基于混合滤波的遥感图像去噪

遥感图像在生成、传输和转化过程中往往受到各种噪声的干扰,影响了图像本身的清晰度,降低了视觉效果,不利于真实信息的提取.研究目的是对高分辨率遥感图像进行预处理,以提高信息识别精度.研究方法是噪声检测结合混合滤波的方法,该方法基于均值滤波和中值滤波的互补性,首先对图像每一个像素点进行噪声检测,把受高斯噪声污染和受椒盐噪声污染的像素点区分开,然后分别对受高斯噪声污染和受椒盐噪声污染的像素点进行处理.与其他滤波算法进行比较的结果表明,噪声检测结合混合滤波方法能够有效去除椒盐噪声和高斯噪声,保留图像的纹理信息,提高图像的清晰度.     

基于分类思想的高密度数据去噪方法研究

这里参照图像去噪方法[1～4],提出了一种基于噪声分类的自适应混合滤波去噪方法。由于传统均值滤波[5]和中值滤波[6]对高斯型噪声和椒盐型噪声(脉冲噪声)有着不同的滤波特性,而在野外采集的原始高密度数据中,可能同时存在高斯型噪声和椒盐型噪声。因此,单独采用中值滤波或均值滤波都不会达到最好的去噪效果。为了能有效滤除这对二种不同性质的噪声,现提出了一种新的混合滤波算法。该算法首先利用局部阈值把受高斯型噪声污染的数据点和受脉冲型噪声污染的数据点区别开来,然后对前者采用均值滤波算法,而对后者则采用带自适应的改进中值滤波算法进行去除。     

Sage自适应滤波在航空重力数据处理的应用

航空重力测量数据存在大量的干扰噪声,卡尔曼滤波是消除干扰、获得高精度重力异常的一种滤波方法。针对标准卡尔曼滤波精度依赖于先验量测噪声统计信息的问题,以Sage-Husa自适应卡尔曼滤波算法为基础,结合固定区间平滑,设计了量测噪声自适应的卡尔曼平滑滤波器,利用卡尔曼滤波及自适应卡尔曼平滑滤波对模型数据进行了滤波试验。试验结果说明,固定区间平滑的应用可以消除因滤波器未收敛造成的滤波误差,当量测噪声信息不明时,量测噪声自适应卡尔曼滤波器能够获得准确的滤波结果,其滤波精度高于标准卡尔曼滤波器。     

利用ERS-2 SAR图像纹理分析方法揭示长白山天池火山近代喷发物空间分布特征

简单介绍了SAR图像的纹理特征以及正交小波变换纹理提取方法。论述了SAR图像的纹理特征参与分类的重要性。以长白山天池火山为例,通过对ERS2SAR图像进行纹理分析,提取了SAR图像两个层次的尺度变化、时频局部化和方向性纹理特征。并将SAR纹理特征与TM图像及DEM进行复合,利用多源信息各自的优势,进行了BP神经元网络分类,从较大范围对长白山天池火山735±15aB.P.大喷发的喷发物空间分布进行评价。获取了长白山天池火山近代喷发物的空间分布及规模。这对长白山天池火山未来喷发危险性初步评价、火山地质制图及火山灾害预测有重要意义。     

中值滤波技术在遥感图像处理中的应用

利用中值滤波技术能够很好的抑制噪声和保护边缘信息这一特性,用不同的滤波窗口对遥感图像进行处理,并做出处理后图像的归一化差值图像。通过图形分析发现差值图像上的信息比原始图像细节信息更丰富,某些地质现象更清晰。     

基于纹理与成像知识的高分辨率SAR图像水体检测

为了精确地提取水体,首先对高分辨率合成孔径雷达(SAR)图像中农村民房的成像机理进行了分析,接着通过图像纹理检测方法和基于知识的建筑物阴影表达去除了建筑物阴影,最后精确地提取出SAR图像中的水体,说明对高分辨率SAR图像进行信息检测时,传统方法和基于成像机理的知识表达方法能够精确地实现水体目标检测,从而可以进一步对水体进行分析。     

贵州省桐梓县表层土壤硒地球化学特征及影响因素分析

针对复杂背景桥梁裂缝图像难以提取真实裂缝细节的技术问题,提出基于海森矩阵旋转矢量不变性的滤波去噪和局部区域裂缝走势生长方向连接的联合提取裂缝算法。利用海森矩阵增强图像突显裂缝区域,利用自适应阈值分割算法对图像进行二值分割;采用基于旋转矢量不变性的滤波算法滤掉团状噪声,根据裂缝的走势对生长方向一致的局部区域裂缝进行连接,排除条状非裂缝的影响和部分噪声的干扰;解决了图像处理中存在大量污渍残留和裂缝不连续现象。实验结果表明,本算法对复杂背景桥梁图像提取裂缝的准确度高于其它算法。     

基于Shearlet变换的非局部均值地震噪声压制

在地震勘探中,由于野外地震数据采集环境及仪器性能本身的限制,采集到地震信号中不可避免地会混入较强的噪声,极大影响后续处理、解释工作。而近几年,多尺度几何分析方法以其独特优势成为压制噪声的研究热点,本文提出在Shearlet域中引入非局部均值算法对地震噪声进行压制,该算法首先对地震信号进行非下采样Shearlet变换,然后采用非局部均值法对分解后系数子集进一步处理,并采用8个Sobel算子近似表示全方向结构,对权重函数进行改进,最后对系数进行Shearlet反变换,得到去噪后的地震信号。实验结果表明相比于传统非局部均值法,该联合算法能有效地压制随机噪声,同时对弱同相轴具有更好的保护作用,在地震资料处理中具有良好的实用性。     

基于改进的相干体分析技术的裂缝发育带预测研究

准确合理的裂缝带预测,对油气田勘探开发起着至关重要的作用。这里从准确预测裂缝发育带的角度出发,以提高断裂带的平面连续性及精细刻画小尺度裂缝发育带的平面展布特征为目标,提出了一种基于改进的相干体分析技术的裂缝发育带预测方法。该方法首先基于大网格相干数据体设定距离因子,将研究区域分为邻近断层区域(裂缝带较发育)和远离断层区域(裂缝带较不发育);再针对小网格相干数据体,根据分区结果进行自适应滤波处理:在邻近断层区域进行反距离加权构造导向滤波,远离断层区域进行中值滤波。将该方法应用到某研究区裂缝带预测,结果表明,方法不仅有效地压制了噪声,并保留了断层、裂隙等边缘细节信息,使断裂展布特征更加清晰,成像质量更好。     

叠前非局部平均滤波压制随机噪音

非局部平均滤波方法的去噪性能优异,但其在地震资料处理中的应用刚刚起步。该方法利用数据具有的结构冗余,以包含局部结构的小窗口或邻域为单元,利用局部结构相似性进行加权运算,增强有效信号,压制随机噪音。针对叠前地震资料数据量大、噪音背景强、局部结构简单;原始非局部平均算法对每一点滤波,需要对数据体内所有点计算权系数后进行加权计算,计算量大,对强噪音背景适用性差等不足,对原始非局部平均算法进行了改进,主要包括:基于速度谱的搜索窗口分割;基于梯度域奇异值分解的局部结构相似集选择方法;基于相似集大小的自适应滤波参数选择方法。试验结果表明,该方法改进后对于叠前地震数据的随机噪声具有较好的压制作用。      

基于Worldview-3与Sentinel-1 SAR数据的草原矿区复垦植被生物量反演方法研究

利用多源遥感数据定量反演矿区复垦植被生物量是高效、动态、大面积监测土地复垦和生态恢复效果的必要手段之一。本文以内蒙古草原露天煤矿为研究区,联合遥感光学与雷达数据各自的优势,探索基于Worldview-3(WV-3)与Sentinel-1 SAR数据的矿区复垦植被生物量反演方法,选择主成分-小波变换(W-PCA)算法对WV-3与Sentinel-1 SAR数据进行融合,揭示波段反射率、植被指数、后向散射系数及纹理特征等参数与生物量之间的相关关系,建立多变量的生物量反演模型,并分析不同生物量模型的空间不确定性。结果表明:(1)通过W-PCA算法得到融合后的图像,信息熵的提高反映了融合图像与光学WV-3图像相比具有更多的细节信息,平均梯度的提高反映了融合图像与Sentinel-1 SAR图像相比具有更高的清晰度和更丰富的纹理信息。融合后的第8波段相关系数最高、光谱扭曲度最低、光谱保真度最高。(2)通过相关性分析,发现增强型植被指数(EVI)、归一化植被指数(NDVI)、VH极化、VH均值纹理以及融合后第8波段与生物量显著正相关。WV-3的NDVI与Sentinel-1的VH_ME建模精度(R²=0.834 0,RMSE=16.464 6 g/m²,Ac=81.52%)最高,融合后的第8波段验证精度(R²=0.798 3,RMSE=22.828 3 g/m²,Ac=74.64%)最高。(3)基于不同模型的残差不确定性分析,Sentinel-1 SAR数据变量建立的模型估测结果更容易出现高估及饱和现象,两者联合变量建立的模型可实现优势互补,利用融合数据建立的模型明显改善生物量小于40 g/m²时的高估计现象以及生物量大于100 g/m²时的两者饱和现象,其不确定性降低2.42~9.68 g/m²。因此,利用光学和雷达遥感融合能够有效提高复垦植被生物量的估算精度,为草原矿区复垦植被精细监测提供有效的数据支持。     

基于相干特征的岩石薄片序列图像边缘提取及颗粒分割

针对岩石颗粒边缘模糊、结构复杂的特点,为了更有效地识别颗粒边缘,在基于特征值的C3相干算法的基础上,融合多尺度和多角度的特征表达,提出了一种改进的C3相干算法。该算法综合考虑岩石薄片图像角度域光学特征、空间尺度信息和各向异性信息,能更有效地表征颗粒边缘特征,表现出对复杂矿物结构的适应能力。在采集的岩石薄片正交偏光图像上验证提出的算法,实验结果表明,与原生C3相干算法相比,改进后的C3相干算法在全局图像上的方差和灰度差分乘积分别提升了68.41%和22.91%,信息熵下降了21.61%。     

基于深度特征的双极化SAR遥感图像岩性自动分类

基于像元基元、极化合成孔径雷达（Synthetic Aperture Radar,SAR）数据和传统机器学习算法的岩性分类方法,易受SAR图像固有斑点噪声影响,精度不高.为了降低噪声的影响,本研究以大尺度像元邻域为基元,用于表征地表地质体的遥感图像特征和岩性语义信息;采用高分三号双极化SAR数据进行极化分解构建3通道假彩色合成影像;然后采用深度卷积神经网络（Deep Convolutional Neural Network,DCNN）迁移学习的方法,提取有效的深度特征表示,分别实现5 m和15 m两种空间分辨率下岩性遥感自动分类.结果表明:基于不同分辨率数据和不同DCNN算法,岩性遥感自动分类的总精度均大于80%,最高精度达到91%.基于大尺度像元邻域和DCNN迁移学习方法,能够实现基于SAR数据的高精度岩性分类.      

超道相干体技术在复杂断块断裂解释中的应用

针对复杂断块的断裂地震特征,笔者利用超道构建技术,并与基于小波变换的相干技术集成,再进行相干计算。超道构建技术具有不改变地层的原有信息而保留了地层的倾角特征、降低属性分析的平均效应的优势,试算结果证明,该方法不仅计算速度快,而且抑制噪声能力强。通过与传统相干算法实际应用对比,该算法有效地突出了地层的高连续性特征,提高了识别断层的分辨率,地质特征信息丰富,有利于断层解释,尤其适用于低信噪比地震资料地区。     

基于GA-PSO算法的冻土本构模型参数识别

遗传算法(GA)与粒子群算法(PSO)分别具有缺乏目标导向性和易陷入局部最优的缺点,但同时分别具有全局搜索能力强与能有效传递优势信息的优点。本文以GA计算步结合精英保留策略作为PSO计算步的优势信息,避免PSO算法陷入局部最优,以PSO计算步结合非精英优化策略作为GA计算步的导向信息,克服GA算法缺乏目标导向的问题,建立了GA-PSO新算法。其具体过程为,通过采用GA计算步对解空间进行全局搜索并对精英个体进行保留,进一步,将适应度较差的个体利用PSO计算步进行优化。基于多峰函数的验证结果表明,GA-PSO算法在解空间中具有更强的全局搜索能力,同时具有更快的收敛速度。将GA-PSO算法应用到冻土非正交弹塑性本构模型的参数识别中,通过模型的参数识别以及模型预测结果对比与验证,结果表明GA-PSO算法能够有效识别冻土非正交弹塑性本构模型的参数,提升了模型的预测效果。     

纹理特征辅助的S AR影像冰川识别

青藏高原的冰川监测对气候变化研究有着重要的意义,通过遥感图像可以大范围长时间的监测冰川的变化,识别冰川边界是研究的重点。为了研究SAR影像纹理特征在冰川识别中的作用,以喀喇昆仑山地区的克勒青河上游为研究区,利用2018年Sentinel-1A数据进行干涉处理得到相干系数,然后基于相干系数提取了均值、方差、同质性、反差、相异性、熵、相关性共7种纹理特征,并对不同纹理特征组合之间的提取效果进行了比较。结果表明VV极化方式下均值、方差、同质性、相异性的特征组合冰川识别效果最好。据此提取了克勒青河上游区域的冰川边界,最高精度达到91.36%,该方法明显优于基于相干系数图的阈值分割法和基于光学影像的波段比值法,冰川识别精度提高了约2%。     

双边滤波在探地雷达数据去噪处理中的应用

在探地雷达数据的采集过程中,受外界因素影响会不可避免地混入噪声,严重干扰有效回波的识别与解译。为此,利用双边滤波算法进行探地雷达数据的去噪处理,通过在探地雷达正演记录加入高斯白噪声来模拟实测的探地雷达记录,利用双边滤波器对含噪声的合成记录进行滤波处理,结果表明双边滤波算法能除去大部分高斯噪声,突出有效回波信息,峰值信噪比(PSNR)由初始的15.8451增加到22.1477。进一步将双边滤波器用于实测记录的滤波,从滤波结果来看,噪声除去效果较好,表明双边滤波器能有效应用于探地雷达数据的去噪处理。     

基于图像处理的岩体结构面迹线自动检测

提出了一种自动检测岩体结构面迹线的方法,该方法通过特征过滤技术,处理边缘检测结果,利用结构面信息和非结构面噪声在像素连通区域上特定数学特征的普遍差异,滤除非结构面噪声,只保留结构面信息,从而直接提取结构面迹线。以甘肃北山花岗岩岩体露头面图像为研究对象,并利用该方法对其进行了MATLAB图像处理,得出岩体结构面迹线图。结果表明,对于结构面数量较多且分布复杂的岩体露头面图像,该方法能够快速且较为准确完整地自动检测出结构面迹线。     

SAR图像变化检测提取建筑物震害信息的研究综述

地震是破坏性最强的自然灾害之一。在震后快速获取震区建筑物损毁的第一手图像资料,标定轻重灾区,对于抗震救灾并尽可能减少人民群众的生命财产损失有非常重要的意义。合成孔径雷达(SAR)具有全天时、全天候的工作特点,基于SAR图像丰富的强度、相位、纹理和极化等信息,进行震前震后变化检测能很好地解决这个问题。本文基于前人研究,总结了SAR图像变化检测的各种方法,系统阐述了国内外学者基于SAR图像强度、相位及多信息融合变化检测提取建筑物震害信息的研究,同时着重就极化信息变化检测及其在震害信息提取的研究进行了总结。     

高阶相干技术在煤田断层检测中的应用

高阶相干体算法在抑制噪声的能力和减小计算量方面优势显著。将高阶统计量方法与相干体技术相结合,提出了一种基于高阶统计量的相干体计算的新算法——高阶相干技术,并将高阶相干技术应用在煤田断层检测中。实践证明,高阶相干技术相对于常规相干技术能够更好地解释断层,且具有速度快、误差小的特点。