城区红外遥感云层检测技术

针对复杂地物背景下的城区红外遥感图像的云层干扰问题,提出了一种基于图像特征提取、区域投票表决和阈值分割的云层检测方法。对图像进行去噪和归一化拉伸处理,再进行多特征提取,并通过提取的特征向量对图像进行分区域云层投票表决,最后根据表决结果和分形特征度量矩阵进行阈值计算和阈值分割,并通过形态学处理得到精确的云层区域。统计检测结果显示算法对不同时刻的数据检测准确率在91%以上,证明了算法的适用性和有效性,为红外遥感图像的信息处理提供了有效的技术支持。     

基于亚像素精度分割的晶粒图像识别方法

机器视觉在工业产品质量控制中的应用越来越广,针对LED晶粒的质量检测问题,提出了一种基于亚像素精度阈值分割的方法进行LED晶粒图像的识别。首先通过图像增强及预处理,然后通过基于亚像素精度的阈值分割方法进行晶粒图像的预处理,再通过K值聚类算法进行感兴趣的区域提取,最后通过NCC归一化的方法进行晶粒位置的识别及定位。实验结果表明,提出的亚像素精度阈值分割和NCC归一化定位算法相结合的方法应用在LED分拣机中,能准确地识别出LED晶粒图像。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

一种适用于16QAM的自适应阈值载波锁定检测算法

为避免传统16阶正交幅度调制(16-Quardrature Amplitude Modulation,16QAM)载波锁定指示锁定阈值受输入信号电平的影响,提出了一种基于归一化信号高阶矩的16QAM载波锁定检测算法。针对传统基于固定阈值的检测算法在数据不满足均匀分布时失效的情况,提出了一种基于输入数据统计特性的自适应阈值载波锁定检测算法。实验结果和工程应用结果表明,所提出的自适应门限能更好地适应不同数据下的载波锁定检测。该方法已经在某卫星对接试验中得到了应用验证,取得了满意的效果。     

由数据统计特性检测噪声的中值滤波算法

为了改善中值滤波的滤波效果,提出了一种基于数据统计特性进行噪声检测的中值滤波算法,采用通过数据的离散程度检测出噪声点,仅仅对噪声点进行中值滤波的方法,对实验激光图像进行处理,计算了各算法处理图像的散斑指数、峰值信噪比和归一化均方误差,比较了它们的散斑抑制能力。结果表明,新方法确实具有滤波优势。     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

基于贝叶斯准则的小波域自适应消噪阈值

为了从噪声图像中最大程度地恢复出原始清晰的图像,从图像小波分解数据的统计特性出发,将近指数模型作为分解层间小波系数的先验分布,用以描述各尺度小波分解系数的相关性.进而基于贝叶斯准则,提出了一种新型的自适应小波图像去噪阈值.实验结果表明,该类阈值体现了图像小波系数在各尺度间的相关性,其去噪性能要好于现有的阈值算法.     

一种Contourlet循环平移自适应阈值SAR图像去噪算法

针对传统阈值算法缺乏自适应性的缺点,利用Contourlet多方向性和各向异性的优点,提出了一种基于Cont-oudct循环平移自适应闲值的SAR图像去噪算法.利用sigmoid函数构建一种新的自适应网值函数.根据Contourlet不同方向子带系数的特点,动态调整阈值函数中的参数.以获得合适的阈值对Contourlet系数进行处理.同时为了抑制图像边缘附近的伪吉布斯效应,引入循环平移算法来抑制人为干扰.分别利用4种经典的阈值算法和本文算法,对实测SAR数据进行相干斑抑制,试验结果表明,Contourlet循环平移自适应阚值SAR图像去噪算法在平滑图像的同时更好地保持了图像本身的纹理信息,图像的视觉效果优于其他算法,等效视数和边缘保持指数分别提高了86.22和O.3.     

基于迭代阈值的弹目图像边缘检测方法研究

运用基于数字图像处理技术进行高炮武器系统射击诸元校正工作中,弹目偏差的确定是校射的关键,而确定弹目偏差的关键步骤之一是需要对弹目图像进行边缘检测,提取弹丸和目标的边缘特征.在综合分析典型边缘检测算法的基础上,提出运用基于迭代阈值的边缘检测算法进行弹目图像边缘求取,并分析了迭代法确定最佳阈值的步骤,给出了迭代阈值边缘检测算法工作流程,最后通过仿真实验表明基于迭代阙值的边缘检测算法具有良好的边缘检测效果,是一种有效的弹目图像边缘检测算法.     

基于多种纹理特征的全色图像云雪区特征提取

针对全色图像云检测与雪检测的问题,文中提出了一种基于多种纹理特征的特征提取方法。首先,利用自适应的大津阈值分割算法提取云、雪区域。然后,通过分形维数、灰度共生矩阵、小波变换等方法提取云、雪区域的多种纹理特性。最后,利用径向基核函数的支持向量机(Support Vector Machine,SVM)分类器进行云雪自动检测。典型遥感数据的实验结果验证了本文算法的有效性。     

综合高分卫星图像多维特征的云检测方法

云是遥感图像分析处理的一大障碍,为了解决这一问题,基于高分1号遥感影像光谱和纹理的多维特征信息,提出一种综合优化的云检测方法。针对光谱检测出的似云区域,该算法采用新的子图分割方法,结合动态阈值设置,有效提高了纹理检测的正确率。由于固定的光谱阈值设置和纹理检测都无法获取复杂环境下的云层边界信息,算法采用大津法予以修复。结果表明,该算法可有效地检测出影像中的云覆盖区域,实现薄云、厚云以及厚云边界信息的最佳提取。     

静止轨道遥感卫星海面运动舰船快速检测方法

面向静止轨道光学遥感卫星,该文提出一种海上运动舰船目标快速检测方法。该方法首先利用多结构多尺度形态学滤波对海洋背景遥感图像进行背景抑制;然后采用自适应阈值分割和自组织聚类获得候选目标;再根据目标运动特征,利用静止轨道卫星凝视序列图像对候选目标进行多目标移动式邻域判决,剔除虚假目标;最后关联舰船目标以及融合卫星平台数据,可快速计算舰船状态等深层次动态信息。实验结果与分析表明,所提方法能有效检测海洋背景遥感图像中的多个运动舰船目标,准确获取各个舰船位置、航速、航向、运动轨迹等信息,具有算法简单,目标检测率高、虚警率低,稳定性好等优点。该方法为我国静止轨道光学遥感卫星在轨数据处理与应用提供了技术支撑。     

基于多特征融合的层次支持向量机遥感图像云检测

云检测是遥感图像处理和应用的前提, 针对遥感图像云检测的准确率容易受到薄云及似云地物影响的挑战, 提出一种结合遥感影像灰度、纹理和频率特征的层次支持向量机云检测算法。该方法首先采用简单线性迭代聚类算 法将遥感图像分割为像素块, 再采用一种层次支持向量机分类器对遥感图像以像素块为单位进行云检测。层次支持 向量机的第一层将像素块初步分为 “云” 和 “地物” 两类。层次向量机的第二层针对第一层分类的结果分别设计两个 分类器进行进一步分类, 并将分类后的结果合并为 “厚云”、 “薄云”、 “地物” 三类。最后, 将分类结果进行膨胀处理, 得到最终的云检测结果。选取高分一号 WFV 的 RGB 波段遥感图像进行实验, 结果显示提出的新方法对实验图像的 云检测平均准确率为 95.4%, 表明该方法可适用于多种场景下遥感图像的云检测, 服务于遥感产品的生产和应用。     

改进型ICA和SVM相结合的火山灰云遥感检测

针对独立分量分析(ICA)模型在火山灰云遥感检测中的不足,提出了一种改进型ICA即变分贝叶斯ICA (VBICA)和支持向量机(SVM)相结合的火山灰云遥感检测算法,实现了火山灰云信息的近似分离.实验结果表明,所提算法能够从中分辨率成像光谱仪(MODIS)遥感图像中检测出火山灰云目标信息,且总检测精度和Kappa系数分别达到了88.4％和0.801 1,取得了较好的检测效果.     

基于多源遥感卫星的海面舰船目标检测方法

围绕光学卫星遥感图像中的海面舰船目标检测问题,考虑静止轨道遥感卫星和低轨道高分辨率遥感卫星的优缺点,提出一种基于多源遥感卫星的海面舰船目标检测方法。该方法首先通过多结构多尺度形态学滤波和自适应阈值分割对静止轨道卫星遥感图像进行目标预检测,然后将预检测结果与卫星图像的地理位置信息相结合来确定高分辨率遥感图像候选目标区域,最后提取候选目标区域中目标的主要特征,进行舰船目标判别,将判别结果反映到静止轨道遥感卫星图像上。仿真结果表明,该方法能有效检测出海洋背景遥感图像中的多个运动舰船目标,具有目标检测率高、虚警率低、时效性好等优点,为静止轨道遥感卫星对海面运动舰船目标的实时监视跟踪提供了技术支撑。     

海洋上空云多角度偏振辐射阈值检测方法研究

云是海洋遥感的一项重要研究内容, 云检测精度对于海洋上空云微物理特性的反演和海洋水体观测具有重要 意义。以高分五号卫星搭载的大气气溶胶多角度偏振探测仪 (Directional polarimetric camera, DPC) 在轨成像数据为 研究对象, 提出了一种基于多角度偏振辐射信息的海洋上空云检测方法。首先用耀光角判别法区分出海洋耀光区域 和非耀光区域, 然后利用多角度偏振信息对耀光区域进行云检测, 并基于反射率阈值、可见近红外反射率比值和偏 振信息检验等方法对非耀光像元进行云检测。以印度洋和大西洋海域为例, 基于DPC数据进行了海洋上空云检测, 经 过时空匹配后, 其结果与 MODIS (Moderate-resolution imaging spectroradiometer) 云掩膜数据一致性分别为 91.39% 和 94.73%。此外, 用法国 POLDER3 (Polarization and directionality of the earth′s reflectances) 数据验证了文中算法的有效 性, 将云检测结果和 POLDER3 官方云检测产品对比, 一致性达到 90.40%。文中提出的多角度偏振辐射阈值云检测算 法, 可为卫星观测的海洋上空云特性研究和海洋水体观测提供有效云检测数据。     

基于多尺度双邻域显著性的高分四号遥感图像运动船舶检测方法

静止轨道(GEO)的高分四号(GF-4)卫星具备对海上运动船舶进行连续观测的能力,由于轨道高,海面船舶在GF-4卫星遥感图像中比较弱小不易检测。该文分析海面运动船舶的尾迹特征,提出一种基于多尺度双邻域显著性(MDSM)的GF-4卫星遥感图像运动船舶检测方法。首先依据多尺度双邻域显著性模型计算显著度,生成显著图;然后使用自适应阈值分割提取运动船舶的位置;最后利用尾迹几何特征对候选目标的形状进行校验,进一步去除虚假目标。实验结果和分析表明,所提方法可以有效地检测GF-4卫星遥感图像中的多个运动船舶目标,相比目前主流的视觉显著性检测算法,该文所提算法具有更好的检测性能。     

基于深度学习的云参量反演方法研究

有效的云检测与云相态判识对于农业、气候及人类生活具有重要意义, 而这些数据的获取离不开卫星遥感。 卫星遥感数据在当今社会的生产和生活中都扮演着至关重要的角色, 众多领域的发展都离不开卫星遥感数据的支持。 随着高精度传感器的发展, 传统研究方法无法满足大规模、高维度数据的高效挖掘与处理, 因此深度学习技术在遥感 领域得到了快速的发展。基于深度学习技术提出了一种结合多波段遥感影像的云检测及云相态判识的方法。该方法 采用 MODIS 云产品影像作为样本, 将不同波段信息作为特征值, 分别建立针对云检测与云相态判识研究任务的多个 数据库, 并采用 DeepLab V3+ 模型进行训练并预测, 从而完成高精度的云检测及云相态判识任务。与传统方法相比, 该方法高效便捷、特征提取能力较强, 将多波段作为特征值输入模型进行预测时, 该方法展现了良好的结果。     

高分一号光学遥感数据自适应云区识别

光学卫星遥感数据在获取过程中易受云层干扰,云区识别是光学遥感数据应用及分析的一个基础但重要的步骤,高效的云区识别技术对节省数据收集成本和提高数据利用效率具有较强的现实意义.同态滤波算法是经典的基于单幅影像的云区识别方法之一,该算法具有计算快速方便、云区检测精度较高的优点,然而识别的云区范围极大程度取决于同态滤波器截止频率的位置.同态滤波截止频率通常采用经验值,显然经验截止频率无法适应批量遥感数据的自动处理需求.针对以上问题,本文通过建立输入影像频谱能量与截止频率的关系,结合白度指数(Whiteness Index)和形态学算子,实现对国产高分辨率光学卫星高分一号(GF-1)遥感数据的批量云区识别处理.与传统同态滤波方法相比,该算法能根据影像频谱能量自适应判定同态滤波时采用的截止频率,具有更强的适用性.通过对98景GF-1多光谱数据进行随机点人工目视标记精度检验,精度检验结果表明该算法对云区有较好的检测效果,总体识别精度达93. 81%.该算法对GF-1遥感数据能进行批量化云区检测,获得高精度的云区掩膜结果,并有效降低高反射率地物造成的误识率.