海底视像图像的灰度不均匀校正方法的研究

点光源照射的亮度不均匀使获得的海底视像图象的灰度分布极不均匀，给海底多金属结核矿物的颗粒自动识别、粒径测量、储量的计算带来误差。本针对点光源照射的多金属结核海底视像图象，提出了３种方法进行灰度不均匀校正，并作了比较。实验结果表明，统计原图灰度值的二维分布特性，用二阶三次多项式函数拟合此灰度分布，再逐像元进行灰度拉伸的方法能更有效地消除点光源对海底视像图像灰度的影响。     

多波束声纳图像整体灰度不均匀及中央波束区反射异常校正方法

多波束声纳图像多条带之间存在灰度不均匀,中央波束区反向散射强度数据存在异常,不利于进一步利用回波数据。论述了多波束声纳图像整体灰度不均匀的产生原因以及中央波束区反向散射强度异常的主要因素。对声纳图像灰度不均衡进行了有效改正,鉴于中央波束区数据的特点给出了对中央波束区的反向散射异常数据的改正方法。     

一种基于变分Retinex的遥感影像不均匀性校正方法

本文提出一种基于变分Retinex的遥感影像灰度不均匀性校正方法。该方法在Retinex框架上,利用变分最优化技术和投影归一化最速下降法求解成像瞬间的照度分布,并以此为基础对遥感影像的灰度不均匀性进行校正。为了提高运算效率,引入了多尺度数值求解的策略。利用模拟影像和真实影像进行了实验,并与传统方法进行了对比分析,结果表明,本文方法能够在消除影像灰度不均匀现象的同时,有效保持影像本身的色彩和细节信息,同时还具有较高的运算效率。     

垂直不均匀分层的地基GPS层析水汽研究

依据四川省内GPS数据研究垂直分层方法对层析结果的影响及大气水汽随着高程变化的特点,提出一种垂直不均匀分层方法。与垂直均匀分层进行对比实验,不均匀分层的层析结果与探空水汽结果更吻合。由于水汽主要集中在对流层中低层,对流层低层的垂直分辨率相对较高,采用垂直不均匀分层方法得到的大气水汽的变化特征更加细致。考虑到水汽分布的不均匀特点,认为垂直不均匀分层更符合大气水汽的实际分布。四川地区的水汽层析实验研究结果表明文中提出的垂直不均匀分层方法可行且有效。     

基于灰度梯度的遥感图像去云方法研究

针对遥感图像厚云处理的替换方法,提出基于图像灰度梯度的去云处理方法,即通过无云图像的灰度梯度特征来对有云图像的区域进行还原处理.实验测试结果表明,基于梯度的去云处理方法不仅去云效果显著,而凡消除了传统替换方法中色彩差异较大的问题.设计了两种梯度计算方法,分别是基于比值的梯度计算方法和基于动念行梯度的计算方法.通过对这两个方法的对比分析,基于动态行梯度的去云方法是较为理想的去云方案.     

TM遥感图像FLAASH大气校正异常值的改正

针对经过ENVI的FLAASH模型大气校正后的反射率遥感图像中,经常存在异常值,即负值和大于100的高值,在水体分布众多的图像中尤其明显的问题,以Landsat的TM图像的校正结果为例,设计了改正算法,即对于异常高值采用阈值法进行改正,对于异常负值采用窗口搜索最小正值法进行改正。使用统计方法和NDVI植被指数对改正前后图像进行了对比。与改正前的图像相比,改正后图像进行计算的结果合理,表明算法是可行的和有效的。所提出的改正算法能够行之有效地改正图像中的异常值,为之后的遥感信息提取提供了良好的数据基础,具有一定的研究意义和应用价值。     

基于灰度分级的图像分割算法的研究

通过对灰度图像的灰度级压缩,将图像中每个像素的灰度值用一个合适的类标志来代替,构成一个“类-图像”。在一个“好”的分类标准的控制下,实现对图像的分割。     

一种改进的BP神经网络非均匀性校正算法

利用BP神经网络进行红外焦平面阵列的非均匀性校正,容易产生校正精度低、收敛速度慢及边缘模糊等缺点。文中提出一种基于中值滤波和改进网络权值的BP神经网络算法。对于非均匀性很大的红外图像,先对其进行中值滤波预处理,然后再在权值迭代过程中加入动量项改正来避免图像边缘模糊。实验结果表明改进后的BP神经网络算法更适合边缘细节丰富的红外图像。     

顾及地形起伏特征的线性预测滤波方法

传统的线性预测滤波算法将目标点云划分为多个栅格,滤波在每一个栅格内进行,而滤波栅格大小,需要用户手动调整。针对此问题,该文提出一种从机载激光扫描数据中生成数字高程模型(DEM)的有效方法。引入统计学变量——面高程变异系数,刻画地形起伏特征,并建立线性预测滤波算法中栅格大小与面高程变异系数之间的函数关系。最后,利用几组点云数据为研究对象验证该方法的有效性,实验结果表明,该方法能自适应地根据地形的起伏特征调整滤波参数,得到比较理想的地面点数据,最终内插得到高精度的DEM。