应用小波收缩方法剔除MODIS热红外波段数据条带噪声

采用多元并扫方式 (1km分辨率 1 0元并扫 ,5 0 0m分辨率 2 0元并扫 ,2 5 0m分辨率 4 0元并扫 )的MODIS传感器由于各探测单元在轨响应差异而引起的条带噪声对MODIS定量产品的反演计算精度造成一定影响。这种影响在MODIS的热红外波段尤其明显。为了尽可能减少这种影响 ,提高MODIS定量产品反演精度 ,提出应用小波收缩方法剔除MODIS数据条带噪声。研究首先使用连续小波变换方法分析MODIS条带数据 ,确定MODIS数据条带噪声在小波系数域中的尺度。其次 ,在分析条带噪声模式的基础上 ,使用小波收缩方法对MODIS 1B数据进行噪声剔除计算。最后比较了分别使用噪声剔除前后的两组MODIS 1B数据反演得到的部分云和大气定量遥感产品 ,结果表明 ,使用剔除噪声后的MODIS 1B数据反演的定量遥感产品精度具有明显的提高     

MODIS 1B 影像条带检测与去除

MODIS 1B 影像中存在横向和纵向条带, 基于均衡化曲线补偿技术, 提出了一种快速检测和去除条带的 算法, 给出了条带检测判定参数, 即: 如果A帧和B 帧的10 组传感器校正系数Ci值分别位于0 的两侧, 且ABS(Ci)> 0.008, 则存在宽条带; 如果10 组传感器的校正系数MAX(Ci)>0.05 时, 则存在单行条带。去除宽条带时, 需以当前 列为首列, 从其后连续的100 列影像中提取各传感器相对当前列的校正系数。结果表明, 条带检测模型能有效识别 单行条带和宽条带, 多行条带需目视识     

MODIS影像条带噪声去除邻域插值法研究

条带噪声是影响Modis影像质量和反演精度的重要因子,有些在频率域表现为高频信息和低频信息相混合。针对条带噪声形成的原因和规律性,以及对影像进行傅立叶变换频谱分析,比较了几种常用条带噪声去除方法及其局限性。提出了邻域插值法,编程实现自动定位噪声行,进行插值处理,取得了较好的去噪效果,并保留了影像的细部特征。     

资源一号02C影像条带噪声去除的改进矩匹配方法

针对资源一号02C 影像条带噪声的去除,提出了一种改进的矩匹配方法。该方法以移动窗口的方式对大范围卫星影像数据进行分段处理,并根据窗口内影像的信息量,自适应地确定窗口大小,且在参考值获取时引入更合理的高斯加权均值。实验表明,与现有矩匹配方法相比,本文方法在取得良好去噪效果的同时,还具有自动化程度高、灰度失真小等优点。     

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。     

双边滤波与矩匹配融合的高光谱影像条带噪声去除方法

针对环境减灾小卫星高光谱影像数据中存在的条带噪声,提出一种双边滤波与矩匹配方法融合的去除条带噪声方法。该方法克服了传统方法在去除条带噪声的同时带来新的噪声,并且边缘信息丢失等问题。最后进行了几种去除条带方法的比较试验,并且对试验结果进行了讨论。试验证明,提出的方法去除高光谱遥感影像的条带噪声效果明显,且能较好地保留原始影像中的地物信息。     

改进的矩匹配遥感影像条带噪声去除方法研究与实现

遥感传感器在扫描成像过程中,由于感光单元间的响应差异和其他因素,有时会产生条带噪声,这严重影响了影像的应用。为了更好地利用这些影像,必须首先对影像进行去条带处理。首先对比分析两种基于同一个传感器单元获取的影像具有统计一致性假设的条带噪声去除算法,即均值归一化方法和矩匹配方法,再对矩匹配方法进行了改进,并在VC++6.0下分别编程实现。经过对有条带噪声的IRS5.8 m分辨率全色遥感影像进行处理和对比分析,在光谱保持和条带噪声去除效果综合考虑下,得出改进的矩匹配方法优于均值归一化方法。     

采用灰度分割的自适应矩匹配条带噪声去除方法

针对国产卫星全色影像中的随机条带噪声现象,提出了一种采用灰度分割的自适应矩匹配条带噪声去除方法。该方法首先将不同反射特性的地物按照灰度差异进行分割处理,然后对每一个分割区域分别采用标准矩匹配进行处理,从而抑制标准矩匹配处理过程中造成的灰度畸变。选取资源1号02C-HR光学影像进行实验,结果表明,与现有的去噪方法相比,所得图像质量有较大提升。     

成像光谱仪图像条带噪声去除的改进矩匹配方法

条带噪声是影响线阵CCD成像质量的一个重要因子。特别是对于CCD质量要求较高的高光谱成像往，往往由于硬件质量造成了许多通道中条带噪声的出现。分析了条带噪声形成的主要原因，比较了几种常用条带噪声去除方法及其局限性。在此基础上指出，标准的矩匹配方法改变了图像在成像行或列方向的均值分布，造成了一定的灰度畸变。这种情况对于在地物非均匀分布状况下成像的小幅图像尤其明显。着重提出和讨论了利用均值补偿法，傅里叶变换法，相关系数法结合矩匹配方法近似恢复由入射辐射强度产生的均值分布，从而达到保持图像质量并有效去除条带噪声的目的。并对条带噪声去除前后图像质量做了定性定量的比较，评价。     

南极卫星影像条带噪声的消除

利用二维傅里叶变换进行方向滤波，较好地消除了南极地区影像上的条带噪声。     

基于傅里叶变换的条带噪声去除方法研究

提出一种新的基于傅里叶变换去除条带噪声的方法,首先将图像从空间域转换到频率域,通过频谱图发现条纹噪声的周期性分布,根据傅里叶变换的线性性质、周期性质和图像在频率域越高频分量处频谱值越小的性质,去除条带噪声,与基于低通滤波的条带噪声去除方法进行比较,可以发现本文提出的方法效果较好,为遥感影像的条纹噪声去除方法研究提供了一个参考。     

基于深度学习的高分辨率卫星遥感影像条带噪声去除

受到成像环境、硬件条件等因素的限制,高分辨率卫星遥感影像上普遍存在条带噪声的现象,其严重影响了影像的辐射质量和可用性。本文针对传统条带去除方法存在的适应性差、去噪效率低、依靠先验知识等不足,提出了一种基于深度学习卷积神经网络的条带噪声去除方法。本方法首先利用不同尺度的卷积层进行特征提取,然后对多尺度的特征图进行特征融合得到去噪底图,通过残差学习的方法在底图上预测存在的噪声分量,最后用噪声影像减去条带噪声分量实现噪声的去除。以模拟和真实获取的噪声影像为实验数据,将本文提出的方法与一些经典的去噪方法进行实验结果对比分析,实验结果表明本文提出的基于深度学习的条带噪声去除方法能够在保留影像地物细节的情况下,能以优异的速度达到最高的定量指标和最好的视觉效果,充分证明了本文方法的优越性。     

中分辨率遥感图像条带噪声的去除

CMODIS是中国第一个发射上天的中分辨率成像光谱仪 ,它有 34个波段 ,波长范围从可见光到红外波段。CMODIS数据含有大量有很高实用价值的光谱信息。但是由于CMODIS传感器之间对接受的地物辐射信号的响应特性不同导致CMODIS数据中的许多波段含有大量的条带噪声 ,严重影响了CMODIS数据的解译和信息提取。在介绍了几种常用于TM ,MSS ,SPOT等多传感器遥感图像中的条带噪声去除方法基础上 ,提出了一种新的有限长脉冲响应滤波 (FIR)法 ,并比较了该方法和其它几种常用方法对几何纠正前后非均匀地物分布的CMODIS数据的去条带噪声结果。结果表明这种新方法要优于本文中提到的几种常用方法 ,具有很好的去条带噪声效果 ,同时保持图像原有信息。这种方法在其它多传感器遥感图像的条带噪声去除中也有很强的适用性。     

南极卫星影像条带噪声的消除

利用二维傅里叶变换进行方向滤波，较好地消除了南极地区影像上的条带噪声。     

基于灰度归一化的HJ-1A星HSI图像条带噪声去除方法

针对HJ -1A星HSI图像上的条带噪声,在分析传统条带噪声去除方法的基础上,提出了一种新的基于灰度归一化去除条带噪声的方法.首先,设计孤立点检测窗口,将随机斑点噪声与条带噪声分离;然后,利用灰度归一化方法建立图像各列像元灰度级与基准列像元灰度级对应的查找表,根据查找表对HSI图像条带噪声进行消除.实验结果表明,该方法在很好地保留图像光谱信息的情况下,能够有效地消除图像条带噪声和随机斑点噪声.     

一种直方图匹配和线性空间滤波相结合的条带噪声去除方法

航天和航空遥感图像中,普遍存在着条带噪声(stripe noise),任何使用多个探测元进行获取图像的遥感器图像数据中均存在条带噪声。本文针对CBERS-02星图像中的两类条带噪声:探测元间条带噪声和横向随机条带噪声,提出了一种直方图匹配和线性空间滤波相结合的去条带噪声方法。其中直方图匹配用于去除探测元间的条带噪声,线性空间滤波用于消除横向随机条带噪声。实验结果表明,该方法能有效去除CBERS-02星影像中的条带噪声,并且能很好地保证图像质量。最后,从定性和定量两个方面进一步说明了该方法的有效性。     

MODIS数据预处理方法

时间、大气、太阳辐射的改变,导致获取的相邻遥感影像的对比度及光亮度产生差异,为了更好地进行分析、评价,需对遥感数据进行预处理。以新疆天山公路及其周边为研究区域,基于MODIS数据,利用ENVI软件进行数据的预处理,包括数据的几何校正、图像拼接、图像裁剪等,为其后进行的积雪研究作数据准备。     

顾及水陆差异的高分五号影像条带去除

高分五号搭载的可见光短波红外高光谱相机,能获取精细的地物光谱信息,具有十分广泛的应用前景。但高光谱卫星遥感数据往往无法避免条带噪声的干扰,进行条带去除是数据预处理中不可缺少的步骤。传统方法往往对地物的异质性与丰富的细节纹理考虑不足,导致条带不能被彻底地消除。为此,本文提出了一种顾及水陆差异的影像条带去除方法,采用水体与陆地区别统计的策略,解决条带噪声在异质区域的统计特征差异问题,并结合优化统计和一维变分滤波技术实现水陆区域参考统计特征的精确估计,最终基于矩匹配方法分别实现条带去除。实验结果表明:无论是真实实验还是模拟实验,本文提出的算法相较于传统条带去除算法,能更加稳健地去除数据条带噪声,还原地表真实辐射信息;在模拟实验中,本文算法处理结果的峰值信噪比(PSNR)达到46.58,且平均绝对误差(MAE)仅有11.56,均明显优于用于比较的3种传统算法,且算法执行效率也具备优势,能够更好地适用于高分五号大数据量的处理需求。     

利用Terra和Aqua双星MODIS数据协同研究沙尘暴

利用2005-04-28上午星Terra和下午星Aqua白天和晚上共4景MODIS数据对影响华北地区的一次沙尘暴进行了研究。对于白天的MODIS数据,利用热红外亮度温度差值法结合可见光近红外波段反射率阈值法,可以很好地把沙尘与背景地物和云分离开来;对于夜晚的MODIS数据,利用热红外亮度温度差值法也能较好地提取沙尘信息。研究表明,MODIS数据在沙尘暴等灾害研究方面具有很大的潜力。     

国产高分辨率遥感影像辐射质量改善方法研究

受制于光学器件的性能与观测环境的影响,国产高分辨率遥感影像通常存在条带噪声、光谱分辨率低、纹理不清晰等问题,给后续的自动化影像产品生产及目标解译工作带来极大的不利。本研究先后从去除条带噪声、对比度增强、边缘增强三个方面,对遥感影像进行质量改善,使遥感影像更好地为地理信息公众服务。以高分二号全色影像为实验数据,目视和定量评价结果均证实了本文算法的有效性。