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。     

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。     

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。     

一种基于小波变换去除遥感图像噪声的方法

采用小波系数极大值跟踪法去除图像噪声，建立了尺度间小波系数极大值跟踪矩阵，标识出小波系数极大值的信噪属性，剔除了噪声部分对应小波系数极大值，从而抑制了噪声污染。与常规去噪方法相比，该方法不仅有效地去除了噪声，同时保持了图像边沿细节，具有良好的消除噪声效果。     

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。     

小波变换阈值去噪法在GPS数据处理中的应用

在介绍小波变换阈值去噪法的特性及其有点的基础上,结合武汉某大学教学楼GPS变形监测数据,首先使用不同的小波函数及阈值策略分别对GPS观测数据的非差、单差相位观测值和伪距观测值进行阈值去噪处理,然后分别使用Bernese高精度数据处理和Trimble TG0软件对消噪前后的单差相位观测值、非差相位观测值和伪距观测值进行基线解算。最后,比较消噪前后基线解算结果,分析不同小波函数和阂值策略对基线解算精度的影响,探讨小波变换阅值去噪的合理方法。     

MODIS数据的水浇地提取

水浇地是土地覆盖分类系统中的一个重要类型, 依据水分亏缺指数(WDI)与土壤水分的相关性, 计算了监测时间内WDI的变化情况, 用降雨资料去除了由于降雨引起的WDI的变化, 进而提取了研究区的水浇地分布。结果表明：(1)提取出的水浇地在数量上与统计资料相比, 除山西省偏差相对较大外, 其余各省偏差均小于7%, 提取出的结果与统计资料具有可比性。(2)提取出的水浇地在空间上多成片出现在河流、湖泊、水库附近、灌区和绿洲上, 与已知的水浇地集中区一致。(3)利用TM影像对提取结果进行了初步判断, 其中山西省的正确率较低, 只有64%, 其余各省正确率均在70%以上, 新疆的正确率最高为92%。     

基于双树复数小波的SAR图像噪声抑制

小波变换由于其良好的时频分离特性以及接近人类视觉系统的多分辨分析,在SAR图像的去噪和复原中得到了很好的应用,但是经典小波变换不具备平移不变性,且得到的高频分量的方向非常有限。复数小波变换是一种具有近似平移不变性、更多方向选择性且能够完全重构的双数正交小波变换,在图像去噪方面表现出更强的性能。建立了复数小波变换分解与重构的过程,并对分解后的实部和虚部图像的高频部分分别进行局部非线性软阈值法滤波。实验结果显示,复数小波变换较小波变换不仅滤除了更多的噪声,而且得到的图像边缘更加平滑。     

利用MODIS红外资料反演大气参数以及表层温度的研究

提出了用牛顿非线性迭代法同时反演大气参数和表层温度,该反演算法应用到我国渤海地区MODIS红外资料中,可反演得到中尺度范围内的大气温度、水汽廓线,其误差分别不超过1.5 K和18%。反演得到的表层温度、大气可降水量(TPW)和大气稳定度(TTI)与美国国家宇航局(NASA)MOD07产品相似。     

基于MODIS时间序列数据的滤波降噪新方法

去噪的效果对MODIS时序数据产品的应用有很大影响。过去二十年里,出现了很多去噪方法(例如,MVC,BISE,小波变换,拟合函数等等),这些方法大多分为两个步骤:使用质量标记,然后采用具体滤波方法或进行曲线拟合。这些方法多数是参考了质量信息或其他辅助数据后选出时间点值。本文指出,可以在以上两步间增加一个去除尖峰信号的过程。该方法首先选择三个定位点以确定曲线,然后进行双向棘波检测,利用设定的阈值去除异常的尖峰信号,并选择Savitzky-Golay平滑滤波器作为该方法的实例检验。结果表明,该方法改善了时序曲线的可视化效果,当结合实际场景时,曲线解译效果有较大改进。通过加入该步骤,其他滤波方法也能得到相似的改进。     

基于MODIS数据的植被指数分析

针对宏观土地覆盖遥感分类的现状,充分利用MODIS相对于AVHRR数据具有的多光谱和分辨率优势,提出了利用MODIS数据进行分类特征选择与提取并结合多时相特征进行宏观土地覆盖分类的分类方法,并进行了分类试验。     

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。     

MODIS数据并行计算方法研究与实现

详细分析了MODIS数据辐射定标、投影变换实际操作过程中的并发性,提出了三种不同的任务分解策略,实现了两种预处理操作,并对试验数据进行分析比较,发现投影变换更适合于并行化处理,而按行和按列任务分解的效率要高于按波段的任务分解。     

利用MODIS识别草原火灾迹地方法的研究

中国是草原火灾频繁国家,草原火灾对牧场和牲畜生产造成了严重的破坏。MODIS每天可以获得36个通道的卫星数据,为草原火灾迹地研究提供了新的数据源。通过实验研究,根据火灾迹地在MODIS短波红外波段的光谱特征,提出了GEMI-B指数以突出火灾迹地的特征,并进一步提出了基于GEMI-B指数且适用于火灾迹地面积提取的时间序列数据合成方法。同时发展了一种自动提取草原区域火灾迹地的方法,利用火点作为初始种子点,采用种子点扩散算法在时间序列合成数据的GEMI-B指数图像上实现火灾迹地自动提取。     

基于ENVI的MODIS数据预处理方法

基于ENVI遥感影像处理软件,选取湖北省MODIS数据,经预处理得到可以进一步分析的湖北省MODIS数据,重点讲述了应用ENVI软件对MODIS数据进行遥感影像预处理的方法和流程,为区域农业遥感数据库建设提供遥感数据处理方法支撑。     

一种新的基于MODIS的地表含水量模型构造与验证

考虑到水的光谱反射特性，提出了一种新的统一地表含水量指数（SWCI）模型，并通过国家气象局降雨量和台站土壤水对应数据进行了验证。本方法能较好地反映地表的含水量值及其变化，可用于大范围且快速的土壤水遥感监测。     

MODIS数据在火灾监测中的应用

简介了MODIS在火灾方面的应用潜力,并对2002年8月份在中国东北大兴安岭突发的火灾作了动态监测,其目的是对1B级数据进行验证,以及对MODIS火灾检测参数进行测试和检验。结果表明,MODIS在火灾监测方面有很好的应用前景。