在轨完成CCD非均匀性校正的方法

为使空间遥感相机图像具有良好的均匀性,利用XQ2VP40FPGA在轨实时完成TDI-CCD非均匀性校正。首先对CCD非均匀性校正原理进行分析,提出了半饱和灰度值和暗场灰度值的两点校正法;然后,介绍了空间遥感相机的系统结构,利用FPGA实现了校正算法;最后,通过实验对均匀性校正的有效性进行了验证。实验结果证明:FPGA在轨实时完成CCD非均匀性校正的方法是可行的,对于非均匀性5%的TDI-CCD,校正后非均匀性控制在1%以内。     

一种基于人工神经网络的遥感图像去条带方法

由于非均匀性的影响,线阵列扫描得到的遥感图像容易出现条带失真,本文在介绍基于神经网络的非均匀性校正方法后,针对条带失真的特殊性对算法进行了改进,通过实验得到了很好的校正效果。     

红外焦平面阵列非均匀性的校正方法研究

针对读出电路与探测器产生的非均匀性,并对递归最小二乘非均匀校正算法(RLS算法)进行扩展和改进,提高非均匀校正的精度和算法的收敛速度。首先对红外焦平面阵列的非均匀性进行建模仿真,根据建立的模型利用局部恒定统计法对读出电路产生的非均匀性进行校正,然后采用自适应中值滤波算法(RAMF算法)对图像进行预处理,从而提供给后续RLS算法具有较低噪声的图像,实现RLS算法对探测器的非均匀性校正。仿真结果表明提出的算法能够有效地抑制读出电路对校正精度的影响,消除图像的非均匀性,同时采用RAMF算法对图像的预处理过程,能够加快RLS算法的收敛速度,提高信噪比,获得较好的非均匀性校正效果。     

基于列相关的热红外高光谱遥感图像非均匀性校正

由于探测单元之间响应不一致、电子增益和偏置发生变化、焦平面污染和损伤等因素,推扫式热红外成像光谱仪获取的图像常常表现为图像列之间不均匀,条带噪声严重,影响了热红外高光谱遥感图像的后续处理和应用。结合推扫式成像光谱仪非均匀性的来源和成因,以相邻地物的相关性为理论基础,提出了适用于热红外高光谱遥感图像的非均匀性校正方法。该方法的步骤是,首先逐波段对原始热红外高光谱遥感图像进行标准矩匹配校正,得到标准矩匹配校正图像;然后,以标准矩匹配校正图像为基础,选择相邻两列像元中相同的地物像元;最后,用两列中相同的地物像元,通过线性回归得到后一列的校正系数,并对其进行校正,顺次遍历一个波段的所有列,完成一个波段图像的非均匀性校正。按照此过程,遍历一幅热红外高光谱遥感图像的所有波段,完成一幅热红外高光谱遥感图像的非均匀性校正。将该方法应用于推扫式热红外光谱成像仪实际获取图像的非均匀性校正中。结果表明,相比矩匹配方法,在保证非均匀性校正效果的情况下,本文方法的各列均值和标准差更符合实际情况。     

基于全卷积网络的红外图像非均匀性校正算法

针对红外成像系统在经过两点校正后,随时间漂移仍然会出现的非均匀性噪声,提出一种基于全卷积深度学习网络的红外图像非均匀性校正算法,使用子网络与主网络相结合的方式进行非均匀性校正.该算法设计了非均匀性等级估计子网络,将含有非均匀性噪声的红外图像输入子网络后,输出非均匀性等级估计图,并和待校正红外图像一并输入校正主网络.子网...     

改进的单幅红外图像局部自适应非均匀校正

为了实现对单幅红外图像的非均匀性校正并且对局部细节的校正效果进行优化,提出了一种局部自适应的非均匀校正算法。算法利用红外焦平面阵列的固定图像噪声呈单方向分布的特性,采用基于高斯权重思想的中值直方图非均匀算法实现红外图像的单参数校正;然后将图像分块,使图像的各局部都能够自适应地选择各自最合适的校正参数,达到优化细节的校正效果。实验结果及分析表明:与单参数中值直方图非均匀校正算法相比,提出的算法在均方根误差、峰值信噪比、图像平滑性等方面都得到了进一步的改善,并且保留了更多的图像细节,为非均匀校正提供了一种方法。     

基于生成对抗网络的红外图像自适应校正算法

红外相机经过两点校正后会发生漂移,导致图像产生非均匀性噪声.传统的基于场景的非均匀性校正算法适应性较强,但会产生鬼影问题.基于深度学习的非均匀性校正方法,面对红外图像特殊的非均匀性噪声,随着网络深度增加,很容易出现图像模糊,对比度变小,细节丢失问题.针对此问题,提出一种基于生成对抗网络的非均匀性校正算法,网络分为生成网...     

基于改进伽马曲线的星载长波红外焦平面非均匀性校正算法

随着长波红外探测器技术的进步,通过选用宇航级大阵列长波红外探测器,天基红外遥感卫星技术得到快速发展。长波红外探器响应强非线性导致传统的基于线性模型的非均匀性校正算法校正误差大,从而影响卫星在轨使用效能。针对该问题,结合大量实验室数据和卫星在轨数据的统计分析结果,建立了一种新的长波红外探测器非线性响应模型,据此提出了一种基于改进伽马曲线的非均匀性校正算法,以有效克服探测器响应强非线性对校正精度的影响。该算法首先建立基于改进伽马曲线的探测器非线性响应模型,依据此模型对获取图像进行非线性压缩映射,实现探测器响应的线性化,然后利用星载基于定标技术的线性化算法实施非均匀性校正,同时,定标温度点根据所建立模型参数动态更新,最后通过逆非线性化压缩映射还原出实际的非均匀校正后的图像。基于人造黑体和在轨实景红外图像的实验结果表明,该算法有效解决了探测器响应强非线性对校正精度的影响,校正后图像的视觉效果和定量化指标均优于传统的星载非均匀校正算法。     

一种基于大视场红外图像的非均匀性校正算法

研究了行扫体制热像仪获取的大视场红外图像非均匀性校正的处理方法。首先分析了大视场下全局校正算法的局限性,然后提出了对大视场图像分块处理的想法,通过分块图像获取补偿参数来对非均匀性进行校正。最后通过实验证明了该算法能够在单帧情况下有效弱化条纹噪声,改善图像非均匀性。     

基于图像块先验的单帧红外自适应校正算法

红外焦平面阵列的非均匀性严重限制了红外成像系统对目标的灵敏度,降低了图像的成像质量。本文基于图像块统计特性的期望块对数似然概率(EPLL),提出了基于图像块先验的单帧红外图像非均匀性校正算法,可以完成单帧红外图像的非均匀性校正。该算法首先利用高斯混合模型完成对图像块训练分类,然后利用EPLL准则获取带有非均匀性噪声图像对应的最大似然概率对数期望图像来完成对图像的校正。仿真试验和真实红外图像实验结果表明该方法对单帧红外图像的非均匀性校正效果良好,校正速度快,可以避免鬼影的产生并且可以完成持续性工作。     

基于线性光谱分解的遥感图像大气灰霾环境效应去除技术

灰霾环境对遥感图像具有非常严重的影响。主要分析了太阳光在灰霾环境中的传输方法。根据太阳光的传输方式,把灰霾层看作是一个不均匀的半透明-透明层。然后通过SMACC算法提取灰霾的端元信息,并利用最小二乘法反演去除灰霾后的遥感图像。本文所述的线性光谱分解去霾方法对遥感图像中气溶胶浓度低/高的灰霾的去除效果都比较好,而且较大限度地保留了图像的光谱信息。最后把本文方法和大气校     

一种MODIS遥感图像大气校正的快速算法

本文设计了基于大气辐射传输模型对MODIS遥感图像进行大气校正的一种新的快速算法。根据Kaufman气溶胶光学厚度反演方法的基本原理,建立了简化的气溶胶光学厚度反演模型,通过6S模型获取气溶胶光学厚度参数,利用经验公式计算大气反射率及大气透过率等参数,实现了MODIS遥感图像的快速大气校正。     

双面镜多元并扫遥感图像的几何校正方法

双面镜多元并扫成像方式在星载仪器中已得到越来越广泛的应用,但相应的遥感图像的预处理工作的重要性也日渐突出.文中从成像方式和仪器结构方面考虑,针对双面镜多元并扫成像方式提出了一套0级数据的几何方法,并对处理前后的图像质量进行了比较.结果表明,该校正方法可有效地改善图像的几何质量,校正效果良好.     

基于深度学习的红外遥感信息自动提取

为了提高红外遥感图像地物 信息自动提取的精确性,同时避免人工提取遥感 信息的低效性,提出了一种基于UNet深度学习模型 的遥感信息提取算法。该算法用于从红外遥感图像中分割 出5类地物信息(包括道路、建筑、树木、农田和水 体)。首先,对分辨率高但数量较少的训练数 据进行小像幅的随机裁剪,并对其进行相应的数据增 强处理。然后搭建UNet深度学习模型,并用它 自动提取遥感图像的特征信息。采用交叉熵损失函数 以及Adam反向传播优化算法对该模型进行训练,并对测 试样本中的5幅遥感图像进行精确的地物信息提取。最后,运 用Jaccard指数对测试结果进行精度评定。实验结果表明,该 方法对高分辨率红外遥感图像信息和可见光 遥感图像信息进行了充分融合,对于不同种类地物 的定位和分类都取得了较高精度。     

基于FLAASH和6S模型的Spot 5大气校正比较研究

采用基于大气辐射理论的FLAASH和6S模型,对Spot5遥感影像进行了大气校正,通过比较校正前后地物光谱曲线和NDVI分析两种类型的实际校正效果,结果表明,FLAASH模型能较好地消除了大气影响,对Spot5遥感影像有更好的校正作用。     

PHI高光谱图像的大气校正算法

从高光谱遥感图像中提取较为精确的定量信息,大气校正是必不可少的步骤.本文在应用大气辐射传输模型对高光谱遥感数据进行大气模拟的基础上,研究并发展基于遥感影像信息的经济、有效的大气辐射校正和反射率反演算法.该算法可以根据遥感图像有效地估计大气中气溶胶的空间分布,并分析交叉辐射的影响,进而对其进行大气辐射校正和反射率反演.通过对几景PH I高光谱遥感图像的校正试验,表明了这种算法的有效性.     

无控制点条件下的PHI影像几何校正

利用空间位置测量系统对因遥感平台不稳定而引起的影像畸变进行校正是目前航空摄影测量常用的方法.介绍了对推帚成像模式在无地面控制点情况下采集的影像进行几何校正的原理和方法,即利用POS数据解算外方位元素并建立共线方程,从而实现影像的几何校正.用PHI航空遥感影像进行了实验.实验表明,在无地面控制点的情况下,利用POS数据辅...     

Parallel design of convolutional neural networks for remotesensing images object recognition based ondata-driven array processor

Object recognition in very high-resolution remote sensing images is a basic problem in the field of aerial and satellite image analysis. With the development of sensor technology and aerospace remote sensing technology, thequality and quantity of remote sensing images are improved. Traditional recognition methods have a certainlimitation in describing higher-level features, but object recognition method based on convolutional neural network(CNN) can not only deal with large scale images, but also train features automatically with high efficiency. It ismainly used on object recognition for remote sensing images. In this paper, an AlexNet CNN model is trained using2 100 remote sensing images, and correction rate can reach 97.6% after 2 000 iterations. Then based on trainedmodel, a parallel design of CNN for remote sensing images object recognition based on data-driven array processor(DDAP) is proposed. The consuming cycles are counted. Simultaneously, the proposed architecture is realized onXilinx V6 development board, and synthesized based on SMIC 130 nm complementary metal oxid semiconductor(CMOS) technology. The experimental results show that the proposed architecture has a certain degree ofparallelism to achieve the purpose of accelerating calculations.