基于红外光谱的多特征纹理图像视觉传达方法研究

传统的多特征纹理图像视觉传达方法传达效率低,图像清晰度差,为了解决上述问题,基于红外光谱研究了一种新的多特征纹理图像视觉传达方法,首先对多特征纹理图像进行特征提取,分辨数据存在的合理性差异,并探索数据提取信息因素,根据不同的特征进行图像分类检索,变换图像数据状况,与此同时,选取相关的数据处理方式对检索的图像特征数据进行...     

红外高光谱资料云检测方法研究

从红外高光谱资料的特点和应用现状出发,通过用晴空时观测光谱和背景光谱偏差矢量最小原理研究了特定云状下不同云量、云高和云水含量对观测光谱的影响,提出了一种新的红外高光谱资料云检测方法。从云污染视场中检测出不受云影响的通道,并用通过辐射传输模式(Radiative Transfer for(A)TOVS,RTTOV)模拟的大气红外探测器(Atmospheric Infrared Sounder,AIRS)资料和实测数据进行了方法可行性和有效性验证。结果表明,该方法能有效地提高云污染区域红外高光谱资料的利用率,可为有云覆盖情况下的大气参数反演提供有效途径。     

基于全卷积神经网络的卫星遥感图像云检测方法

云检测作为遥感影像数据处理中的重要组成部分,在气候分析等各个方面起到了重要的作用.在云检测研究中,无论是应用广泛的阈值法或是基于模式识别的方法,以及在二者基础上的综合分析法.这些方法大多都依赖于单一类型的遥感数据来源,且在特征提取方面十分依赖先验知识,受主观影响较大.本文利用两种不同类型     

红外高光谱资料云检测方法研究

从红外高光谱资料的特点和应用现状出发,通过用晴空时观测光谱和背景光谱偏差矢量最小原理研究了特定云状下不同云量、云高和云水含量对观测光谱的影响,提出了一种新的红外高光谱资料云检测方法。从云污染视场中检测出不受云影响的通道,并用通过辐射传输模式(Radiative Transfer for (A)TOVS, RTTOV)模拟的大气红外探测器(Atmospheric Infrared Sounder, AIRS)资料和实测数据进行了方法可行性和有效性验证。结果表明,该方法能有效地提高云污染区域红外高光谱资料的利用率,可为有云覆盖情况下的大气参数反演提供有效途径。     

纹理特征在多光谱图像分类中的应用

文中介绍了几种纹理特征提取方法,并将图像中的纹理信息作为重要的特征参与多光谱图像分类的过程,通过与单纯基于像元光谱信息的分类结果的比较,证明了此方法可以改善分类的效果。     

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...     

基于SIFT特征的多视点云数据配准和拼接算法

针对无特征标志点的大场景多视点云数据,提出了一种新的基于SIFT特征的配准和拼接算法。算法提出了有效纹理图像的概念,并对有效纹理图像进行SIFT特征提取和匹配;然后将提取的SIFT特征点和匹配关系反射到三维点云数据,获取多视点云数据的特征点和匹配关系,完成多视点云数据的拼接。算法在有效纹理图像中提取和匹配特征点,排除了点云数据中孔洞和无效数据的干扰,并且算法只利用较高鲁棒性的特征点对进行拼接,计算简单,匹配精度和效率都得到提高。对室内和室外两个大场景的2个视点数据进行实验,实验结果证明拼接速度和精度都有较大的提高。     

基于GMS-5卫星资料的云检测方法研究

由于云对地球气候变化起着重要作用,对云进行监测是研究全球气候 变化的重要环节。目前,各国的气象专家和爱好者们都十分关注对云的监测研究,因此云检 测已经成为了当前的热点话题。利用日本的GMS-5气象卫星资料进行了云检测研究。采 用红外亮温法对云进行粗检测,然后利用相似离度法、空间一致性检测以及可见光反射率进行晴 空检测。最终结果表明,通过结合使用这三种方法进行云检测,能够很好地判断是晴空辐 射还是含云辐射。     

综合有向纹理特征及其在多光谱图像融合中的应用

纹理特征是多光谱图像中除光谱特征以外的一类重要的图像特征。该文通过对有向纹理特征的分析提出了综合有向纹理特征的概念,建立了求解综合有向纹理特征的方法,并在此基础之上提出了基于图像冗余小波域的综合有向纹理特征重要中心系数算法。该算法将多光谱图像的光谱信息与形态信息进行了有机的结合,在保持源图像光谱特征的同时也考虑到了纹理特征对于融合效果的影响。对模拟及真实多光谱图像融合实验结果的主观视觉评价、客观定量分析说明该算法与现有的同类多光谱图像融合算法相比,能够更有效地融合源图像信息、更好地保持源图像纹理特征。     

基于纹理特征和数学形态学的SAR图像目标检测方法

SAR图像目标检测是SAR图像解译的基础。针对含有目标的SAR图像,利用垂直方向的边缘纹理检测方法对预处理后的图像进行垂直边缘检测,再运用数学形态学中的腐蚀运算和膨胀运算对垂直方向边缘图进行虚警滤除处理,从而得到感兴趣的目标检测区域。详细地给出了SAR图像目标检测步骤,并将本方法与其他方法的检测结果进行了比较,实验结果表明,在均匀杂波背景与非均匀杂波背景下,该方法能够快速有效地实现SAR图像目标检测。     

卫星侦察红外图像背景特征分析

以卫星侦察红外图像背景为研究对象,在分析其特点的基础上,讨论了可用于红外图像背景分类的特征量.为了描述卫星侦察红外图像背景的纹理特征,基于灰度共生矩阵和直方图,计算了能量、惯性矩、熵、相关性、灰度均值和方差等统计特征指标.通过大量样本的识别实验,结果也验证了文中所提取的纹理特征量可以有效识别卫星侦察红外图像的背景.     

高空间分辨率卫星图像的薄云去除

为了有效地去除高分辨卫星图像中薄云的影响,提出了一种基于Mallat小波变换的薄云去除方法。对图像进行Mallat小波分解得到高频细节部分和低频近似部分,根据云噪声在分解系数中处于低频部分而地物信息占据相对高频部分的特点,在小波变换多尺度分析的基础上,算法在最大尺度低频图像上按照云厚度掩膜值对云区进行线性处理;对于高频子带图像根据尺度的不同运用非线性增强算子进行不同程度的增强,从而提高图像的清晰度,减小残留云的影响,之后将重构后的图像进行中值滤波以减少高频云的影响。针对高分一号卫星图像进行了实验。实验证明,该方法在去除薄云的同时很好地保留了图像细节及边缘信息,去薄云效果优于传统小波变换法。     

基于卫星图像的火山灰云识别方法研究

大规模的火山灰云既会引起全球气候和环境系统的巨大变化,又会威胁航空安全。卫星遥感技术能够快速准确地获取大范围的空间变化信息,实现对火山灰云发生、扩散状况的识别和预警。首先阐述了火山灰云的光谱特征和常用的卫星图像类型;然后从紫外吸收法、模式识别法、分裂窗量温差和改进型分裂窗量温差算法方面系统地介绍了火山灰云的识别方法;最后对国内现有的基于卫星图像的火山灰云的研究进行了评述,并对其发展趋势进行了总结和讨论。     

基于高光谱影像多维特征的植被精细分类

目前,高光谱植被精细分类存在三个问题:单纯利用光谱信息得到的分类精度较低;光谱数据存在噪声影响了最终的分类结果; 缺少针对具体应用场景而设计的分类方法。为此,提出了一种基于高光谱影像多维特征的植被精细分类方法,通过光谱 数据降维、纹理特征提取以及植被指数选择三个方面对高光谱影像数据进行分析与利用,依靠前期现场调查得到的地面 植被分布情况,选择训练样本并进行支持向量机(Support vector machine, SVM)监督分类,完成地面植被的精细分类, 对分类结果进行验证,总体精度可达99.6\%。结果表明,基于高光谱影像多维特征的植被分类方法能够有效地减小数据噪声、 提高信息利用率,为植被生态监测提供更为准确的数据支撑。     

融合颜色特征和对比度特征的图像显著性检测

图像显著性检测能够获取一幅图像的视觉显著性区域,是计算机视觉的研究热点之一。提出一种结合颜色特征和对比度特征的图像显著性检测方法。首先构造图像在HSV空间的颜色函数以获取图像颜色特征;然后使用SLIC超像素分割算法对图像进行预处理,基于超像素块的对比度特征计算图像显著性;最后将融合颜色特征和对比度特征的显著图经过导向滤波优化形成最终的显著图。使用本文算法在公开数据集MSRA-1000上进行图像显著性检测,并与其他6种算法进行比较。实验结果表明本文算法结合了图像像素点和像素块的信息,检测的图像显著性区域轮廓更加完整,优于其他方法。     

基于最小剩余法的FY-3B/IRAS资料云检测研究

由于红外探测器的观测易受云的影响及快速辐射传输模式对云亮温的模拟不精确,在同化风云三号B星(Feng Yun-3B)红外分光计(Infrared Atmospheric Sounder, IRAS)的亮温资料时,首先需要进行云检测,以获得晴空视场点或晴空通道信息。基于最小剩余法(Minimum Residual Method, MRM)对IRAS资料进行了云检测研究,该方法不仅能判识视场点是否有云,还能得到视场点的云参数(有效云量)。同时,采用FY-2E卫星云图对云检测效果进行了验证。结果表明,将该方法用于IRAS资料云检测是可行的。