遥感影像薄云去除算法

高分辨率遥感成像极易受到云层遮挡等气象条件的影响。通过分析这些影响因素的特点,以暗元法为基础,提出了一种薄云的去除算法,在保持图像色调的同时,提高了图像的对比度。     

小波变分法遥感影像薄云去除

针对遥感影像薄云去除过程中丢失影像细节及薄云去除不彻底等问题,本文提出了一种基于小波变分法去除遥感影像薄云的方法.首先,对含薄云的遥感影像进行小波分解,可以使低层低频分量中的局部瞬变信号(不具备低秩性的有用信息)被分解到高频分量中;其次,考虑第五层低频分量中有用信息具有低秩性及薄云具有稀疏性特点,建立一种能够从第五层低...     

基于中值滤波和小波变换的遥感影像去云

去云处理是遥感图像处理以及大气纠正的重要步骤,目前常用的遥感薄云去除法一般只能去除低频区域的云,而对高频区域的云则没有处理效果.因此,在研究传统小波算法对图像进行处理的基础上,引入了中值滤波,它将每一像素点的灰度值设置为该点邻域窗口内的所有像素点灰度值的中值,旨在对高频突变云区进行处理.而后结合主观视觉和客观统计分析两方面对结果进行评价,并且与传统小波去云比较,经分析表明,高频突变云有所减少,达到了预期目的.     

基于静态小波变换的遥感影像薄云雾模糊抑制

针对薄云雾造成的遥感影像模糊问题,提出了一种基于静态小波变换与离散小波变换相结合的抑制云雾模糊的方法 ;并与同态滤波方法和一种基于拉普拉斯增强和直方图分段线性变换方法进行了对比。该方法通过提高影像分辨率增加云雾覆盖区细节的方式达到抑制图像模糊的目的。目视效果表明,该方法显著抑制了薄云雾覆盖造成的影像模糊,明显优于对比方法,且具有较高的峰值信噪比、光谱保真度和信息熵。     

基于灰度数学形态学的遥感影像薄云处理方法

遥感成像过程中薄云是最常见的一种噪声。在利用数学形态学进行薄云处理的基础上,探讨利用广义多结构元素的数学形态学进行薄云处理的方法,并对SPOT图像进行试验。结果表明,该方法对薄云去除的处理效果有一定的改善和提高。     

基于小波变换的CBERS-02图像薄云薄雾去除的方法研究

大气活动的干扰是遥感技术发展的最大限制之一,对星载的可见光、近红外波段的光学探测器而言,大气中云雾的干扰更是不易处理。为了促进CBERS-02星CCD传感器图像的定量化应用,在对以往有关遥感图像薄云去处方法的研究的基础上,本文提出了对含薄云的CBERS-02 CCD图像进行适当层次的小波分解,然后对分解的图像进行同态滤波,最后进行图像重构而去除薄云的方法。试验结果表明,该方法既能有效的去除薄云,又可较好的保持图像细节。     

遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节,提出一种基于小波变分法去除遥感影像条带噪声。首先,对含有条带噪声的遥感影像进行小波分解;其次,通过构建的条带保留变分模型(SPVM)去除低层高频分量(含条带噪声)中的细节信息而保留条带噪声,从而有效分离出低层高频分量(含条带噪声)中的细节信息;通过构建的条带去除变分模型(DVM)去除高层高频分量(含条带噪声)中的条带噪声,从而有效地保留高层高频分量(含条带噪声)中的细节信息;最后,通过小波重构,获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节,去噪后的影像对比度及质量都是最优的。     

遥感影像中薄云的去除方法研究

薄云去除是遥感图像处理中一个常见的问题。目前,针对遥感影像薄云去除问题国内外学者提出了不少方法,本文在分析薄云去除难点的基础上介绍了几种薄云去除方法的原理并讨论了每种方法的适用范围。     

一种高分辨率遥感影像阴影去除方法

基于阴影属性提出了一种全自动彩色影像阴影去除算法。首先将影像变换到HSI空间,依据阴影区域亮度值低和饱和度高的特性,结合小区域去除和数学形态学处理,得到精确的阴影区域。然后,分别对I、H、S分量图上各个独立阴影区域与其邻近的非阴影区域进行匹配补偿,再反变换回RGB空间,完成阴影去除操作。实验结果表明,该方法能在不改变非阴影区域信息的情况下,有效地去除阴影的影响。     

遥感影像阴影多波段检测与去除理论模型研究

阴影是遥感影像的基本特征之一，它使地物目标反映的信息量有所损失或受到干扰，而去除阴影一直是遥感影像处理的难题。从研究遥感影像阴影产生机理出发，提出了一种多波段检测阴影的方法和基于能量信息补偿去除阴影的理论模型。通过IKONOS影像进行方法与模型验证，真实再现阴影区地物特征，增加影像信息量，提高数据质量。     

基于HIS变换和WT变换的遥感影像融合

遥感影像信息融合是近年来国际遥感领域的研究热点.传统的遥感影像融合主要是HIS变换法、加权平均法、PCA法等.利用小渡变换(WT)技术进行遥感影像融合是近年来的研究热点,但其直接舍弃了全色图像的低频率分量,在结果图像中容易出现分块效应.本文结合HIS变换和小波变换的互补性,提出了一种基于HIS变换和小波变换的遥感影像融合方法.通过实验、直观和定性分析,新方法既可以增强融合影像的空间细节表现能力,同时也很好地保留了多光谱影像的光谱信息.     

基于小波包变换与IHS变换的遥感图像融合

针对多光谱图像与金色图像的融合，提出了基于IHS变换和小波包变换的遥感图像融合新方法。该方法首先对多光谱图像作IHS变换得到3个分量：亮度I、色度H和饱和度S；其次利用小波包变换融合方法融合多光谱图像的亮度分量与金色图像，并用融合后的图像替代多光谱图像的亮度分量；最后作IHS反变换得到新的多光谱图像。实验分析表明，新方法的性能优于IHS变换融合方法、小波变换融合方法和基于小波变换与IHS变换融合方法，在保留多光谱图像光谱信息的基础上，增强了融合图像的空间细节表现能力。     

粒度Hough变换及其在遥感影像直线检测中的应用

在基于Hough变换的遥感影像直线检测的过程中引入粒度计算的概念,利用粒度计算具有多角度、多层次观察问题的能力,对遥感影像中的直线边缘特征进行不同粗细的粒度分析,建立粒度计算概念下的直线检测算法,实现对不同长短、粗细直线的识别。真实的IKONOS遥感影像机场跑道提取试验证明了该方法的有效性。     

基于IHS变换和小波变换的遥感影像融合

在遥感影像融合中，IHS变换法与小波变换法具有互补性，文中把这两种方法结合起来，提出了一种基于IHS变换与小波变换的影像融合方法。通过对具体影像的实验证明，该方法是有效的，达到了预期的目的。     

小波变换在遥感数字图像处理中的作用

简要介绍了小波的基本概念、特点，以及小波变换在数字图像压缩、图像消噪、图像增强以及影像融合等遥感数字图像处理中的作用。     

遥感图像分割中的小波域改进信息割算法

针对传统信息割(IC)算法对存在灰度变化的图像易引起误分割的问题,提出了一种小波域改进信息割(W\\|MIC)算法。使用一个新的结合像素点灰度关联和空间关联的Parzen窗对IC进行改进,以降低灰度变化对分割的影响;将MIC引入到小波域,利用小波的平滑作用降低参数选取复杂度,改善图像分割效果。遥感图像分割实验结果表明,W\\|MIC可有效降低参数选择效应,不仅避免了灰度变化引起的误分割,而且还较好地保持了图像边缘。     

一种基于小波变换的遥感影像道路自动提取方法

遥感影像上道路的自动提取是摄影测量与遥感、计算机视觉等领域的重要课题。本文通过对图像小波系数的分析,完成道路节点的提取。随后利用基于小波变换的边缘提取算子,对道路进行边缘提取。边缘提取出来之后,以道路节点为种子点,对道路进行Snake跟踪。为保证提取效果,对图像进行了预处理。实验表明,利用本文提出的理论与方法能为道路网的自动提取与识别提供一个可靠的依据,同时也对其他地物（如建筑物）的自动提取提供一个有价值的参考。     

基于小波包变换距离特征选取的遥感影像融合

介绍了基于小波包变换和距离特征选取的影像融合方法：首先对多光谱影像做IHS变换;其次对多光谱影像的亮度分量和全色影像做小波包变换并分别采用加权平均法和距离特征选取法融合低频部分和高频部分;最后通过小波包重构和IHS逆变换得到最终的融合影像。以ERDAS8．5软件自带的影像文件为例对这种方法进行了实验,并利用信息熵等标准与其他融合方法进行了比较,实验结果表明该方法能得到更好的融合效果。     

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。