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。     

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。     

傅里叶频率域上遥感影像的遗传优化增强

提出一种结合傅里叶变换及遗传算法的遥感影像增强方法,通过设计的适应度函数驱动自适应遗传进化。定义适用于傅里叶频率域的条带对比度,再借助遗传优化的增强参数,实现在频率域增强遥感影像的目的。将其与空间域增强方法、频率域增强方法、模糊域增强方法进行对比试验。试验结果表明,该方法在保持原始影像色调的基础上,能提高影像的反差、清晰度、信息熵等,同时可改善影像的视觉效果,有利于后续处理及模式识别。     

频域滤波与直方图匹配相结合的条带噪声去除法

针对高分辨率遥感影像中存在的条带噪声,提出了一种频域滤波与直方图匹配相结合的去噪方法。首先利用变换域的方法提取条带噪声;再利用butterworth滤波器滤除条带噪声成分;最后将滤波后的结果影像作为参考影像,对原始含条带噪声的影像进行基于影像列的直方图匹配。实验结果表明,该方法能有效去除条带噪声。     

一种基于频谱段能量的高分辨率遥感图像边缘特征检测方法

从图像信号的能量角度出发,探讨一种基于频谱段能量的高分辨率遥感图像边缘检测的方法。该方法采用滑动窗口傅里叶变换和频谱能量分段叠置的手段,将含有噪声的图像信号分解到不同的频谱段中,然后根据直流中心频谱段图像良好的噪声抑制特性,在此基础上进一步分析其高阶频谱段能量对图像边缘特征的贡献作用,将3×3的滑动子窗口中频谱半径为1～1.5范围内的频谱能量系数进行求和叠置,并量化至0～255的灰度范围,得到最终的边缘检测图像。试验结果表明,基于频谱能量所检测出的图像边缘特征响应较为显著,视觉效果尚可,并且具有特定方向上的边缘检测能力。     

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.     

改进的二维小波超分辨率重建方法

对传统的二维小波超分辨率重建方法进行了研究,针对原有方法小波分解高频分量双三次插值会引入噪声的情况,提出了一种利用傅里叶变换零填充重采样代替原有双三次插值的改进算法.获得精确的高频细节信息是单帧影像超分辨率重建过程的关键,改进方法利用傅里叶变换零填充重采样可获得频率域理想插值的优势,将其用来处理原图像小波分解后的高频,可在不引入噪声能量的同时对高频信息进行理想插值,使高频细节在重构过程中更加精准.通过理论分析和试验验证,改进方法优于传统方法,可较好地应用于遥感影像的超分辨率重建.     

用小波分析反演星载SAR图像海面风向

为更好地利用合成孔径雷达SAR图像本身的风条纹信息来反演高精度的海面风向,采用不同模式、不同极化方式的星载ASAR图像,基于抽样小波变换结合快速傅里叶变换的方法反演海面风向,同时将该方法反演的结果与传统的傅里叶变换法和改进的局部梯度法反演的结果进行了对比。结果表明,抽样小波变换应用于海面风向的反演是可行的,反演的风向精度优于传统的傅里叶变换法和改进的局部梯度法。ASAR不同模式、不同极化方式的数据反演结果存在着一定的差异。     

一种改进人类视觉的SAR图像舰船检测方法

针对以离散余弦变换为核心的人类视觉模型舰船检测算法受数据类型限制的问题(即对复数类型的数据检测效果不好),该文提出了一种改进的人类视觉模型SAR图像舰船检测算法。该算法是以快速傅里叶变换代替离散余弦变换,将SAR图像从空间域变换到频率域;快速傅里叶变换对数据类型要求较低,只要求数据是离散的,并且运行效率更高。然后,采用3种星载SAR数据——ENVISAT ASAR(25m)、Sentinel-1(10m)和Cosmo-Skymed(2.5m)进行对比实验。结果表明,以快速傅里叶变换为核心的人类视觉模型舰船检测算法的检测性能和效率优于以离散余弦变换为核心的算法、双参数恒虚警率(CFAR)算法和K分布恒虚警率算法。     

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。     

利用频谱能量进行高分辨率遥感图像地物识别

提出了一种基于频谱能量的高分辨率遥感图像地物识别方法。首先将预处理后的典型地物的遥感图像通过傅立叶变换从空间域转变到频率域,然后用位于频谱中心的一个矩形窗口提取频谱图上对能量贡献起主导作用的低阶频谱能量系数作为目标识别的主要特征值,并利用该特征值结合SVM分类方法对目标地物样本进行识别和分类。研究结果表明,每种地物样本均获得了较高的识别结果,总体精度达到了88.96%。     

利用余弦变换的重力梯度Parker正演方法及其应用

为获得高精度重力梯度数据,实现基准梯度数据库精确快速构建,研究利用数字高程模型正演重力梯度的频率域快速计算方法,推导出基于余弦变换的Parker正演重力梯度理论公式。数值试验结果表明,余弦变换频率域正演方法平均绝对误差可达到0.5 E左右精度要求,与傅里叶变换正演方法相比误差可减小3 dB左右,与棱柱法等空间域正演方法相比,该方法计算规模小,速度优势明显。     

用小波变换和数学形态学算法研究文本图像去噪

针对文本图像存在的噪声,提出了小波变换和数学形态学相结合的文本图像去噪算法。通过小波变换对原始图像进行多尺度分解,对小波近似系数进行线性拉伸处理,细节系数进行域值化处理后重建图像,对重建图像进行直方图均衡化,然后再进行数学形态学运算去除剩余噪声。结果显示本文方法对于存在大量噪声的文本图像可以起到很好的去噪效果。     

基于改进二维离散希尔伯特变换的图像边缘检测方法

提出一种新的基于二维希尔伯特变换的边缘检测方法。对于频域信号而言,希尔伯特变换不改变信号的幅值,而仅仅改变其相位,即负频率的相位作+90°相移,而正频率作-90°相移。经由傅里叶变换后,边缘特征呈极值状态,因此本文利用二维离散希尔伯特变换实现边缘检测。由于二维离散希尔伯特变换结果具有方向性,提出利用两个呈正交性的二维离散希尔伯特变换的幅度平方和来检测图像边缘特征。此外将高斯核函数引入到希尔伯特变换中,以减少图像噪声对检测结果的影响,并根据PSNR(峰值信噪比)来确定最佳参数σ,从而得到理想的边缘检测效果。为验证该方法的检测结果,将所提方法与传统边缘检测算子的检测效果进行了比较分析,并将该方法运用于卫星遥感图像中,结果表明该方法可以有效地应用于边缘检测工作中。     

高光谱图像稀疏约束与自编码器特征提取相结合的异常检测方法

高光谱图像的异常检测在军事、农业、勘探、防火等领域具有重要的应用价值。传统的高光谱图像异常检测算法未能有效地挖掘图像光谱的深层特征,而深度学习方法具有良好的提取深层特征信息的能力。由于异常检测问题一般无法获取地物先验信息,因此无监督网络相比于监督网络要更为适用。而现有的基于自编码器的异常检测算法没有对局部信息进行有效利用,导致检测效果受限。针对这一问题,本文提出一种基于稀疏表示约束的自编码器深度特征提取方法。首先通过栈式自编码器得到深层次语义信息;然后利用稀疏表示作为约束与编码器进行有效结合,挖掘了潜在隐藏空间中的特征元素的局部表示特性;最后采用分数傅里叶变换,通过空间-频率表示获得原始光谱与其傅里叶变换的中间域中的特征,进一步增强了背景和异常的光谱区分度,且能有效去除噪声的影响。在Hymap、AVIRIS、ROSIS、HYDICE这4种光谱仪采集的5幅高光谱遥感影像上进行了性能验证,得到的曲线下覆盖面积(area under curve, AUC)分别为0.990 5、0.998 3、0.999 0、0.992 8和0.911 0,相比于对比算法都有了不同程度的效果提升。结果表明本文...     

基于蓝噪声理论的遥感图像森林植被纹理测量

遥感图像分割中森林植被是重要的一类目标,有效确定森林植被的纹理尺度是纹理分割的重要问题。提出一种用蓝噪声理论描述遥感图像森林植被纹理特征的方法,是一种新的植被纹理刻画和纹理尺度计算方法。研究尺度与植被纹理形态的对应关系,对于选定的探测区域,迭代寻找蓝噪声特征。迭代过程包含通过几何变换缩小区域的尺寸,用快速傅里叶变换获取区域的频谱响应,从频谱响应中提取蓝噪声特征。对于具有蓝噪声特征的区域,计算森林植被纹理的灰度分布,根据当前区域尺寸计算纹理的尺寸。实验表明,森林植被纹理单元的尺度和灰度分布测量结果准确,为进一步纹理分割提供了可靠的基础。     

一种频域高分辨率遥感图像线状特征检测方法

高分辨遥感图像中线状特征等的自动识别与提取是进行遥感图像分析与理解等高层次图像工程的前提和基础,但由于高分辨率遥感图像中细节信息异常丰富,这给特征的提取带来很大干扰。本文引入了一种基于方向和频率特征的遥感图像频域线状特征检测方法,该方法首先通过傅氏变换将图像变换到频率域,在详细分析线状特征和谱线的关系,线状特征和图像频率之间关系的基础上,基于分析得到的方向和频率的参数构造Gabor滤波器进行图像线状特征的提取。并以Quick bird高分辨率遥感图像进行相关提取实验,实验结果表明该方法较好地提取了图像的线状特征,为基于具体频谱分析的高分辨率遥感图像特征的精确提取提供了新思路和方法上的借鉴。     

基于傅立叶变换的梯田纹理特征提取

纹理分析是提高图像解译和分类精度的有效方法之一。基于梯田的纹理特征,利用图像傅立叶变换后在频率域上的性质,即图像上的线状纹理,在频谱图上反映为一组谱线,这组谱线都通过频谱中心,且方向与图像的线状纹理垂直。以分辨率为1 m的IKONOS陕北梯田遥感影像为例,在5像元×5像元大小的窗口上采用最大方向值比值作为梯田特征提取的主要指标,取得了比较满意的效果,梯田最终的分类精度达到81.3%。     

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。     

Terra MODIS数据28波段影像条带噪声去除方法

Terra卫星MODIS传感器影像中多个波段数据存在条带噪声,其中第28波段的数据受影响较为严重,且随着时间的推移噪声强度更大、噪声类型更加复杂。针对该波段同时受探元-探元噪声与镜面条带噪声影响的特点,本文在矩匹配方法的基础上,提出了基于曲线拟合与去除信号趋势项的条带噪声去除方法。实验结果表明,相对于传统方法,本文提出的两种条带去除方法具有更强的稳健性。