多光谱卫星图像反演云空湿度场方法的改进

利用1998年6～8月GMS图像和分析区内近70个台站的地面和探空资料,在过去工作的基础上,通过引入地面实测湿度场相关资料作新的分析参量,建立了各标准等压面相对湿度统计分析新模型,改进了应用多光谱卫星图像反演三维湿度场的方法.通过比较和检验,证实新模型可有效改进大气湿度场的反演精度,特别是低层湿度场的反演精度.     

融合多尺度视网膜图像增强的动态云检测

云检测是气象卫星各类定量遥感产品的基础,无论是以云图为基础的天气分析还是以去云为前提的各类大气和地表参数反演、沙尘火情等灾害检测,都需要对遥感影像中的云进行准确识别,尤其是薄云和云边缘等细节识别。针对静止气象卫星(以Himawari-8为例)精细化云检测,本文提出了一种基于多尺度视网膜图像增强的动态云检测算法。该算法基于云层与背景信息辐射特征不同的原理,构建可见光和红外波段的晴空辐射背景场,通过多尺度图像增强和最大类间差方法对辐射差值进行云细节信息的增强和提取。利用2021-2022年的75景MODIS云检测产品作为验证数据进行算法精度验证,整体上算法精度达到91.13%,召回率为94.02%,精确率为86.71%,有较强的适用性和稳健性,且已经较好地支撑了近两年的定量遥感产品业务化应用。     

基于特征层融合的高光谱图像异常检测算法研究

介绍了一种基于特征层融合的异常检测算法。目前，其他的目标检测算法都需要知道有确定类别标记的样本，而一般的异常检测则是利用统计特征差异分割出图像中不同于背景的点。此方法减少了对先验信息的依赖，但是其结果存在较大虚警。提出的异常检测算法是利用低概率检测算法对高光谱数据先进行特征层融合，再进行分割、提取异常点，其结果降低了虚警和漏警。用这一方法对OMIS系统产生的数据进行了处理，取得了较好的结果。     

基于MODIS影像的夜间云检测算法研究

在以往云检测算法的基础上,利用MODIS传感器高光谱和高时间分辨率的特点,建立一套针对MODIS夜间影像的,以单、多时相组合方法为基础的夜间云检测算法.通过对我国南北地震构造带(南北带)影像进行云检测试验证实,该算法对MODIS夜间影像上的各种云类具有较好的检测效果.     

利用对象光谱与纹理实现高分辨率遥感影像云检测方法

针对高分辨率遥感影像云检测过程中合适的云检测光谱阈值难以确定及影像中类云地物对云检测精度影响的问题,提出一种基于对象光谱与纹理的高分辨率遥感影像云检测方法。首先,对影像进行直方图均衡化处理,根据均衡化影像直方图获得合适的影像云检测光谱阈值。其次,用简单线性迭代聚类算法对影像进行分割生成分割对象,以对象为处理单元,根据云检测光谱阈值和对象光谱属性对对象进行云检测过滤,获得初始云检结果。然后,求得直方图均衡化影像的纹理图,根据对象的纹理均值及角二阶矩对初始云检测结果提纯,消除类云地物对云检测精度的影响。最后对提纯云区域进行区域增长及膨胀处理,获得最终的影像云检测结果。定性对比试验和定量评价结果表明,本文方法可以获得良好的影像云检测结果。     

深度学习模型识别静止卫星图像海上强对流云团

强对流天气破坏力强,对海上航行和海洋开发都有着很大的影响,但由于其生命史短,且海上气象测站少,因此难以对其进行快速准确的监测。而静止气象卫星的覆盖范围广、时间分辨率高,因此成为了监测强对流天气的重要手段。本文提出了一种利用Himawari-8卫星影像,基于深度信念网络(DBN)进行强对流云团自动识别的方法。该方法分别提取每张图像的光谱特征TBB13、TBB08-TBB13和TBB13-TBB15,以及基于光谱特征TBB08-TBB13的纹理特征能量Energy和对比度Contrast,再参考CloudSat卫星的云分类产品自动构建样本集,利用此样本集训练DBN模型,以确定模型的参数和结构。使用训练完成的DBN模型进行强对流云团识别,并对识别结果进行后处理。通过典型案例分析和精度评定发现,新方法的临界成功指数CSI为71.28%,检测概率POD为84.83%,虚警率FAR为18.31%。结果表明,该方法可以有效识别处于初生到消散不同阶段的强对流云团,并在一定程度上去除检测结果中多余的卷云。与单波段阈值法、多波段阈值法和支持向量机这3种方法相比,文中提出的方法能够提高强对流云团的识别精度。     

基于目标关联的多源卫星遥感图像兵营融合检测方法

目前的目标融合检测方法大都是基于多源遥感图像配准的,然而在实际的应用中,成像机理不同的多源遥感图像的精校正和图像间的配准是十分复杂的,难以确保其配准精度.为此,本文提出了一种基于目标关联的多源卫星遥感图像的兵营融合检测方法.该方法不对图像进行配准,而是根据单源图像的目标自动检测结果,利用图像的大地坐标信息,截取包含目标的同一地区的局部遥感图像,再分别提取多源遥感图像目标的特征,并根据其中冗余的特征,对提取的目标区域建立关联,再由关联检验确保特征关联的正确性,最后对目标特征进行融合决策,得到目标融合检测结果.实验结果表明,该方法能有效地利用多源遥感图像的信息,降低遥感图像目标检测的误判率,提高目标特征的准确度.     

高光谱图像目标检测算法分析

本文将国内外的高光谱图像目标检测算法分为光谱异常检测、光谱匹配检测和高光谱与高空间分辨率结合目标检测三种检测算法,分析了三种检测算法的原理、应用特点和局限性,并探讨了目标检测算法的发展的可能性。     

基于特征层融合的高光谱图像异常检测算法研究

介绍了一种基于特征层融合的异常检测算法。目前，其他的目标检测算法都需要知道有确定类别标记的样本，而一般的异常检测则是利用统计特征差异分割出图像中不同于背景的点。此方法减少了对先验信息的依赖，但是其结果存在较大虚警。提出的异常检测算法是利用低概率检测算法对高光谱数据先进行特征层融合，再进行分割、提取异常点，其结果降低了虚警和漏警。用这一方法对OMIS系统产生的数据进行了处理，取得了较好的结果。     

提高中巴卫星IR MSS图像空间分辨能力的光谱保真融合方法

介绍一种提高中巴资源卫星IRMSS图像空间分辨能力的光谱保真融合方法。通过计算低分辨率图像上每一个像元对应的高分辨率图像上一组子像元的平均亮度值及二者之差,将该差值与高分辨率图像上相应子像元亮度求和,形成新的图像。该图像具有高分辨率图像的空间细节,又具有低分辨率图像的光谱信息,从而实现融合图像信息保真。试验表明,光谱保真融合方法可以在不改变光谱信息的前提下提高IRMSS图像的空间分辨能力,是一种新的简单实用的数据处理方法。     

基于DNB验证的VIIRS夜间云检测方法

针对夜间云检测验证中低云和雾难以区分的困难,提出了对于南方山区有效的云检测和验证方案。通过分析可见光红外成像辐射仪套件(visible infrared imager radiometer suite,VIIRS)传感器数据的新特性和云检测的原理,给出了适合VIIRS夜间云检测的方法。对白天/夜间波段(day and night band,DNB)数据对云检测验证的适用性进行了分析。结果表明:在月亮天顶角小于60°时,DNB波段能够较好地用于夜间云检测验证;在扫描角小于15°时,云检测精度不低于91%;使用VIIRS的M12和M13通道的亮温差值BTM12-BTM13辅助M12和M15通道的亮温差值BTM12-BTM15进行低云检测,能够去除大部分山谷中雾的影响;检测阈值对扫描角大小变化敏感,当扫描角较大时,设定的阈值在检测精度上不如扫描角较小时理想。     

基于激光反射率的点云与图像自动融合

提出一个基于激光反射率的点云图像自动融合算法,数字图像与点云反射率图像特征点匹配,得到数字图像特征点像点坐标和相应物点物方空间坐标对,采用直接线性变换算法(DLT)建立点云数据反投影至二维图像点的投影模型,实现点云图像自动融合,得到目标表面的全面信息,包括物体表面三维坐标和纹理信息。自动地实现点云图像融合,无需人工参与,提高效率和准确率,同时结合实验验证该算法的可行性。     

基于显著性图像与纹理特征的遥感影像云检测

遥感影像云检测是遥感影像处理中非常关键的环节,准确识别影像含云区域能够提升影像的利用价值.根据遥感影像的成像特点,将阈值法和纹理特征结合实现云和下垫面的分割.首先将影像从RGB(red-green-blue)空间转化为HSI(hue-saturation-intensity)空间,进而构建影像的显著性图像,利用Otsu...     

基于多维云空间的多光谱遥感影像边缘检测研究

在云模型的基础之上,提出一种基于多维云空间的遥感影像边缘检测算法。该方法依据矢量角相似性准则并结合邻域关系进行图像区域生长,在此基础之上根据影像不同波段的数据特征建立多维云空间映射模型,将数据从图像空间映射到云空间。通过多维云的逻辑运算生成边界云并进行向量综合。利用云的数字特征反推隶属度,构建边缘模糊特征平面,并通过最大模糊熵原则确定最优阈值,对图像模糊边界进行提取。试验结果表明,该算法在多光谱遥感影像中能取得较好检测效果。     

高光谱图像数据变换编码压缩方法

三维ＤＣＴ变换编码包括谱段方向的一维ＤＣＴ变换和由此产生的特征值图像的二维ＤＣＴ变换编码。谱段方向一维ＤＣＴ变换的主要作用是去除光谱方向的数据相关性,并产生由ＤＣＴ系数构成的并与各个谱段相对应的特征值图像。特征值图像的压缩由ＪＰＥＧ算法完成,图像的压缩比由ＪＰＥＧ的量化因子ｑ控制。图像边缘特征对高光谱图像的应用具有非常重要的意义,在高光谱图像的压缩过程中要尽量保持图像的边缘特征。我们设计了具有图像     

FY-2静止卫星红外通道的高光谱交叉定标

介绍利用高光谱探测器IASI和AIRS对FY-2静止气象卫星VISSR红外通道进行绝对交叉定标的方法,并且基于FY-2E业务运行以来的历史数据对该方案进行可靠性检验和误差分析。结果表明,基于两个独立仪器得到的高光谱定标结果间具有很好的一致性;高光谱定标的亮温偏差基本上呈正态随机分布没有明显的系统偏差,平均亮温偏差小于0.07K,标准差约1.4K,其中亮温大于290K时,平均偏差小于0.2K,亮温大于220K时,平均偏差小于1K,低温端平均偏差约为3K;本文方法与目前FY-2EL1文件中提供的定标结果相比有明显改善,精度平均提高大于1K,低温端2—3K。长时间统计分析结果证明文中采用高光谱交叉定标方案稳定可靠,精度能够满足定量应用需求。     

基于主成分分离方法的航空图像云检测

传统云检测方法未顾及云具有半透明性质的特点,直接从遥感图像中提取云特征用于云检测,降低了云检测精度.本文根据Mie散射理论构建云与地表信息的线性模型,即将一幅遥感图像看作是云与地表信息线性构成的,从整个纹理结构的角度看,云图像位于一个低维的子空间,首先采用主成分分析方法(PCA)构建云成分分离模型,从遥感图像中分离出云成分,其次采用局部二值模式(LBP)特征提取云成分的纹理作为特征向量,最后训练支持向量机分类器进行云检测.本文以755幅航空图像为实验对象,其中包含158幅有云区域,正检率达到90.69％,误检率9.31％,说明本文方法对航空图像云检测有一定效果.     

基于传感器光谱特性的全色与多光谱图像融合

提出了一种基于传感器光谱特性的全色与多光谱影像融合方法.该方法主要基于快速IHS融合方法的思想,在充分考虑各波段成像传感器的相对光谱响应的基础上,对强度分量的构造和空间细节信息的注入方式2个方面进行了改进.改进后的方法有效地改善了光谱畸变问题,且能同时对所有的光谱波段进行融合.分别对IKONOS、ETM+影像进行融合实验,结果表明该方法在光谱信息损失最少的情况下,较大地提高了影像的空间分辨率,与其他方法相比具有更好的综合性能.     

基于多源卫星图像融合的水坝检测方法的研究

本文提出了一种基于多源卫星图像融合的水坝检测方法，该方法在特征级融合的模式下，利用多源卫星图像特征信息互补的优势，先后提取多个卫星图像中目标的特征信息，再通过多传感器数据融合方法中的逻辑模板法对特征进行融合，得到系统的目标结果输出。试验结果显示，该算法能在大幅复杂背景下有效地对水坝进行检测并定位，并减少了单源卫星图像进行目标检测的错判、误判率。整个算法能完全实现自动检测，可达到预想的目的。     

Pleiades-1卫星影像的图像融合方法研究

图像融合可以提高原始图像的质量、增加可视性效果、充分挖掘影像特征,为影像后期的深入分析提供数据支撑,但现有与Pleiades-1卫星影像有关的图像融合方法还甚为少见。因此,本文以遥感处理软件(ENVI4.8)为处理平台,采用该软件自身提供的HSV,Brovey,PC,Gram-Schmidt,Color normalized,PAN Sharpening变换6种融合方法对Pleiades-1卫星影像进行融合处理,经主观评价和定量评价后可以看出,Gram-Schmidt变换能明显提高原始图像的质量,融合后的效果最好,因此Gram-Schmidt变换是Pleiades-1卫星影像最佳的融合方法。