一种改进的矩匹配方法在CMODIS数据条带去除中的应用

由于传感器之间对接受的地物辐射信号的响应特性不同,导致CMODIS数据中的许多波段含有大量的条带。这些噪声严重影响了CMODIS数据的解译和信息提取。介绍了几种常用在TM、MSS、SPOT等多传感器光谱仪中条带去除方法,提出了一种改进矩匹配方法用于CMODIS数据中的条带去除,并比较了这种方法和其它几种常用方法对几何纠正前非均匀地物分布的CMODIS数据的去条带噪声结果。结果表明这种新方法要优于以上提到的几种常用方法,具有很好的去条带噪声效果,同时保持图像原有的的信息。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。     

MODIS影像条带噪声行的判断及去除研究

为了提高MODIS_L1B含有条带噪声的波段5和波段27的影像质量,基于MODIS的扫描特性提出了一种通过扫描带行均最大值判断条带噪声行的方法。去除影像的噪声行时,在波段5的单行邻域插值法基础上,针对波段27提出了一种相邻多行插值方法。最后,通过对比原始数据和去条带噪声后数据的差值图、行均值图和数值分析来证实条带噪声处理效果。结果表明:该方法可以精确判断这两个波段影像的所有条带噪声行,且对条带噪声去除效果较好,去除条带过程简单且适用于复杂场景的光谱图像。     

基于小波变换的多波段遥感图像条带噪声的去除

介绍了几种在TM，MSS，SPOT等多传感器遥感图像中条带噪声去除方法的特点，提出了一种基于小波变换的条带噪声去除方法，并以几何纠正前的非均匀地物分布的CMODIS图像为实验数据，对这些方法的去条带噪声效果作了比较。结果表明，本提出的方法要优于以前的几种常用方法，具有很好的去条带效果，同时较好地保持了原图像的特征。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。     

分段线性动态矩匹配条带去除

由于探测器之间对接收的地物辐射信号的响应特征不同,导致遥感数据含有条带噪声,严重影响了图像质量及后续的定量计算。针对探测器响应函数在图像低值区及高值区呈非线性的特点,在着重分析矩匹配方法的基础上,提出分段线性动态矩匹配条带去除方法。方法设定阈值分割高中低值域统计区间,对探测器响应函数进行分段线性拟合,并对探测器每一分图像动态采用其领域内均值和标准差作为参考值进行条带纠正。应用TM数据第4波段及环境一号卫星高光谱数据进行去条带实验,并定性和定量地比较了该方法与动态矩匹配、傅里叶变换、自动均衡化曲线方法的去条带效果。结果表明该方法能够在保留图像基本信息的前提下,获得最佳的去条带效果,尤其能够提高非均匀地物分布区域内水体的条带去除效果。     

HJ-1 A高光谱数据的条带噪声去除方法研究

针对环境减灾小卫星的高光谱图像条带的特点,提出了基于光谱空间连续性的倾斜条带去除方法。高光谱数据的光谱分辨率达到纳米级,光谱波段多,在一定范围内可以连续成像,具有光谱空间的连续性,基于光谱空间连续性的条带去除方法利用了光谱空间连续性的这一重要特点。本文在考虑了图像条带噪声的倾斜角度的基础上,成功地将该方法应用于批量的环境减灾小卫星2级高光谱数据,进行了相对辐射校正的研究,并将相邻列均衡方法应用于单幅环境减灾小卫星2级高光谱数据,对比二者的单幅图像条带去除效果,结果证明基于光谱空间连续性的条带去除方法较相邻列均衡方法更适合于对环境减灾小卫星的2级高光谱数据进行条带噪声的去除。     

EO-1 Hyperion高光谱数据的预处理

针对EO-1 Hyperion高光谱遥感数据的特点，在图像质量检查的基础上，对Hyperion图像进行了未定标和受水汽影响波段的去除、坏线修复、条纹去除、Smile效应降低、大气纠正等预处理，获得了较好质量的图像，为图像的进一步分析和实际应用提供了保障。结果表明图像大气纠正后光谱优化处理能进一步提高图像的质量。     

基于小波变换的图像条带噪声去除方法

条带噪声的存在不但妨碍高光谱图像的目视判读,而且制约高光谱遥感的定量应用。针对小波变换法条带噪声去除过程中遇到的条带噪声和图像有用信息难以有效分离的问题,根据小波变换的方向性和数学显微镜特性,提出了一种新的基于小波变换的条带噪声去除方法。这种方法首先对含有条带噪声的图像进行一定层数的小波分解;然后对每一层分解得到的与条带噪声分布方向相同的子图像再进行一定层数的小波分解,从而实现条带噪声和图像有用信息的有效分离,将含有条带噪声的子图像置零;最后利用小波反变换得到去除条带噪声的图像。以欧洲空间局PROBA卫星上搭载的CHRIS高光谱数据为例,采用相关系数(R)、结构相似度(SSIM)和峰值信噪比(PSNR)3个定量指标,对比分析了新方法与矩匹配法、傅立叶滤波法和小波阈值法的条带噪声去除效果。结果表明新方法去噪后的图像具有最高的R、SSIM和PSNR,新方法能够有效地去除高光谱图像中的条带噪声,同时较好地保留了原始图像的有用信息。
     

遥感分类图像条带噪声的去除

在介绍了几种常用于TM、MSS、SPOT等多传感器遥感图像中条带噪声去除方法的基础上,提出了一种综合利用IDL语言和常用遥感软件(主要为ENVI、ERDAS等)对分类后图像进行条带处理的新方法。并以2005年北京市SPOT图像为试验数据,对该方法进行了尝试。结果表明,利用该方法可弥补一些条带噪声去除方法的弊端,有效地去除分类后图像上的条带噪音;同时避免了分类前期条带去除过程中对条带像元值的不正确计算,以及对图像上正确像元的影响而导致的后期遥感分类过程中的错分误分问题,从而可以有效地提高遥感分类精度。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。     

全极化合成孔径雷达影像地形纠正及其在雪冰制图中的应用

针对合成孔径雷达（SAR）影像由于地形起伏引起的图像畸变问题,文章提出了基于相干矩阵的全极化SAR影像地形纠正算法,并运用于雪冰制图。该方法首先采用距离多普勒模型建立SAR成像几何模型;然后利用全极化Cloude特征分解方法对全极化SAR图像进行融合,将融合后的SAR图像与模拟图像进行配准提高SAR影像几何定位精度;最后利用投影面积归一化和极化方位角移动补偿技术对地形引起的辐射畸变进行纠正。采用中国长江源区南部唐古拉山中段冬克玛底冰川区域的C波段Radarsat-2全极化SAR数据进行验证,配准模拟SAR和原始SAR影像的控制点方位向和距离向的均方根误差（RMSE）分别为7.765和14.586个像素;经过地形纠正后的地物分类精度达80%以上。结果表明：（1）该方法能够有效消除SAR影像中几何和辐射畸变的影响;（2）地形纠正后的SAR数据在雪冰制图中具有可行性。     

CBERS-1数据评价及在荒漠化监测中的应用

CBERS-1数据的单波段中存在斑点或条带噪音,可经过降噪处理部分解决;波段数据合成图像主要问题是波段间存在像元的水平位移,位移误差可通过波段配准来解决。通过对具有相似波段的TM数据进行比较,CBERS-1数据像元分辨率高于TM,合成图像对地物的判读更清楚,数据可应用于较大比例尺制图,但CBERS-1数据合成图像的色调不及TM鲜艳。经一定处理后的影像数据,建立解译指标,进行土地利用/覆被信息提取,获得了古浪项目区土地利用和荒漠化现状统计数据,结果表明,古浪县处于中度到重度荒漠化之间。     

“航天清华一号”微小卫星数据质量评价

“航天清华一号”（“HT－1”）填补了我国微小卫星遥感领域的空白,对“HT－1”图像的噪声,地面分辨率,灰度分布与波段相关性,波段间配准误差、图像的几何精度及其初步应用等进行了中肯的分析与评价,结果表明,“HT－1”图像噪声明显,地面分辨率达到了设计的40m的要求,波段间像元错位严重,但图像灰度分布范围较宽,波段相关性较小,信息量丰富,几何精度较高,能应用于国土资源调查,环境监测等领域。     

Landsat 7卫星快速格式数据产品

介绍了中国科学院遥感卫星地面站提供的Landsat 7卫星的主要数据产品,并介绍了快速格式的发展过程以及Landsat 7卫星数据所采用的快速格式FAST-L7A的数据组成、读取及其数据文件的命名规则,着重介绍了最新的快速格式FAST-L7A头文件的组成及其重要作用。     

中巴地球资源一号卫星多光谱扫描图象质量评价

基于中国资源卫星应用中心提供的中巴地球资源一号卫星红外多光谱扫描仪（IRMSS）4个波段零级图象数据，首先综合运用各种有效方法进行了图象预处理（包括错位纠正、辐射校正、去噪声、清晰化、几何精校正等），然后在此基础上选择图象信噪比、地面分解力、清晰度、辐射精度、反差等5个指标对图象进行了全面的质量评价。研究分析表明，中巴地球资源一号卫生IRMSS图象某些波段的清晰度和反差稍好于TM，但在图象信噪比、地面分解力、清晰度等方面与TM相比尚有差距；通过图象灰度平衡、清晰化和数据融合等处理，中巴地球资源一号卫生IRMSS数据仍有很大的图象改善空间，并在国土资源调查、城市规划等诸多领域有着广阔的应用前景。     

LANDSAT-5 TM数据的辐射校正与几何定位精度

辐射校正与几何校正是遥感信息定量化应用的重要步骤,对真实反映目标和背景特征以及实际地理位置是至关重要的。提出了LANDSAT-5 TM数据的辐射校正方法与使用精确星历参数进行数据处理后的几何定位精度,并以实际数据检验了修正后的中国遥感卫星地面站的LANDSAT-5卫星数据产品的辐射精度与几何定位精度,检验结果表明,中国遥感卫星地面站对LANDSAT-5卫星数据的系统处理方法有效地消除了成像过程中的系统性误差。     

基于LAB颜色空间的图像阴影检测与去除方法

为实现单幅图像快速去阴影处理，提出基于LAB颜色空间的图像阴影检测与去除方法。首先，将RGB图像转换成LAB图像，再对阴影图像进行边缘检测。然后，通过对不同颜色通道进行分析、计算及重新整合，得到阴影区域与非阴影区域平均色度值相匹配的图像。最后，对图像进行色度校正和边缘校正，实现单幅图像去阴影处理。为验证本文方法的可行性和有效性，分别采用峰值信噪比（PSNR）和结构相似度（SSIM）这2种性能指标，来客观评价图像的去阴影结果，并与2种典型的图像去阴影方法进行比较。结果表明，本文方法的各性能指标最高，如：在3组实验中，PSNR分别达到17.4721、17.6206、17.3048，SSIM分别达到0.8192、0.8344、0.8027。而且去阴影后图像特征信息清晰，保留的结构信息更接近于真实无阴影场景图像，整体取得了很好的去阴影效果。     

基于势函数模糊聚类量化的小波图象压缩

基于小波变换的图象压缩是图象压缩的一项成功技术 ,并且具有越来越重要的作用 ,但基于小波变换的图象压缩算法在比特率较低时出现的边缘模糊现象仍然是一个公认的难题 .为了在一定程度上减少比特率较低时 ,出现的边缘模糊现象 ,提出了一种基于势函数模糊聚类量化的新方法 ,用于对经过小波变换分解后所形成的数字图象高频子带小波系数进行量化 .在量化过程中还考虑了高频子带的小波系数的分布特性和高频子带的小波系数对保存边缘、纹理等信息的重要性程度 ,也利用了模糊集合的特性 .实验证明 ,在低比特率下 ,这种方法能较好地保存图象边缘和纹理等信息 ,从而在一定程度上提高了重构图象的主观质量 .该方法在小波图象压缩的模糊聚类量化领域进行了一定的尝试 .     

基于Hyperion数据的铜矿信息直接和间接提取方法研究

针对不同的地表覆盖条件,研究基于Hyperion星载高光谱数据的砂页岩型铜矿信息提取方法。首先对Hyperion L1级数据进行波段筛选、坏线修复、大气纠正和几何纠正等预处理,然后分别针对不同的植被覆盖情况使用不同的信息提取方法。在岩石裸露区,直接使用光谱角制图法;在植被覆盖区,使用铜金属离子的积累导致的植被生理异常作为间接标志来识别铜矿信息,生理异常使用高光谱植被指数来计算。结果表明,综合使用这两种方法的互补信息能够便于提取复杂地表覆盖情况下的铜矿信息。     

基于HJ-CCD的漫湾坝区河流悬浮物浓度遥感反演

坝区河流悬浮物浓度监测对于评估水利水电工程对河流水质影响具有较大的意义。HJ\|CCD重返周期短、空间分率高等优点,应用于漫湾这种中小尺度坝区水体悬浮物浓度监测有着重要的现实意义。大气校正采用暗像元、FLAASH以及QUick Atmospheric Correction(QUAC)几种常见的基于图像的大气校正方法。大气校正结果表明:暗像元法效果较好,其第2波段和第3波段的平均相对误差分别为16.1%和17.9%。然后,应用其大气校正较好的波段构建适用于研究区的悬浮物浓度反演模型。结果表明,该模型的决定系数为0.92,均方根误差(RMSE)为4.83 mg/L,平均相对误差为33.1%。最后,将此反演模型应用于2014年影像质量较好的HJ\|CCD数据上,得到了其悬浮物浓度空间分布图,反映了漫湾坝区附近的悬浮物浓度的变化规律。     

Visual Enhancement of Underwater Images Using Transmission Estimation and Multi-Scale Fusion

The demand for the exploration of ocean resources is increasing exponentially. Underwater image data plays a significant role in many research areas. Despite this, the visual quality of underwater images is degraded because of two main factors namely, backscattering and attenuation. Therefore, visual enhancement has become an essential process to recover the required data from the images. Many algorithms had been proposed in a decade for improving the quality of images. This paper aims to propose a single image enhancement technique without the use of any external datasets. For that, the degraded images are subjected to two main processes namely, color correction and image fusion. Initially, veiling light and transmission light is estimated to find the color required for correction. Veiling light refers to unwanted light, whereas transmission light refers to the required light for color correction. These estimated outputs are applied in the scene recovery equation. The image obtained from color correction is subjected to a fusion process where the image is categorized into two versions and applied to white balance and contrast enhancement techniques. The resultants are divided into three weight maps namely, luminance, saliency, chromaticity and fused using the Laplacian pyramid. The results obtained are graphically compared with their input data using RGB Histogram plot. Finally, image quality is measured and tabulated using underwater image quality measures.