基于弱纹理块的噪声估计方法在侧扫声呐图像去噪中的应用

侧扫声呐图像受混响效应影响导致侧扫声呐图像斑点噪声强,边缘模糊,纹理较弱,严重时还会掩盖海底地貌。噪声方差是许多侧扫声呐图像变换域去噪算法的必要参数。指出了侧扫声呐图像在乘性噪声的影响下灰度值溢出的问题,并且以侧扫声呐图像中乘性噪声为背景,考虑灰度值范围对乘性噪声的抑制作用,提出了一种基于弱纹理块的噪声估计方法。算法主要根据噪声的散射模型,将侧扫声呐图像经过幂变换和对数变换,将服从瑞利分布的乘性斑点噪声变换为高斯白噪声,基于变换图像的梯度协方差矩阵和弱纹理块的动态选择,以迭代的方式确定噪声方差。实验结果表明:该算法能够去除灰度值溢出现象对噪声估计的影响,在高亮区域及背景区域的噪声估计结果稳定准确。     

多波束测深异常数据检测与剔除方法研究综述

针对多波束测深数据处理在测深异常数据检测与剔除方法上存在的不足,综合分析了近几十年国内外研究人员在多波束测深异常数据检测与剔除方法方面的研究成果,根据工作原理将其分为基于数据统计理论和基于函数或统计推值比较两类方法,选取中值滤波、小波分析、CUBE算法、趋势面滤波、最小二乘支持向量机滤波法等典型的多波束异常数据检测方法进行重点介绍,并通过列表的方式对不同检测方法进行优缺点对比分析。最后总结了多波束测深异常数据检测与剔除方法研究的现状和趋势。     

一种去除遥感影像混合噪声的集成BM3D方法

BM3D（block matching and 3D filtering）是一种有效的高斯噪声去除方法，但对遥感影像中常含有的高斯和脉冲混合噪声去除效果具有局限性；而集成方法是去除混合噪声的有效方式。针对BM3D去噪的缺点，结合其去噪优势，研究发展了一种集成BM3D方法，并改进了一种噪声量估算方法M-Liu法，用于先验噪声估算，作为算法的输入参数。算法验证结果表明，集成BM3D法具有较好的去噪特性，能兼顾影像噪声去除和细节信号的保留，优于同类方法，可为图像去噪提供一种新的方法，对于遥感影像后期应用性研究具有一定的意义。     

基于志愿观测船舶和浮标数据的SST日产品质量评价研究

选用浮标、志愿观测船舶(VOS)数据作为验证数据对MODIS Aqua,MODIS Terra,AVHRR-OI,OSTIA和RTG五种SST日产品进行了时相差异、近海SST偏差和SST偏差区域整体差异分析的质量评价,以期为日产品的后续应用提供依据。结果表明:不同分析方案得到结论基本一致,在时相差异方面,各季节及年度分析显示各日产品优劣特性相近,其中AVHRR-OI最优(年数据分析回归系数为0.973 6,R2为0.976 0,RMSE为0.71℃),RTG、MODIS Aqua和MODIS Terra次之,OSTIA最差(年数据分析回归系数为0.945 4,R2为0.943 7,RMSE为1.08℃);在近海区域,AVHRR-OI比其他日产品能更真实地反映海表温度状况,OSTIA最差(二者Grade分别为30和13);在海洋表面区域整体特性方面,AVHRR-OI日产品质量在研究区海域存在更少的高正值和低负值,且均值和RMSE也更理想(最低仅分别为0.40和0.59℃);而RTG和OSTIA则差于AVHRR-OI。     

基于BP神经网络的海底地形复杂度自动分类方法研究

针对海底地形复杂程度分类问题,在考虑传统水深均值的基础上引入坡度和起伏度两个地形因子作为表征海底地形复杂程度的分类指标并进行量化,对水深数据空间分辨率进行统一,建立包含18种典型海底特征的海底地形复杂度分类库,利用BP神经网络对建立的分类库进行训练学习。为验证该方法的有效性和适用性,选取地形复杂度不同的4块实验区分别采用统计学方法和BP神经网络算法进行海底地形复杂度进行分类,对比发现该方法可以实现海区海底平坦、一般、复杂三种地形的自动识别与分类,并保留实验区海底地形复杂度细节信息。