基于多时相遥感影像去除朵云及阴影的改进方法

利用多时相遥感影像进行相应区域替换是一种有效的去除朵云及阴影的方法。针对常规方法存在的不足,对去除过程中的一些关键技术进行改进。利用矩形区域表示不规则的云区域进行替换,并给出了矩形区域的确定方法;替换前采用多图像亮度规格化技术改善两幅影像的亮度差异;对替换后矩形区域边界与背景图像之间的拼接缝进行消除,得到最终去云影像。     

基于中值滤波和小波变换的遥感影像去云

去云处理是遥感图像处理以及大气纠正的重要步骤,目前常用的遥感薄云去除法一般只能去除低频区域的云,而对高频区域的云则没有处理效果。因此,在研究传统小波算法对图像进行处理的基础上,引入了中值滤波,它将每一像素点的灰度值设置为该点邻域窗口内的所有像素点灰度值的中值,旨在对高频突变云区进行处理。而后结合主观视觉和客观统计分析两方面对结果进行评价,并且与传统小波去云比较,经分析表明,高频突变云有所减少,达到了预期目的。     

基于光谱及几何信息的TM图像厚云去除算法

为了去除厚云及其阴影对光学遥感图像的影响,以TM图像为实验数据提出一种基于光谱及几何信息的去厚云算法.在分析单图像云区多光谱特征及对比多时相图像光谱特征的基础上,首先检测光谱特征明显的厚云,依据云和云影成对出现的成像几何关系,按确定的方位和距离搜索云影;然后采用数学形态学的侵蚀与膨胀算法对云区边缘进行碎片去除及填补、合并处理,使其准确反映图像中受云影响的数据总量;最后利用光谱线性回归匹配后的参考图像替换目标图像中的云区,达到去云目的.实验结果表明,上述算法去厚云效果显著,能够有效排除水体及地形阴影对云影识别的影响,具有快速、简单、实用性强的特点.     

基于Roberts梯度与HIS色彩空间的SAR图像伪彩色编码

针对SAR灰度影像信息不丰富,不利于解译识别的问题,提出了一种基于Roberts梯度与HIS色彩空间的SAR图像伪彩色编码算法。首先,计算SAR图像的梯度图像,并确定梯度阈值T;然后,比较像素梯度与阈值的大小,大于阈值的像素按照Roberts梯度方法编码,否则按照基于HIS色彩空间方法编码;最后,对两种编码结果进行合成,得到最终伪彩色SAR图像。利用TerraSAR-X影像数据进行了实验验证,结果表明:本文研究的方法均能达到很好的伪彩色编码效果。     

利用辅助图像进行IKONOS图像的去云处理

遥感图像上的局部云层覆盖会直接影响遥感图像的使用，在图像预处理阶段应进行去云处理。文中讨论了IKONOS多光谱图像上的“厚云”去除方法。主要思路是：利用与IKONOS图像光谱特性极为相似的陆地卫星ETM 多光谱图像的前四个波段作为辅助图像，将ETM 图像与IKONOS图像配准后，利用辅助图像上的信息替换IKONOS图像上的有云区域，实现IKONOS图像的去云处理。实验表明：在辅助图像存在的前提下，本文的去云方法足一种理想的解决方案。     

西部山区RapidEye图像去薄云方法研究

针对我国西部山区RapidEye图像的去薄云问题,研究了在Photoshop软件环境下的两种方法:一种是直接用色阶调整功能分别对三波段图像进行调整;另一种是先进行波段替换(即用红外波段替换蓝光波段),再分别对三波段图像进行色阶调整.经实践发现,去薄云处理后的图像与原图像相比,影像质量明显改善,实际生产效率提高.     

WorldView-3单景影像去云处理对比研究

针对云雾天获取的影像对比度低、地物细节模糊,严重影响影像后期处理的问题,该文基于WorldView-3(WV-3)遥感影像,通过薄云最优化变换(HOT)与点云算法相结合、暗通道两种方法去除或削减图像中云层信息,并采用相关系数、光谱扭曲度等参数定量评价两种方法的去云效果.结果显示,HOT与点云算法结合与暗通道两种方法均能对WV-3影像中云层信息进行去除,其中后者去云结果各波段的相关系数比前者去云结果平均高出6.9％,后者的光谱扭曲度比前者平均低出1.67％.因此暗通道去云方法要优于HOT与点云算法结合的去云方法.     

一种改进的Canny算子边缘检测算法

介绍Canny算子边缘检测的基本原理,并对其性能进行分析和评价。针对传统Canny算子在滤波过程中存在的缺陷,提出一种基于自适应平滑滤波的改进Canny边缘检测算子,该算法根据图像中像元灰度值的突变特性,自适应的改变滤波器的权值,在平滑图像的过程中使图像的边缘锐化。在计算梯度幅值的时候采用了邻域的梯度幅值计算方法,考虑了像素对角线方向的梯度计算,进一步抑制了噪声的影响。通过对实验图像的分析表明,改进的检测算法对图像边缘提取具有较好的检测精度和准确性。     

基于多通道梯度特征的彩色图像直线提取方法

经典LSD直线提取算法仅采用图像的灰度信息,未充分考虑R,G,B彩色通道中的梯度差异,导致部分重要直线检测率低且连续性较差的问题,文中提出基于多通道梯度特征的彩色图像直线提取方法。首先计算彩色图像的R,G,B通道的梯度值及其对应的灰度图像的梯度值,然后取梯度的最大值及其对应的梯度方向作为初始梯度值,最后通过区域生长和直线拟合完成直线检测。采用多幅York城市图像数据库中的图像和真实影像进行实验,结果表明文中方法在彩色图像中的直线提取效果优于经典LSD直线提取算法,提取结果中直线信息更丰富,连续性更好。     

资源三号影像朵云识别中云雪分离研究

针对资源三号全色卫星影像在朵云识别过程中云雪不能分离的问题,提出了一种基于云雪边界特征并利用改进的平均梯度和分形维数等纹理信息的云雪分离方法。首先为了减少雪和其他地物对云的干扰进行初步云识别,本文利用灰度均值、分形维数和灰度共生矩阵计算的能量作为特征参数大体提取云区,此时云雪不分;然后再进行云雪分离,利用改进的平均梯度和分形维数特征值来剔除被误识别为云的雪。本文采用的分类方法是支持向量机分类。利用资源三号全色卫星影像测试结果表明,该方法是资源三号全色遥感影像朵云识别中一种有效的云雪分离方法。