高分辨率遥感影像快速去雾

针对含雾遥感影像在军事航空侦查、地物判读等方面使用率低、有效性差的问题,以及现有去雾算法中存在计算复杂耗时、色彩失真的弊端,结合遥感影像景深变化小、不含天空背景等特点,本文提出一种改进的暗原色先验去雾算法。首先,对影像中白色场景灰度值进行统计并设定阈值划分为失效区,分离水域与非水域减少蓝色波段在水域的占比,合成新的蓝色波段,以改进暗通道值的获取方法;其次,采用导向滤波替代软抠图法优化透射率提升处理时间;然后,对关键参数进行适应性改进试验并采用自动色阶恢复去雾后的影像色彩;最后,利用含雾的无人机影像和GF-2影像进行了试验,并进行了定量评价。试验结果表明,在同等试验条件下,本文方法处理单幅影像的时间比暗原色先验去雾算法的提升4倍以上,且去雾后影像的灰度均值、标准差、信息熵、平均梯度等指标比暗原色先验去雾算法得到的值均有提高,能有效提高有雾影像的清晰度,增强影像色彩和细节。     

基于暗原色先验的遥感影像去雾方法研究

目前,遥感影像应用的场景越来越多,但受到空气污染或气候等原因影响,局部地区雾霾现象严重,严重影响遥感影像质量。针对这一问题,本文结合遥感影像的特点提出了一种基于暗原色先验的遥感影像去雾方法。首先,结合遥感影像的特点,在求取暗通道过程中设置失效点,排除不符合暗原色先验的像素点;其次,根据获得的暗通道计算大气光值;然后,求取透射率图并用导向滤波精细化,根据大气传输模型求得去雾后的影像;最后,分别用无人机影像和Landsat卫星遥感影像进行去雾实验,验证了本文方法的有效性。     

一种改进的基于暗原色先验信息的航空遥感图像去雾方法

航空遥感图像以其分辨率高、信息丰富和易于解析处理等优点而得到广泛应用。但是其成像易受云雾天气的影响,特别是在近几年我国雾霾进一步加重的情况下尤为明显。针对航空遥感图像数据含雾较为均匀且不包含天空区域的特点,提出一种改进的基于暗原色先验信息的航空图像的去雾方法。首先,对图像进行2%线性拉伸处理改善图像的视觉效果;随后通过直接计算每个像素点R、G、B的3个颜色通道的最小值求取图像暗原色图;同时由航空图像的特殊性自适应地设置阈值来改善去雾图像效果;最后对去雾后图像采用自动色阶法进行进一步处理,改善暗原色法去雾后图像过暗或者偏色问题。利用不同航空含雾图像进行去雾实验并进行对比分析,结果表明,改进算法能够平衡去雾后图像的色彩使其避免产生偏色现象,获得质量和视觉效果更好的去雾图像。     

基于暗原色的航空遥感影像薄雾去除与改进

本文对航空遥感影像的薄雾进行了研究,根据雾图像成像模型和基于暗原色先验知识,结合图像对比度的自适应调整,提出了一种对航空遥感影像薄雾去除的改进算法。采用数字航空相机DSS439获取的不同地物特征类型的应急遥感影像进行去雾实验,并对实验结果进行分析、比较与评价,验证了该方法的正确性和有效性。     

海岛区域影像薄雾处理模型与实现

对4种光学影像上薄雾的处理方法进行了比较研究,目的是为有效开展海岛区域测绘提供高质量的影像.据海岛区域影像的特点,重点改进了基于暗原色先验知识的去雾方法,包括暗通道的快速优化和大气光的分块求取两个方面.该方法首先计算影像的暗通道并进行优化,然后求取影像的大气光;再根据图像恢复模型得到去雾的影像,并与同态滤波法、平稳小波变换法和点扩展卷积法进行了比较.实验表明4种方法均可在一定程度上去除影像上的薄雾,对基于暗原色先验知识的改进方法效果最佳.     

结合双边滤波Retinex和图像融合的图像去雾方法

针对传统的去雾方法对无人机有雾图像进行去雾时存在细节丢失严重、去雾效果差等问题,本文提出了一种结合双边滤波视网膜反应（Retinex）算法和图像融合的图像去雾方法。首先,利用双边滤波Retinex精确计算入射分量,对亮度分量进行双边滤波Retinex处理。其次,对两个色彩空间处理后的影像进行图像融合。最后,本文以两景无人机有雾图像为实验数据进行实验,结果表明,本文方法的标准差和信息熵等指数整体上升,能获得细节与色彩较好的去雾影像。     

无人机遥感图像中不均匀雾霾的去除算法研究

由于雾霾的存在,无人机(Unmanned Aerial Vehicle,UAV)获取的图像受到严重影响。利用单一算法很难有效地去除无人机遥感图像中不均匀的雾霾。本文提出了一种新的去雾算法,该方法将图像分割技术与暗原色方法结合起来,实现不均匀雾霾的综合去除。该方法的具体处理过程如下:首先,利用图像分割技术将原图像根据雾的浓度分为淡雾、浓雾两部分;其次,依据暗原色先验理论,获取比较准确的大气光,分别求取大气光的模、方向;再次,利用引导联合双边滤波细化透射率,针对浓雾部分利用局部视网膜皮层理论(Retina-cortex theory,Retinex)增强进一步处理,最终得到恢复的图像。实验结果表明,相比于He和Retinex算法,本文算法在图像细节还原、色彩保真等方面具有更好的处理效果。     

应用暗原色先验规律的遥感影像去雾技术

遥感影像去雾技术具有重大的应用价值.暗原色先验规律的提出为遥感影像的去雾提供了一种新的方法.根据遥感影像的特点,对应用暗原色先验规律的去雾方法进行了简化.实验证明,这种简化的方法对遥感影像的去雾处理能够在有效简化计算步骤的前提下取得良好的效果.     

应用暗原色先验规律的遥感影像去雾技术

遥感影像去雾技术具有重大的应用价值。暗原色先验规律的提出为遥感影像的去雾提供了一种新的方法。根据遥感影像的特点,对应用暗原色先验规律的去雾方法进行了简化。实验证明,这种简化的方法对遥感影像的去雾处理能够在有效简化计算步骤的前提下取得良好的效果。     

基于HOT影像优化的遥感影像去雾算法

针对BSHTI和IBSHTI两种算法对卫星影像云雾校正后,地表的色调和纹理等细节缺失严重的问题,提出OIBSHTI算法对IBSHTI算法得出的雾厚度图像进行地表信息削减。通过填洼算法去除暗色区域,并引入纹理和边缘信息等进行优化处理,在彻底去除云雾的同时保留地表的色调和纹理,特别是蓝色或红色建筑物房顶的校正效果较为明显。     

结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测

不同时相遥感影像变化检测已成为土地利用变更调查、城市扩张分析、自然灾害分析及其他环境问题必不可少的技术手段之一。本文提出了一种结合IR-MAD与均值漂移算法的密集城区遥感影像变化检测方法。该方法通过伪不变特征法完成两期影像的相对辐射校正，有效改善影像间的配准误差，并利用IR-MAD算法对校正后的影像进行迭代运算，采用均值漂移算法对迭代后的影像进行分割，同时运用形态学方法处理分割后的影像，最终提取变化图斑。试验结果表明，该方法可以有效检测出变化区域，可应用于城市地表覆盖的变化检测。     

顾及空间与光谱差异的单幅遥感影像自适应云雾去除方法

光学遥感影像经常受到云雾的干扰而导致数据质量下降。在暗原色先验理论和云雾影像模型的基础上，提出了一种顾及空间和光谱差异的单幅遥感影像自适应云雾去除方法，较好地解决了传统暗原色先验在高亮地物校正过度和部分波段云雾校正不足的问题，有效地实现了影像云雾去除。首先通过高亮地物的光谱特征构建高亮地物判别指数，辅以密度分割对其进行提取分类，在此基础上引入自适应校正函数对该区域透射率进行修正；其次在对多幅云雾遥感影像实验分析的基础上，提出了符合大气散射机制的波段透射率校正系数，实现了波段间处理强度的自适应调整。实验结果表明，该方法能有效去除不同波段的云雾干扰，并避免高亮地物的过度校正，可取得较好的复原结果。     

一种改进的Marchal地图匹配算法

目前导航系统主要使用的是矢量地图,这种地图的更新周期比较长,新修的道路无法及时在地图上体现出来,使用这种不完整的地图进行地图匹配往往会导致错误的结果。为了解决此问题,本文提出了改进的Marchal匹配算法,并结合影像导航中的遥感影像对匹配信息进行实时反馈,实验结果表明,该算法可以较好地纠正矢量数据不完整时产生的错误,很大程度上提高了匹配的准确性,弥补了矢量地图导航时的不足,可以为影像导航系统提供保障服务。     

多光谱遥感影像中云影区域的检测与修复

提出了一种有效针对多光谱遥感影像的云影检测与阴影区域修复方法。基于同一地区时相相近的两幅影像,充分利用碎云及阴影的光谱特性分别对云影区域进行融合增强,然后采用Otsu算法求解最佳阈值自动检测出云及阴影区域,根据云影的出现会引起两幅影像局部相应区域明显的亮度变化,可排除亮地物和水体的影响,建立归一化的云影密度图,在此基础上,采用线性加权组合与光谱直方图匹配相结合的方法对其加以修复,利用SPOT 4影像进行的实验表明其修复效果完全能够满足应用需要。     

基于HSI色彩空间的资源三号影像阴影检测

由于遥感影像上某些区域的光照辐射不足,不可避免地会产生阴影,阴影意味着图像信息的损失,而遥感影像的阴影检测在地物的识别和影像匹配方面具有重要意义。本文主要介绍的是基于HIS色彩空间的阴影检测方法,在检测过程中,根据阴影高色调低亮度的特性,结合大津法计算比值图像最佳阈值进行遥感影像阴影检测,并且在RGB色彩空间计算G分量的最佳阈值来排除树木植被和一些非阴影区域对阴影检测的影响。同时采用国产高分辨遥感卫星——资源三号的同一地区不同季节和不同太阳高度角的遥感数据进行阴影的对比检测。实验结果表明:本文基于HIS色彩空间的阴影检测方法可以快速有效地检测出影像上的阴影,并且能区分树木、河流等暗色物体。     

从高光谱遥感影像提取植被信息

遥感可以快速有效地监测大面积植被的种类、特性、长势等各类信息。高光谱遥感数据因其特有的高光谱分辨率特性使其在植被生态环境领域具有极大的应用潜力。植被信息作为生态环境评价的重要参数对区域生态环境的监测和建设具有重要的意义。本文基于云南省鹤庆县北衙的高光谱遥感数据用SAM方法对植被信息进行了提取,参考光谱使用ASD光谱辐射仪采集的植被光谱曲线。文中对高光谱遥感影像的辐射定标和大气校正进行了研究,针对影响光谱辐射仪采集的主要因素采取了相应的措施,并对光谱曲线分类及参考光谱曲线的选取进行了研究。将选取出的参考光谱曲线与大气校正后的遥感影像进行SAM匹配提取出植被信息,经过与实地调查资料比较并计算总体精度和kappa系数,计算结果达到预期精度。最后将分类结果转换为矢量图,经过投影转换为大地坐标后制作出北衙植被分布图。