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。     

采用方向滤波消除中巴地球资源卫星图像条带噪声

在简略分析Fourier变换滤波、中位数滤波、人工检测滤波以及方向滤波的基础上，提出了用方向模块拟合条带的斜率，并用概率统计的思想检测条带的位置，线性内插得到条带上各像素的灰度值的滤波方法，它不仅能很好地消除中巴地球资源卫星图像条带噪声，而且保留了图像上有用的信息。     

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。     

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。     

南极1∶20万大剖面卫星影像数字制图

本文论述了在缺少地面控制点的情况下，进行南极卫星影像数字制图的方法和技术。利用ＴＭ和ＭＳＳ卫星影像数据，制作了从中山站至南极点大剖面考察区内的１∶２０万卫星影像图。南极景观以冰雪地貌为主，冰雪在卫星影像上亮度极大，反差极小，导致条带噪声干扰严重。另一方面，裸岩地、海水与冰雪之间的反差又过大，细貌被压抑，这些又给影像处理造成很大困难，针对这些特点，本文叙述了从影像中提取噪声谱后利用方向滤波法消去条带噪声。基于自动识别理论进行分类增强，采用相关匹配和加权平滑法进行不同时期卫星影像镶嵌等几项特殊处理技术。     

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。     

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。     

基于卫星立体条带影像的西部塔西测区DLG描绘技术方法

利用SPOT5HRS立体影像条带采集地貌要素（等高线、高程点、陡坎、陡崖、山区水系等）,以标准分幅的DOM成果数据为底图,参照外业调绘资料采集其它地物要素,并对地物和地貌要素进行整合（主要是等高线与地物的协调处理）,经编辑和赋属性,得到DLG成果数据。     

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。     

SAR影像去噪声方法的研究

针对ＳＡＲ影像噪声的特点,在分析了几种主要滤波的基础上,提出了基于标准偏差的均值和中值滤波,试验证明了此方法的优越性。     

Terra MODIS数据28波段影像条带噪声去除方法

目的 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。     

SAR影像去噪声方法的研究

针对SAR影像噪声的特点,在分析了几种主要滤波的基础上,提出了基于标准偏差的均值和中值滤波,试验证明了此方法的优越性。     

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。     

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。     

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。     

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。     

基于小波阈值优化和边缘检测的SAR影像斑点噪声滤除

探讨在小波频域内进行SAR斑点噪声分析的特点和优势，回顾小波频域斑点噪声滤除的方法，结合前人阈值优化和边缘检测蝗思想提出一种新的斑点噪声消除方法，试验表明所研究的噪声滤除方法，同各种空间域滤波方法和已有的小波频域滤波方法比较，在噪声滤除和信息保留两方面的综合效果有明显提高，具有一定的应用价值。     

高分辨率SAR影像斑点噪声滤除方法的研究

SAR影像中一般都存在着斑点噪声,它严重干扰了地物信息的提取与SAR影像的应用,影响了地物的判读,因此,抑制SAR影像斑点噪声对SAR影像的应用有着重要意义。本文首先分析了斑点噪声的产生机理及数学模型,然后介绍了滤除斑点噪声的方法,重点介绍了几种局域统计自适应滤波,总结了SAR斑点噪声滤除的两种数学模型作为构造SAR斑点噪声滤除方法的基础,然后针对几种典型的滤波算法进行了对比试验,最后提出了一套对这些滤波斑点噪声滤除效果的定量化评价指标,并运用到试验中,指导SAR影像斑点噪声的滤除以及滤波算法的构造。     

一种改进的SAR影像斑点噪声抑制方法

合成孔径雷达（SAR）影像的应用越来越广泛,但斑点噪声很大程度上影响了SAR的应用。本文首先研究了常用斑点噪声滤波方法,在此基础上,将中值滤波与常用的Lee,Frost,Kuan滤波结合。实验结果表明,该方法在斑点噪声抑制及边缘保持上明显优于传统的滤波方法。     

桂林地区卫星影像图

正~~