排序方式: 共有20条查询结果,搜索用时 15 毫秒
11.
目的 遥感影像成像过程由于受到传感器自身以及其他一些外部环境因素的影响,往往会呈现出整体的亮度不均,导致遥感影像解译和制图精度的降低。因此,需要对遥感影像进行亮度不均匀校正,提高影像的质量。方法 感知驱动的亮度不均变分校正方法,是一种新型的单幅遥感影像亮度不均校正方法,它受人眼视觉系统特性的启发,能够在有效校正影像整体亮度的同时增强局部对比度。本文用分裂Bregman迭代实现了对感知驱动亮度不均变分校正模型的最优化求解,在实现对影像整体亮度不均校正的同时,大幅提高了计算效率。结果 模拟实验和真实实验结果均表明,采用分裂Bregman的亮度不均变分校正模型需要较少的计算时间,从效率上比采用最速下降法的校正模型提高了约67倍。结论 分裂Bregman方法能够有效求解感知驱动亮度不均变分模型,在保证校正结果整体亮度均匀,局部对比度增强的前提下,大大提高运算效率。 相似文献
12.
13.
利用震后1景极化SAR影像提取倒塌建筑物是一种快速有效的灾害调查手段。倒塌建筑和倾斜建筑物在PolSAR影像中的散射特征相似,易造成建筑物倒塌率的过度评估。由于倒塌建筑和倾斜建筑的纹理特征有较大差异,将利用这种纹理差异来解决倒塌建筑和倾斜建筑的混分问题。通过实验发现均值、同质性、熵及相关性4种基于灰度共生矩阵(Gray-Level Co-occurrence Matrix,GLCM)的纹理特征能够有效区分倾斜建筑和倒塌建筑,故利用这4种纹理特征提取倒塌建筑中混杂的倾斜建筑,从而降低倒塌建筑的虚警率。以玉树地震为例,提取城区的建筑物震害信息,实验证明该方法能够大幅提高建筑物震害评估精度。 相似文献
14.
目的 受成像距离、光照条件、动态模糊等因素影响,监控系统拍摄的车牌图像往往并不具备较高的可辨识度。为改善成像质量,提升对车牌的识别能力,提出一种基于亮度与梯度联合约束的车牌图像超分辨率重建方法。方法 首先充分结合亮度约束和梯度约束的优势,实现对运动位移和模糊函数的精确估计;为抑制重建图像中的噪声与伪影,基于车牌图像的文字化特征,进一步确定了亮度与梯度联合约束的图像先验模型。结果 为验证该方法的有效性,利用监控系统获得4组车牌图像,分别进行模拟和真实的超分辨率重建实验。在模拟实验中将联合约束图像先验重建结果与拉普拉斯、Huber-Markov(HMRF)以及总变分(TV)先验的处理结果进行对比,联合约束先验对车牌纹理信息的恢复效果优于其他3种常见图像先验;同时,在模拟和真实实验中,将本文算法与双三次插值、传统最大后验概率、非线性扩散正则化和自适应范数正则化方法的超分辨率重建结果进行比较,模拟实验的结果表明,在不添加噪声情况下,该算法峰值信噪比(PSNR)和结构相似性(SSIM)指标分别为35.326 dB和0.958,优于其他4种算法;该算法在真实实验中,能够有效增强车牌图像纹理信息,获得较优的视觉效果,通过对重建车牌图像的字符识别精度比较,本文算法重建结果的识别精度远高于其他3种算法,平均字符差距为1.3。结论 模拟和真实图像序列的实验结果证明,基于亮度—梯度联合约束的超分辨率重建方法,能够降低运动和模糊等参数的估计误差,有效减少图像中存在的模糊和噪声,提高车牌的识别精度。该算法广泛适用于因光照变化、相对运动等因素影响下的低质量车牌图像超分辨率重建。 相似文献
15.
国产风云系列卫星可为全球范围内大气、陆地和海洋的遥感监测提供重要数据支撑,由于光学卫星影像不可避免受到云覆盖的影响,通过云检测获取准确的云掩膜是风云系列卫星影像精细处理与应用的关键。现有的云检测方法大多采用简单高效的阈值法,然而由于传感器光谱响应以及不同场景云覆盖下垫面的辐射差异,在缺少大量真实云覆盖标记情况下,现有方法往往难以确定最优的检测阈值。鉴于此,提出了一种阈值自适应的云检测方法(TACD),顾及传感器波段特性以及云覆盖下垫面差异,设置不同场景下的多通道阈值测试,包括反射率及反射率组合测试、亮度温度测试、亮度温度差异值测试、卷云测试等,联合具有高精度云层信息的激光雷达数据构建全球范围的云检测样本集,实现基于样本集真实云标记的迭代阈值优化,最终基于最优的阈值进行云检测。以风云三号(FY-3D)MERSI-II影像为例,联合CALIOP云层数据构建全球范围的云检测数据集,并将所提出的TACD方法云检测结果与官方云掩膜产品进行对比,结果表明该方法较官方云检测算法精度有明显提高,其中平均交并比从80.35%提升至84.09%,召回率可达92.67%,具有业务化应用的潜力。 相似文献
16.
目的:遥感影像成像过程由于受到传感器自身以及其他一些外部环境因素的影响,往往会呈现出整体的亮度不均,导致遥感影像解译和制图精度的降低。因此,需要对遥感影像进行亮度不均匀校正,提高影像的质量。方法:感知驱动的亮度不均变分校正方法,是一种新型的单幅遥感影像亮度不均校正方法,它受人眼视觉系统特性的启发,能够在有效校正影像整体亮度的同时增强局部对比度。本文用分裂Bregman迭代实现了对感知驱动亮度不均变分校正模型的最优化求解,在实现对影像整体亮度不均校正的同时,大幅提高了计算效率。结果:模拟实验和真实实验结果均表明采用分裂Bregman的亮度不均变分校正模型需要较少的计算时间,从效率上比采用最速下降法的校正模型提高了约6到7倍。结论:分裂Bregman方法能够有效求解感知驱动亮度不均变分模型,在保证校正结果整体亮度均匀,局部对比度增强的前提下,大大提高运算效率。 相似文献
17.
18.
模型状态同化精度受多种方面因素的影响,针对状态同化中模型参数的不确定性问题,状态与参数同时估计为此提供了一种较好的解决方案,即在进行状态同化的过程中得到合理的参数估计值。在Lorenz-63模型的基础上构建状态与参数同时估计框架,比较分析增广集合卡尔曼滤波(AEnKF,Augmented Ensemble Kalman Filter)、双重集合卡尔曼滤波(DEnKF,Dual Ensemble Kalman Filter)和同时优化与同化方法(SODA,Simultaneous Optimization and Data Assimilation)在集合数、观测误差和观测数不同时的参数和状态估计结果差异,由此探讨3种方法的优劣及适用性。研究结果表明:3种方法都能较好地估计模型的状态和参数,AEnKF的误差在集合数不大于20时最大,随着集合数增加降低的速率最小;3种方法的RMSE值随观测误差的增大而增大,但算法间差异不大;观测数变为1时3种方法的结果都变差,其中AEnKF最明显。 相似文献
19.
20.
影像超分辨率技术已经成为近年来影像处理领域的研究热点。其中,正则化重建模型由于具有求解模型直观、解唯一等优点而得到了广泛应用。在正则化重建模型求解过程中,正则化参数对于重建结果的好坏有着重要影响,参数选择过小就不能很好地抑制噪声,参数选择过大又会模糊重建影像。将数值计算领域的U曲线方法引入到超分辨率重建领域,用来确定重建模型中的最优正则化参数。首先建立U曲线,然后选择U曲线的左侧曲率最大点所对应正则化参数为重建正则化参数。实验结果表明,无论是在目视效果还是定量评价方面,重建结果都优于传统的自适应迭代方法和L曲线方法。 相似文献