神经网络和分形纹理在夜间云雾分离中的应用

云雾分离是浓雾遥感监测的难点，地物光谱信息和图像纹理信息的综合利用，分形理论和BP神经网络技术的应用，使夜间云雾分离结果更为可信，基于灰度连通域的图像纹理提取提高了云雾边界的识别能力，灰度加权拉伸后的分数维增强了云雾的可分性，与传统最大似然法比较，本文所用方法对晴空地表、雾区、云区的识别精度均有提升，特别是云区的识别精度提高了10％，三类地表的总体识别率提高了7％，达到93％以上，文章最后对类的归并作了讨论。     

云雾覆盖下地表温度重建机器学习模型的训练集敏感性分析

热红外遥感是监测地表温度的重要技术手段.然而,由于其易受云雾影响,热红外遥感反演地表温度存在大量的观测空白区域,严重影响地表温度产品的应用.近年来,机器学习算法的发展为实现地表温度无缝观测提供了新的技术手段.然而,基于机器学习的云雾覆盖像元重建方法与训练样本的数量和分布有着直接的联系,其应用条件在现有研究中还鲜有讨论....     

利用分裂窗算法提取晴空导风示踪物的数值模拟与应用

气象卫星热红外通道能够探测到晴空区域内由大气水汽、沙尘气溶胶等物质含量分布不均所导致的微弱的纹理信息,通过追踪水汽和沙尘气溶胶纹理的移动可以反演出风场。然而这些信号很容易受地表温度变化的影响,需使用合适的算法来减弱地表温度干扰、提取微弱的示踪物信号。本文结合分裂窗差值理论,对使用分裂窗差值算法提取晴空区微弱示踪物信号进行数值模拟分析,并应用于晴空区风场的实例反演。数值模拟图像的结果显示,分裂窗差值算法可以削弱地表对示踪物信号的影响,突出水汽和沙尘气溶胶的分布特征,验证了分裂窗差值法的可行性与优越性。实例分析也表明,使用分裂窗差值图能够反演出单通道云图难以得到的晴空区低层风场,且反演结果与NCEP风场资料比较一致。     

基于HOT影像优化的遥感影像去雾算法

针对BSHTI和IBSHTI两种算法对卫星影像云雾校正后,地表的色调和纹理等细节缺失严重的问题,提出OIBSHTI算法对IBSHTI算法得出的雾厚度图像进行地表信息削减。通过填洼算法去除暗色区域,并引入纹理和边缘信息等进行优化处理,在彻底去除云雾的同时保留地表的色调和纹理,特别是蓝色或红色建筑物房顶的校正效果较为明显。     

统一样本云检测技术在GF-6 WFV上的改进与应用

目前基于深度学习的云检测方法,受训练样本限制,算法难以推广及应用。为了快速实现针对多种传感器的高精度的云检测,Sun等（2020）提出统一样本云检测方法。基于AVIRIS高光谱样本库模拟出待检测传感器的云和晴空地表像元,将模拟得到的多光谱样本数据输入到BP神经网络中进行逐像元分类,生成云检测模型,实现Landsat 8 OLI等宽光谱传感器较高精度的云检测。该方法基于统一样本模拟出不同传感器的样本像元库,适用于多种传感器的云检测。由于Landsat 8 OLI波段较多,波谱范围覆盖宽,容易实现云的高精度识别。为了进一步提高其在光谱范围较窄的GF-6 WFV数据上的云检测应用精度,在模拟出的样本库中加入GF-6 WFV数据典型高亮地表像元。通过目视解译对云检测结果进行精度验证,结果表明,该算法利用可见光和近红外通道的遥感数据可以高精度的识别出植被、水体、建筑、裸地等地表类型上空的厚云、碎云和薄云。改进后的云检测算法,云像元平均正确率达到88.40%,在高亮地表上空云像元正确率达到87.40%,在不同地表类型上空的云像元平均正确率为92.60%。结果表明,加入高反射率地物的算法可以利用有限波段实现云和地表的高精度分离。     

基于暗通道先验条件的智能去云雾技术研究

常规基于暗通道先验条件的影像云雾去除算法,在处理影像时需手动多次设置增强系数,过程繁琐、效率较低,难以实现批量自动化去云雾处理。针对这一问题,本文提出了一种改进的去云雾方法,即利用二分法自动解算增强系数,基本实现对影像云雾的自适应、自动化去除。实验结果表明,该方法大幅提高了基于暗通道先验条件的影像云雾去除算法在工程化应用中的效率。     

卫星影像的云雾检测及干扰去除

云雾检测及去除是光学遥感图像处理的难题。厚云雾因具高反射特性，可通过阈值的设定将其检测并去除； 薄云因混有地物 光谱特性而较难检测，需先对影像做相对辐射校正处理，再将影像由RGB转换成HIS彩色模型，并假设薄云雾的加入等于白色颜料的加 入，即仅改变光谱的亮度或饱和度值，色相并无改变，藉此，可用多时段方式检测。实践证明，在HIS系统中可简化薄云雾的检测准 则，大大提高自动化检测云雾的可能性。     

基于偏差原则和正则化方法反演晴空地表BRDF和反照率

提出一种反演晴空地表反照率快速稳健的新算法——混合算法。该方法首先利用双参数模型函数确定正则参数的初始值,然后由基于Morozov偏差原则的高阶收敛算法确定正则参数,继而通过Tikhonov正则化手段来反演BRDF模型。从POLDER-3/PARASOL BRDF数据库中任意挑选不同覆盖的地表像元测量数据,与MODIS全反演法结果作比较,对比较结果给予了讨论;最后选择天津市地区的卫星图像进行反演实验,并就反演结果给出了误差分析和算法模型的评价。     

顾及空间与光谱差异的单幅遥感影像自适应云雾去除方法

光学遥感影像经常受到云雾的干扰而导致数据质量下降。在暗原色先验理论和云雾影像模型的基础上,提出了一种顾及空间和光谱差异的单幅遥感影像自适应云雾去除方法,较好地解决了传统暗原色先验在高亮地物校正过度和部分波段云雾校正不足的问题,有效地实现了影像云雾去除。首先通过高亮地物的光谱特征构建高亮地物判别指数,辅以密度分割对其进行提取分类,在此基础上引入自适应校正函数对该区域透射率进行修正;其次在对多幅云雾遥感影像实验分析的基础上,提出了符合大气散射机制的波段透射率校正系数,实现了波段间处理强度的自适应调整。实验结果表明,该方法能有效去除不同波段的云雾干扰,并避免高亮地物的过度校正,可取得较好的复原结果。     

基于静态小波变换的遥感影像薄云雾模糊抑制

针对薄云雾造成的遥感影像模糊问题,提出了一种基于静态小波变换与离散小波变换相结合的抑制云雾模糊的方法 ;并与同态滤波方法和一种基于拉普拉斯增强和直方图分段线性变换方法进行了对比。该方法通过提高影像分辨率增加云雾覆盖区细节的方式达到抑制图像模糊的目的。目视效果表明,该方法显著抑制了薄云雾覆盖造成的影像模糊,明显优于对比方法,且具有较高的峰值信噪比、光谱保真度和信息熵。     

基于四叉树算法的POI分级优化显示方法研究

为了使"天地图"中大数据量、高密度的POI数据在各显示比例下达到清晰易读的表达效果,本文在考虑POI权重属性的情况下,提出了一种基于四叉树算法进行自动过滤的方法,达到各级比例尺优化显示的效果,并通过实例验证该方法的可行性、稳定性,达到了对POI数据高效过滤和图面表达美观的双重效果。     

基于机载LiDAR数据的建筑物轮廓提取

建筑物轮廓作为建筑物三维重建的重要元素,在建立智慧城市和数字城市中至关重要。本文针对从机载激光雷达点云中提取建筑物轮廓数据处理的点云滤波、建筑物屋顶面提取、建筑物轮廓提取,以及提取精度评定各环节存在的一些问题,提出了一种综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法。该方法在对机载LiDAR点云数据去噪的基础上,首先利用改进的区域生长算法滤波地面点,并基于地物点到地面的归一化高程特征通过高度阈值去除高度较为低矮的地物点;再基于三维Hough变换算法从剩余建筑物和高大树木点云中提取建筑物平面;最后使用α-shape算法提取建筑物的轮廓信息。对使用RIEGLVQ-1560i机载激光雷达测量系统扫描的某城区点云数据进行计算,通过匹配度、形状相似度和位置精度等评价指标对提取的建筑物轮廓进行精度评定。结果表明,综合区域生长改进算法、三维Hough变换算法和α-shape算法的建筑物轮廓提取方法可以准确提取建筑物的轮廓信息,对于大范围的建筑物轮廓提取具有稳定性和普遍适用性。     

雷达干涉测量图像的梯度自适应光滑子函数滤波法

提出了基于梯度的自适应光滑子函数滤波的新方法。对于干涉图中的点,通过梯度分为噪声点和非噪声点。在噪声点处,将包含噪声点的InSAR图像窗口拟合为二次曲面,然后用光滑子函数对拟合曲面进行平滑去噪处理,非噪声点处不进行平滑处理。通过这种方法有效抑制了斑点噪声,又同时做到使干涉图相位偏差较少和较好地保留了边缘信息。利用北京地区的真实ALOS数据进行滤波试验,并与几种常用的滤波方法进行比较和分析。通过均方根误差、峰值信噪比、边缘保持指数和标准相位偏差等量化指标,验证了基于梯度的自适应光滑子函数滤波方法的可行性与有效性。     

GF-4序列图像的云自动检测

以高分四号(GF-4)卫星L1级标准分幅数据产品提供高精度的云检测产品为目的,研究针对地球同步轨道卫星数据的云检测算法,改进自动阈值以适应同日不同时刻成像数据的辐射亮度与地表反射特性的变化差异。利用GF-4卫星凝视成像方式获取的同区域序列图像以及云在不同图像上的运动特性,结合自动阈值与SavitzkyGolay(SG)滤波修正检测结果中的误检。算法的两个关键预处理,一是通过自动的几何配准解决未经几何校正的分幅数据之间像素位置对应的问题,二是通过基于典型相关变换自动提取序列图像之间的伪不变特征点集,进而利用相对辐射归一减小了不同时刻成像数据之间的辐射差异。通过内蒙古自治区东部及长江中下游区域70余组数据对算法进行验证,整体上获得了稳定的结果与精度,并且基于序列图像的云检测算法在云边界、高亮地表及薄云区域的检测精度整体优于单幅自动阈值的检测结果。结果表明算法精度上满足GF-4云检测数据产品需求,且算法自动化程度高,便于工程化的数据生产。     

一种拓展的半物理时空融合算法及其初步应用

Landsat 5卫星较低的时间分辨率(16天)使得其很难获得大区域的、时相一致的清晰影像数据集。本文发展了一种基于半物理模型的时空融合算法-即乘性调制融合算法,并借助多时序的MODIS反射率数据来生成多时相的Landsat TM/ETM+反射率合成影像,经镶嵌后得到区域尺度的高时空分辨率地表反射率数据集(Landsat TM/ETM+)。本文利用吉林省2006年—2011年的Landsat 5 TM地表反射率数据以及500 m的MOD09A1反射率产品来生成3个时相的Landsat 5 TM反射率合成数据,从而获得研究区在上述时相下地表反射率数据的镶嵌图。初步分析表明,所生成的Landsat 5 TM反射率数据的光谱分布特征与MOD09A1反射率数据较为一致,且图像在整体上光谱特征的连续性较好。     

Looking for a needle in a haystack: Probability density based classification and reconstruction of dormers from 3D point clouds

Accurate reconstruction of roofs with dormers is challenging. Without careful separation of the dormer points from the points on the roof surface, the estimation of the roof areas is distorted. The characteristic distortion of the density distribution in comparison to the expected normal distribution is the starting point of our method. We propose a hierarchical method which improves roof reconstruction from LiDAR point clouds in a model‐based manner, separating dormer points from roof points using classification methods. The key idea is to exploit probability density functions to reveal roof properties and to skilfully design the features for a supervised learning method using support vector machines. The approach is tested based on real data as well as simulated point clouds.     

利用图割算法进行城市密集点云表面模型重建

利用倾斜影像获得的密集点云来构建表面模型是基于倾斜影像进行三维重建的核心之一。本文针对现行密集点云表面模型重建存在的建模效率低、表面选取不真实等问题,提出了一种基于图割算法的城市密集点云表面模型重建方法。利用该方法重建城市密集点云表面模型,首先通过预处理软件对无人机倾斜影像进行空中三角测量,并利用空中三角测量的解算结果生成密集点云;然后对密集点云添加相应的边,同时对三维点云根据距离进行选取合并;最后根据三维点云形成的四面体和三角面建立图割问题,并通过求解图割问题来求取最优的密集点云表面模型。为证明这种方法的可行性和有效性,使用城市地区的无人机倾斜影像数据进行城市密集点云表面模型重建,试验结果表明,该方法具有可行性好、建模效果好、处理速度快等优势。     

利用X波段导航雷达探测海洋表面流速的方法

针对X波段导航雷达对海杂波的成像,研究了利用多谱勒频移和布拉格散射来探测海表面流的方法。提出了一种结合几何滤波模型的X波段雷达海流反演预处理算法,此算法不需要已知的最大海流流速进行带通滤波处理,结合线性波理论色散方程以及最小二乘算法,可以得到精确的海表面流速。与传统的X波段导航雷达测流方法相比,该算法简单高效,占用资源少,并且不仅适用于岸基X波段导航雷达,还适用于船载X波段导航雷达。与附近站点高频地波雷达表面流数据进行对比实验,二者结果的一致性表明了本文方法是可行的。     

基于线特征的鱼眼图像与地面激光雷达点云配准

地面激光扫描数据（LiDAR）与全景图像进行联合分析在虚拟场景建设、文化遗迹保护等方面有较高的应用价值。将全景图像在其视点与LiDAR点云对齐是开展两种数据联合分析的基础,但需要克服数据维度差异转换和特征匹配的困难。本文提出了基于线特征的半自动配准方法纠正图像,将鱼眼图像和LiDAR点云投影为透视成像的柱面全景图像,采用Hough变换提取图像直线特征,并利用修正迭代Hough变换方法,实现在鱼眼全景图像视点约束下与离散激光点云的三维对齐。试验表明,该方法能在较少的人工干预下实现二维到三维数据对齐。     

大钝角剖分与最小二乘法约束迭代算法优化TIN模型研究

TIN模型通过从不规则分布的数据点生成的连续三角面来逼近地形表面,就表达地形信息的角度而言,TIN模型的优点是它能以不同层次的分辨率来描述地形表面。但在相关软件对离散数据生成TIN模型时会出现边缘失真现象,特别是当一些离散数据出现凹区域时,凹区域地形逼近失真现象相当明显。而在这些凹区域大多生成的三角网以钝角三角形居多,本文对离散数据TIN模型生成DEM时存在凹区域地形逼近失真现象进行了研究。提出一种大钝角剖分与最小二乘法约束迭代算法优化TIN模型。首先对原始TIN模型中大于100°小于1800的钝角三角形进行遍历记录,然后利用最小二乘法约束迭代算法进行优化,通过此算法优化后的TIN模型生成DEM数据,分别从小区域面积稳定性与剖面拟合实际地形进行了试验与精度对比,试验显示这种算法是可行的。