基于Sentinel-2影像的河流湖泊遥感提取

河流信息提取一直以来都是水利行业重要的工作内容,基于遥感技术的优势,采用高分辨率卫星影像Sentinel-2多光谱影像,进行河流信息提取,以此得到高精度的河流信息。结果表明：基于遥感分类手段的河流提取具有很高的精度,河流呈现连续状态分布,并且植被区域与其他区域分类精度较好;基于遥感反演手段的河流提取同样具有很高的精度,反演手段从光谱信息中准确识别出水域信息并反映出来,河流信息呈客观分布且未出现断流现象,即该方法在河流提取中具有较好的应用。     

神经网络支持下的Sentinel-2卫星影像自动云检测

为解决利用Sentinel-2卫星影像进行地物信息提取时云层遮挡造成的信息误判问题,提出了一种基于深度学习的遥感影像云区高精度分割方法。该方法通过预处理的遥感样本数据构建出一种深度神经网络模型,自动提取高层次影像特征;再将影像特征输入分类器,实现遥感影像的像素级分类,从而分割出云覆盖矩阵;最后将云覆盖矩阵转化为云二值图,结合感兴趣区矢量准确获取指定区域云检测结果。选取典型区域进行测试,结果表明：该方法检测精度较高,速度较快,且无须辅助信息与人工干预,可用于Sentinel-2卫星影像不规则区域自动云检测。     

DCLS-GAN:利用生成对抗网络的天绘一号卫星高原地区影像去云方法

利用深度学习开展高原地区卫星影像去云是一个研究热点.本文提出了基于DCLS-GAN的天绘一号卫星高原地区影像的去云方法,采用对抗学习的思想构建深度卷积对抗生成网络,自主学习影像中云覆盖部分的典型地表特征,从而恢复云覆盖下垫面形貌.基于Encoder-Decoder结构生成网络,构建固定与可移动2种云区掩膜,在矩形固定中...     

基于灰度梯度的遥感图像去云方法研究

针对遥感图像厚云处理的替换方法,提出基于图像灰度梯度的去云处理方法,即通过无云图像的灰度梯度特征来对有云图像的区域进行还原处理.实验测试结果表明,基于梯度的去云处理方法不仅去云效果显著,而凡消除了传统替换方法中色彩差异较大的问题.设计了两种梯度计算方法,分别是基于比值的梯度计算方法和基于动念行梯度的计算方法.通过对这两个方法的对比分析,基于动态行梯度的去云方法是较为理想的去云方案.     

改进的暗原色卫星遥感影像去雾技术研究

受亚热带季风气候的影响,获取的福建省区域卫星遥感影像产品可能会出现云层或雾气覆盖遮挡的现象。提出了一种基于暗原色的卫星遥感影像增强处理技术。通过该技术可去除影像上的薄云或薄雾,以增强云雾遮挡部分的地物信息,提高卫星遥感影像的地物辨识能力。     

基于时序Sentinel-2影像的农作物分类研究

特征选择是提高农作物分类精度的一个重要手段.本文基于时序Sentinel-2影像提取影像的波段特征、植被指数、纹理特征,以这三类特征构建分类特征集,使用随机森林算法对分类特征集进行特征选择和分类实验.根据分类混淆计算的研究区总体分类精度为92.5％,Kappa系数为0.904,高精度地提取了研究区内冬小麦、大蒜等主要冬季作物的种植信息,这表明随机森林算法在对特征降维的同时,也能保证较高的分类精度.     

基于云理论的遥感影像分类方法分析

采用基于云理论的遥感影像分类方法,该理论兼容模糊性和随机性,通过逆向云发生器生成云模型,进而得出云的数字特征隶属函数,使用X条件云发生器计算隶属度,最后用极大判别法实现分类。通过与传统方法的实验对比分析,基于云理论的遥感影像分类方法有效地改善分类中的不确定性问题,提高分类准确度。     

多源遥感影像的去云层处理

针对多源遥感影像的云覆盖问题，提出了利用多项式改正算法，以实现不同遥感影像之间的局部影像替换，从而满足去除目标影像上云覆盖的要求。     

遥感卫星影像K-SVD稀疏表示去噪

常规的去噪方法在去除遥感卫星影像噪声时,往往会造成影像模糊和空间分辨率下降。本文将稀疏表示理论应用于遥感卫星影像去噪,提出了一种改进算法,能够保留低频信息不变,仅对影像的高频信息进行稀疏重建。算法核心是按照是否能够从过完备字典中选择较少原子进行稀疏表示的原则来区分高频信息中的有效信息和噪声。通过3组实验对改进算法与传统去噪方法进行对比检测,实验结果表明,改进算法在去除噪声的同时,能较好地突出影像的边缘和细节信息。     

分类线性回归的Landsat影像去云方法

首先,对参考影像和待去云影像上的云覆盖区域进行检测和掩膜;然后,对掩膜后的参考影像进行ISODATA聚类,并建立各个类别参考影像到待去云影像灰度值的线性回归方程;再对待去云影像上的云覆盖区域,依据参考影像上的灰度值进行最小距离方法分类,划分到聚类形成的各个类别之中;最后,依据各个类别回归方程进行灰度值预测。实验结果表明,所提方法能够进行云区的检测和去除,预测精度相比传统方法有较大提高。     

遥感影像中薄云的去除方法研究

薄云去除是遥感图像处理中一个常见的问题。目前,针对遥感影像薄云去除问题国内外学者提出了不少方法,本文在分析薄云去除难点的基础上介绍了几种薄云去除方法的原理并讨论了每种方法的适用范围。     

一种基于RGB彩色遥感影像的云检测方法

无人机、卫星等获取的高分辨率遥感影像中不可避免地存在云层遮挡问题,这对遥感影像生产和应用造成一定程度的干扰.本文针对RGB彩色遥感影像中存在的云层遮挡问题,提出了一种基于RGB彩色遥感影像的快速云检测方法.首先根据RGB三通道的光谱信息生成粗云图,引入景观格局指数,然后排除地面非云层高亮图斑误差,利用原始影像作为引导,...     

小波变分法遥感影像薄云去除

针对遥感影像薄云去除过程中丢失影像细节及薄云去除不彻底等问题,本文提出了一种基于小波变分法去除遥感影像薄云的方法.首先,对含薄云的遥感影像进行小波分解,可以使低层低频分量中的局部瞬变信号(不具备低秩性的有用信息)被分解到高频分量中;其次,考虑第五层低频分量中有用信息具有低秩性及薄云具有稀疏性特点,建立一种能够从第五层低...     

变序字典学习AO-DL的资源三号遥感影像云去除

采用了一种压缩感知方法进行遥感影像去云。该方法以压缩感知为理论基础,在采用K-SVD字典学习与稀疏表示的正交匹配追踪算法(OMP)相结合的同时,在字典原子训练的过程中加入某种特定的排序规则,使得各个影像字典在拥有各自影像属性的同时其原子也具备相似的排列顺序,减小影像间差异的干扰,使得遥感影像受云和阴影污染区域的重建取得良好的效果。最后应用两组相同地区不同时域的资源三号卫星影像进行了试验验证。     

基于支持向量机的遥感影像厚云及云阴影去除

本文提出了一种基于支持向量机的遥感影像厚云及云阴影去除方法。首先利用支持向量机的学习性能检测影像中的云层,并利用太阳角度信息,判定云阴影区域,得到云层和云阴影的二值图。再对影像进行支持向量值轮廓波变换,利用云层和云阴影二值图生成的选择矩阵,对变换系数进行多层镶嵌,完成云层及云阴影的初去除。对影像镶嵌未能去除的云层及云阴影,通过统计学补偿的方法进行修复。最后重构图像并进行中值滤波实现厚云及云阴影去除。仿真实验表明,该方法能更好地再现云层覆盖区域的地物信息,去云后的图像具有更好的光滑度和清晰度。     

一种考虑云检测的遥感影像匹配方法

针对有云遥感影像间常规匹配效果不佳的问题,提出了一种考虑云检测的遥感影像匹配方法,主要包括有云区域的探测、特征点提取和相位匹配三个部分。通过对影像局部区域的高亮度像素的统计,在特征点提取时避开有云区域,最后通过物方空间的相位相关获取同名点对。实验表明本方法在包含大量云团的影像之间能够明显改善匹配效果。     

LiDAR点云与遥感影像结合提取建筑物轮廓

结合点云数据与遥感图像数据提取建筑物轮廓提出一种新方法。首先对LiDAR点云高程栅格化,利用形态学滤波得到地物的高程图DSM;用渐进形态学对高程图进行滤波,得到地形图;通过克里金插值对地面点进行内插得到DTM;以DSM-DTM=DHM得到粗糙的高度图;通过中值滤波得到完善的高度图,进行基于高度信息和彩色信息的区域生长,最后进行基于方位梯度数据的分割,优化建筑物边缘,有效地实现了建筑物轮廓提取。     

基于卷积神经网络的高分辨率遥感影像云检测

在深度学习理论模型的基础上,提出了基于卷积神经网络的云检测方法。以GF-2号卫星影像为数据源,选取广西壮族自治区贵港市为实验区,提取了不同下垫面的云,验证了该方法的有效性。     

无人机遥感影像拼接方法探讨

针对当前无人机低空遥感影像处理,提出采用ORB描述符和网格自适应阈值调节的方法,该方法先对影像进行分块特征点提取,然后剔除密集点,再采用二进制描述符整体描述和匹配。试验表明,该方法速度快,精度高,匹配点分布均匀,具有很好的实用价值。