有效地提高数据的写入和查询速度,且具有较好的可扩展性。     

基于ENVI软件的遥感影像内插方法偏差改正

ENVI是由遥感领域的科学家采用交互式数据语言IDL(Interactive Data Language)开发的一套功能强大的遥感图像处理软件,其能够快速、便捷、准确地从遥感影像中提取所需的信息。为了对影像进行更好的分析和处理,ENVI提供了一套基础的影像内插方法用于对影像进行插值处理。然而,由于理论上的缺陷,其采用的插值方法存在一定的偏差,从而导致后续的影像处理工作中引入了人为的误差影响。因此基于ENVI软件所用的影像内插方法,从理论入手指出其不足之处并对其模型进行改正。通过实验证明,改正后的内插方法能够获得更为准确的插值影像,从而为下一步的处理提供更为准确的数据结果。     

在VB利用内存映射文件读取大数据量原始遥感影像图

原始遥感影像数据一般是经过粗处理后以二进制格式提供给用户。这些影像数据同一般的图像数据相比数据量较大,通常采用专业遥感软件进行读取和处理。但当前应用中对遥感数据处理和分析的方法大多都要和GIS相结合,而当前国际流行的商业GIS一般都不具有图像处理功能,同样在商业遥感影像处理软件方面也很难发现较强的GIS功能。如何把GIS和RS有效地结合起来,是目前实际应用中面临的一个问题。论文在分析GIS和遥感影像处理功能集成的方法和意义的基础上,对比了传统文件读取方法和内存映射文件处理方法之间的差异,并给出了利用内存映射文件的方式显示和处理大数据量原始影像文件的具体实现思路。     

利用信息熵的高光谱遥感影像降维方法

高光谱遥感影像以其众多的波段数目，为地表观测提供近乎连续的波谱数据；然而海量的高光谱遥感影像存在着大量的信息冗余，为数据的处理带来了挑战。因此在对高光谱遥感影像进行存储、分析及可视化等操作之前，对高光谱遥感影像降维处理成为预处理的关键环节之一。利用信息熵理论，将高光谱遥感影像的各波段抽象为具有相关性的独立个体，设计了高光谱遥感影像的决策表矩阵，进而计算各波段的信息熵，量化各波段的信息量，从而将各波段根据信息增益进行排序。用户可根据高光谱遥感影像应用的精度需求，按排序选择波段组合，从而达到降维目的。以遥感分类结果的精度评价为例，对高光谱遥感降维方法的可行性和优越性进行评价。实验结果表明，该方法相较其他特征选取降维方法，能获得更高的分类精度。     

基于深度学习的卫星遥感图像边缘检测方法

为解决卫星遥感图像边缘模糊噪点过多,导致图像清晰度过低的问题,提出基于深度学习的卫星遥感图像边缘检测方法。利用Softmax分类器结构,提取边缘图像节点处的数据信息参量,遵循深度学习算法,完成对图像信息的卷积与池化处理,实现基于深度学习的卫星遥感图像识别。根据尺度空间定义原则,确定边缘检测特征点所处位置,再联合梯度信息熵计算结果,完成对卫星遥感图像的拼接处理。分别计算一阶微分边缘算子、二阶微分边缘算子的具体数值,确定梯度幅值的取值区间,总结已知数值参量,建立完整的双阈值表达式,完成基于深度学习的卫星遥感图像边缘检测方法的设计。实验结果表明,应用所提方法后卫星遥感图像边缘节点处信噪比指标增大,可有效控制模糊噪点对图像清晰度的影响,在卫星遥感图像边缘精准检测方面具有较强的实用性。     

车辆运动模糊图像的快速恢复

论文针对运动造成的模糊图像,根据运动造成的图像模糊的特点,建立了原始图像与模糊图像间的关系,在此基础上提出了一种运动模糊图像的快速恢复算法,并用于车辆运动模糊车牌图像恢复中。实验结果验证了该方法的有效性。     

基于环境卫星CCD影像的薄云去除研究

云雾覆盖是光学遥感影像的主要噪声之一,它严重影响了遥感影像的判读和使用。如何降低或去除薄云的影响,恢复云下地表信息,成为提高遥感影像可用性的重要环节。本文分析了环境卫星CCD影像的特点,基于BSHTI(Background Suppressed Haze Thickness Index)云检测方法,对BSHTI方法进行了适应性改进和完善。通过目视评价和统计分析,表明该方法不仅能够有效地降低薄云雾的干扰,而且可以在很大程度上减少遥感影像信息的损失,同时较好地保持了原始影像的清晰度和连续性,是一种有效可行的薄云去除方法。     

基于正则化约束的遥感图像多尺度去模糊

目的遥感成像过程中的图像降质严重影响了高分辨率成像与高精度探测,为了改善遥感图像质量,提出了基于正则化约束的遥感图像多尺度去模糊方法。方法首先利用双边滤波器和冲击滤波对遥感图像进行预处理,然后结合遥感图像模糊核的稀疏特性,使用正则化方法迭代求解模糊核最优解,最后利用基于梯度稀疏的非盲反卷积方法得到去模糊结果。此外,针对图像模糊程度较严重的情况,分析了尺度信息对去模糊结果的影响,提出了多尺度迭代优化方法。结果采用本文方法对大量遥感图像进行去模糊,实验结果表明该方法能有效地去除遥感成像产生的模糊,在保持图像边缘和细节的同时,可有效抑制振铃效应。相比其他方法,本文方法恢复图像的边缘强度平均提高28.7%,对比度平均提高17.6%。结论提出一种正则化约束的遥感图像多尺度去模糊方法,主观视觉感受和客观评价指标都表明该方法可以有效提升遥感图像质量。     

基于Retinex理论的新型遥感图像增强算法

针对遥感图像视觉存在对比度差\,分辨率低的缺点,以及传统的Retinex算法在对图像增强时往往会出现色彩恢复不协调,呈现泛白发灰现象,提出了一种多尺度Retinex算法与直方图均衡化相结合的新型遥感图像增强算法。首先对多尺度Retinex算法进行非线性全局改进,用于增强HSV色彩空间中的V分量,然后用直方图均衡化方法对RGB空间中三分量做同步增强处理。实验结果表明:与多尺度Retinex算法相比,算法增强后图像的均值可达到127,信息熵可提高29.5%,而且算法有效地解决了图像色彩恢复不协调和泛白发灰现象。     

资源三号卫星在轨MTF测量与图像复原

随着高分辨率遥感卫星发射数量的增多,高分辨率遥感图像数据应用需求也日益增强,而遥感数据的质量直接影响到其数据应用的可靠性和精确性。为此,对高分辨率遥感图像数据进行图像复原是非常有必要的。针对资源三号卫星电荷耦合装置相机遥感图像高空间分辨率的特点,分析在仅有图像信息的情况下系统调制传递函数（MTF）的在轨测量方法,验证双边缘法的可行性。探讨双边缘线状地物选取方法,同时推导证明二维MTF矩阵的构建方法,并借助二维MTF矩阵对原图像进行修正反转滤波实现图像复原。试验结果表明,复原后的图像质量明显提高。     

结合纹理去除的遥感图像分割

针对包含复杂纹理信息的遥感图像难以进行精准图像分割的问题,提出了一种结合纹理去除的遥感图像分割方法。首先,改进了相对全变差纹理去除方法,通过引入新的范数约束使相对全变差纹理去除方法可以在去除纹理信息的同时凸显图像中的主要结构,达到辅助分割的效果;然后,使用均值漂移算法对经过纹理去除的遥感图像进行无监督聚类,达到分割的目的;最后,提出的遥感图像分割算法在不同遥感图像上进行了测试。实验结果表明,在高分辨遥感图像的分割上,所提算法可以分割出遥感图像中的主要目标,和直接分割或者结合其他纹理去除方法相比取得了更好的分割结果。所提出的分割算法可以降低纹理信息对图像分割的影响,提高遥感图像分割的精度。     

局部自适应混合模型的遥感图像去噪算法

遥感图像的噪声分析和去除作为经典问题一直受到关注并成为遥感图像处理的一个重要研究领域。传统的去噪方法在一定程度上可以去除图像中的噪声,但往往在去噪的同时会使图像的边缘和细节信息模糊化。针对P-M模型在去除遥感图像高斯噪声时所存在的对图像强边缘和细节附近的噪声难以去除,以及ROF模型通常会导致平坦区域出现“假边缘”,甚至会产生块状效应等问题,提出一种基于局部自适应的混合模型。该模型针对图像局部区域所包含纹理信息的不同,自适应地调整约束权函数,使模型在平滑局部区域能更多地发挥P-M模型的特点,而在纹理丰富或边缘区域则更多地发挥ROF模型的特性,使模型在有效地去除高斯噪声的同时,很好地保护了遥感图像中的边缘特征和细节纹理信息。实验结果表明,对相同的高斯噪声所提出的混合模型去噪后图像的SNR较P-M和ROF模型分别提高了3dB和2dB。     

基于2-D公共因子提取的单幅图像盲复原研究

利用2-D公共因子（GCD）提取可以有效地实现图像盲复原,但通常需要原始图像的两幅降晰图像,这在某些条件下并不能满足,极大限制了此方法的应用。发展了一种基于2-D公共因子的单幅图像盲复原方法,利用2-D公共因子提取从一幅降晰图像中估计降晰函数,再利用经典的图像反卷积技术,从而复原原始图像,仿真实验证明了该方法的有效性。     

任意方向运动模糊图像的恢复

为了精确恢复任意方向直线运动产生的模糊图像 ,结合双线性插值与计算机图形学的知识 ,直接在其运动方向上设置空间域点扩展函数。通过对模糊图像的频谱分析 ,检测出其运动参数 ,使用投影恢复方法在空间域作图像恢复 ,取得了较好的效果 ,给出了详细的算法及实验结果。