基于透射率拉伸的光学遥感影像薄云去除

针对目前光学遥感影像薄云去除算法中易出现地物失真的问题,基于遥感影像像素至少在某一波段的像素值近似为零这个暗通道先验,提出了一种利用伽马函数非线性拉伸透射率进而做到高保真去薄云的算法。通过透射率的非线性拉伸,增强了无云区域和有云区域的透射率对比度,从而对受薄云影响最严重的蓝光波段进一步去云。定量分析与实验结果表明,该方法不仅能有效去除遥感影像中的薄云,还能保留无云区域的辐射信息,具有高保真特性。     

基于透射率拉伸的光学遥感影像薄云去除

针对目前光学遥感影像薄云去除算法中易出现地物失真的问题,基于遥感影像像素至少在某一波段的像素值近似为零这个暗通道先验,提出了一种利用伽马函数非线性拉伸透射率进而做到高保真去薄云的算法。通过透射率的非线性拉伸,增强了无云区域和有云区域的透射率对比度,从而对受薄云影响最严重的蓝光波段进一步去云。定量分析与实验结果表明,该方法不仅能有效去除遥感影像中的薄云,还能保留无云区域的辐射信息,具有高保真特性。     

基于加权梯度融合的Landsat影像薄云去除

遥感影像中薄云的存在为影像的判读带来了极大的影响,通过研究薄云对Landsat影像造成的影响,提出一种加权梯度融合变分模型.通过在无云区域采用较小权重以保持影像自身信息,薄云区域则采用较大权重将参考影像的梯度信息融入待修复影像,改进了梯度模型在无云区域过度增强细节而造成的失真.采用暗通道法和梯度融合法与该方法进行比较,实验结果表明:该方法在有效去除薄云的同时对无云区域有较好的保真效果.     

一种高保真同态滤波遥感影像薄云去除方法

同态滤波是一种常用的遥感影像薄云去除方法,但传统方法在抑制薄云对应的低频区域时,会不可避免地改变非云区的辐射信息。本文提出一种高保真遥感影像薄云去除方法,在同态滤波框架内利用基于区域模板的检测方法进行云区判别,处理时仅对云区用同态滤波结果进行替换,无云区则保留原始影像的亮度值。为进一步提高影像的保真度,影像拉伸处理时进一步剔除了云区对拉伸系数的影响。实验结果表明,本文方法能够在有效去除薄云的同时保留非云区的辐射信息,具有高保真特性。     

基于支持向量机的遥感影像薄云去除方法

提出了一种基于支持向量机的遥感影像薄云去除方法。利用支持向量机对边缘点的极强捕捉能力,将含云遥感影像进行多尺度分解,获得不同尺度上的变换系数,再结合方向滤波器组得到丰富的高频信息。采用自适应阈值的图像增强方法处理这片区域,重构时通过对高频区域的增强和低频区域的抑制,得到去云图像。实验结果表明,采用该方法能有效地去除遥感影像中的薄云。     

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。     

结合曲率滤波的HTM算法去除遥感影像云雾

目的 遥感卫星幅宽较大，成像区域内的薄云和雾很难区分，云雾降低了遥感影像的解译精度和对目标地物判别的准确性。传统的云雾去除方法是通过调整图像的对比度和饱和度来提高重建图像的质量，对不均匀分布云雾的适应性不强。为此，本文以"高分二号"（GF-2）遥感数据为例，提出一种结合高斯曲率滤波的雾度图（haze thickness map，HTM）求解算法。方法 采用遥感影像的红波段进行HTM求解，首先通过不重叠的滑动窗口对整幅图像取暗像素，得到HTM估计值，利用高斯曲率滤波对其进行平滑，减少噪声干扰，保持地物边缘特征，并通过插值运算恢复到原图尺寸；然后利用改进的2维最大熵自动确定分割阈值，提取HTM中白色区域并抑制，对边缘处的像素值进行校正；最后通过HTM结果恢复出清晰影像。结果 由目视判读结合评价指标进行评价，将改进的暗原色先验法、传统的HTM算法与本文改进的方法在不同地区含云雾的遥感影像上进行对比实验。本文改进方法所得结果与传统方法相比，灰度均值降低约34.96%，平均梯度提升约18.48%，信噪比提升约34.77%，对比度提升约39.41%，对于不均匀遮挡的云雾去除具有较好效果。结论 改进的方法能够去除云雾干扰，有效改善影像数据的视觉效果，同时能够保留大量的细节信息，较传统方法更优。     

基于小波变换的高分辨率快鸟遥感图像薄云去除

薄云污染会影响遥感图像的正常判读和解译。传统去云方法对图像做傅里叶变换,对转为频率域后的图像进行同态高通滤波的整体处理,因而会在去云的同时对无云区域及图像边缘产生较大影响。本文利用小波变换将图像分解为若干频率特征不同的分量,仅仅针对表示薄云的低频近似分量进行同态滤波,最后通过小波重构得到去除薄云的图像。试验结果表明,小波变换使具有高频细节的地物信息免受滤波处理,但连续变化的低频地物信息仍会受到一定影响。     

改进暗通道先验的高分二号影像快速去薄云

为了有效消除薄云对高分二号影像的干扰,提出了一种基于改进暗通道先验的遥感影像快速去薄云方法。首先设置最大大气光阈值,解决原始暗通道先验法对高亮区域的过校问题;然后使用下采样和插值算法简化透射率图的输入,大幅提高处理速度;最后针对成果图像的偏蓝现象,利用散射模型以蓝光波段推算其余波段的改正量。实验结果表明,该方法能有效去除高分二号影像中的薄云,且在纹理色彩、校正真实性和处理效率上都有较好的表现,具有较高的实用价值。     

基于相似像元替换的遥感影像厚云去除方法研究

去云处理是遥感图像处理以及遥感制图的重要步骤。常规的去云处理算法在去除云对影像影响的同时, 通常也会伴随地物光谱信息的丢失。提出了一种基于相似像元替换遥感影像厚云去除方法。首先利用改进的单时相法对有云的图像进行云检测并制作云掩膜图像,然后利用该图像中掩膜之外区域的合适像元对掩膜部分的像元进行替换,最后对边界进行后处理得到一幅过渡平滑的云去除图像,结果表明, 该方法可以有效的实现厚云的去除,同时也能够有效地恢复地物的光谱信息。     

单幅光学遥感影像去霾算法及评价综述

光学遥感影像经常受到云或霾影响,而在多数情况下极少能获取辅助数据用于遥感影像去霾;因此单幅光学遥感影像的图像处理去霾算法成为遥感影像预处理的重要技术。目前,不同研究者设计了多种算法,但是缺乏系统性的总结与对比分析,本文旨在系统性地总结单幅遥感影像去霾算法的研究进展,并提供典型算法的基本原理、优缺点及适用场景。采用文献综合分析方法从霾条件影像成像模型、基础原理和结果评价3方面对当前的去霾算法进行归类总结和原理剖析,然后结合具体应用场景分析算法的适用范围和存在问题,并提出可行的解决方案。常见的去霾算法大体可归纳为暗目标减法、滤波法、暗通道先验法和经验变换法4类,这些算法采用的霾条件影像成像模型包括加法模型、霾传输衰减模型和照明—反射模型等;在算法的评估中,常用的手段有主观分析方法、影像光谱特征分析方法以及图像质量指标评估法等。现有算法并不能适用于所有的场景或图像,存在模型参数难以自适应调整、模型对特殊地物类型敏感、处理结果失真严重等问题;算法的评价主要采用主观对比分析方法,根据应用需求构建客观指标成为目前的热点方向。     

基于暗原色先验的图像快速去雾

目的 针对暗原色先验去雾算法出现的边缘残雾、天空色彩失真以及速度较慢问题,提出一种快速有效的图像去雾算法。方法 舍弃传统分块的思想,采用逐像素处理的方法估计透射率,并对估计值过低的透射率进行适当的增强。大气光采用效率更高的四叉树算法来求解。结果 有效地解决了边缘残雾和天空色彩失真问题,相比其他算法,去雾后的视觉效果有所提升。透射率和大气光的求解速度都得到一定程度的提高,去雾速度是暗原色先验去雾算法的近4倍。结论 实验结果表明,本文算法在保证良好去雾效果的前提下能大幅提升去雾的效率,节省去雾所花费的时间。对于大部分有雾图像,本文算法都能够达到较好的去雾效果,但在处理具有较大景深的图像时,远景部分的去雾效果欠佳。鉴于速度上的优势,本文算法适用于对实时性要求比较高的去雾场合。     

具有颜色保真性的快速多尺度Retinex去雾算法

针对MSR算法在图像去雾应用中存在颜色失真现象且计算量大的问题,提出一种具有颜色保真性的快速MSR去雾算法。通过将MSR算法对RGB三个颜色通道的处理转变为仅对暗原色单一通道进行处理,避免了对颜色通道间色调相关性的影响,实现颜色保真,同时大大减少了算法执行时间。实验结果表明该算法克服了MSR去雾算法的颜色失真问题,能够有效提升图像的对比度和饱和度,实现图像快速去雾。     

基于深度学习的遥感图像去雾算法

针对遥感图像由于雾霾的存在导致图像清晰度下降的问题,提出了一种基于深度学习的图像去雾算法.首先将原有大气散射模型进行变形得到一个端到端的去雾模型,再将多个未知参数统一在一个参数中,运用多尺度卷积神经网络对未知参数进行估计,最后将参数估计值代入去雾模型中得到无雾图像.针对无参考图像数据集,先运用现有数据集对网络进行初步训练,再加入自建数据集对网络进行二次训练.实验结果表明,与相关去雾算法进行对比,该算法在视觉效果和客观指标上都有不同程度的提高,有效提升了遥感图像在雾霾天气状况下的清晰度.     

A high fidelity haze removal algorithm for optical satellite images using progressive transmission estimation based on the dark channel prior

In this paper, a high fidelity haze removal algorithm is proposed for optical satellite images by using progressive transmission estimation based on the dark channel prior (DCP). The transmission is estimated adaptively according to the histogram of the dark channel image and the constraint of maximum transmission. Then, the guided filter is used to refine the transmission to obtain a continuous transmission map in which the clean areas are retained as much as possible. The refined transmission is applied to each visual band to obtain the initial de-hazing image. Then, the transmission is re-evaluated for the initial de-hazing image, and a guided filter with a small window size is used to refine the re-evaluated transmission. Furthermore, the transmission is stretched with the power-law transformation (PLT). To ensure fidelity in hazy areas, the optimal stretched transmission is estimated according to the artificially selected samples, from which the final haze removal results can be achieved. Several optical satellite images are collected and tested to validate the effectiveness of the proposed method. The evaluation results demonstrate that the proposed method is superior to the traditional methods and can recover a haze-free image with high fidelity.     

单幅图像自动去雾新算法

针对雾天拍摄图像的退化现象,提出一种针对单幅图像的自动去雾新算法。该算法先将有雾图像从RGB转换到YCbCr颜色空间后,再在亮度分量上进行多尺度Retinex处理,所得的亮度图在图像清晰度评价指标的调控下经过反色变换和中值滤波即可求得传播图,并进一步得到清晰化后的复原图像。实验结果表明,该算法能有效地改善雾天图像的退化现象,提高图像的清晰度。     

基于双边滤波的图像去雾

目的在雾、霾等天气下,获取的图像受到大气粒子散射的影响而严重降质。针对这一问题,提出了一种基于双边滤波的单幅图像去雾算法。方法此算法是以大气散射模型为基础。首先利用双边滤波保持边缘的平滑特性得到准确的大气耗散函数。其次,针对明亮区域失真的问题,本文提出了弱化明亮区域去雾的方法。最后,通过变换大气散射模型得到清晰的无雾图像。结果大量实验结果表明,本算法恢复的图像清晰自然,尤其是在远景处和景深突变的边缘处的处理能取到很好的去雾效果。此外,其时间复杂度为图像大小的线性函数。结论针对雾、霾天气下的降质图像,基于大气散射模型与双边滤波特性,本文提出了一种新的单幅图像去雾算法。实验结果表明,本算法能获得很好的去雾效果,尤其在细节处理的表现优于Tarel的去雾算法。同时,与He Kaiming的去雾算法相比,运行时间具有明显优势,有利于实现实时性技术应用。     

暗原色先验单幅图像去雾改进算法

目的为解决传统基于暗原色先验的单幅图像去雾算法实现效率低以及恢复雾化图像在天空、白云等明亮区域颜色失真的不足,提出一种改进算法。方法通过分块思想,完成透射率的空间自适应估计;通过判断大气光强度和暗通道差值绝对值大小来判断雾图中是否含有明亮区域。结果该算法不仅降低了传统算法的时间复杂度,而且弥补了传统算法在明亮区域透射率估计的不足。结论实验结果表明该改进算法可行、有效。