基于改进NAS-RIF算法的遥感噪声图像自适应复原

实现对遥感噪声图像的有效复原是遥感图像处理的一项重要研究内容。在对非负支撑域有限递归逆滤波(non-negativity and support constraints recursive inverse filtering,NAS-RIF)算法深入研究的基础上,提出一种基于改进自适应NAS-RIF算法的遥感噪声图像复原方法。该算法针对经典NAS-RIF算法存在的缺陷,首先对含有椒盐噪声和高斯白噪声的遥感图像采用自适应伪中值滤波算法进行预处理,以尽可能排除图像中噪声的干扰;然后结合图像的灰度值,从算法支撑域和背景灰度值2个方面加以改进;最后对代价函数引入基于目标信息的修正项,改进了经典NAS-RIF算法的代价函数;与对数函数复合,使得改进后NAS-RIF算法的代价函数具有良好的收敛性;并采用共轭梯度法对改进自适应NAS-RIF算法进行整体优化。对仿真实验结果进行的主观和客观分析表明,本文算法的性能优于经典NAS-RIF算法、已有的改进NAS-RIF算法以及小波阈值去噪方法,能够胜任遥感噪声图像的复原处理。     

畸变全日面观测图像的修复

欠佳的平场改正或者不理想的光路会导致全日面观测图像的畸变。针对这一问题,提出了一种解决方案,并给出了详细的算法描述。,该算法的核心是扣除一个均匀的径向轮廓曲线,然后在残差图像上进行大尺度中值滤波以获得光滑的改正曲面。通过这一算法,可以极大改善全日面图像的畸变,提高图像质量。最后还对该方法的局限性进行了讨论。     

Hα全日面太阳图像云污染的去除

Hα全日面太阳图像对太阳物理研究有着重要的意义,但其观测过程中可能受天气的影响,导致观测图像含有云层覆盖的污染。主要通过对这种Hα全日面太阳图像的云污染进行处理,从而得到较为清晰的太阳活动细节。具体算法为:首先将含云污染的图像扣除模板图像的标准临边昏暗轮廓,然后对其进行中值滤波获得云层图像,最后在原始图像上扣除云层图像得到修复后的全日面图像。实验证明此方法可以有效地去除Hα全日面太阳图像上的云污染,并对太阳活动区域影响较小。     

GPS动态数据处理中的快速Kalman滤波算法

根据GPS数据处理中的Kalman滤波状态转移矩阵和设计矩阵大量存在零元素的特点,将其构造成特定稀疏矩阵.再利用稀疏矩阵乘法,同时结合矩阵对称性、矩阵求逆降维等方法,可大大减少Kalman滤波的乘法次数.在非差C/A伪距情况下,该算法乘法总次数不到传统算法的1/3;在双差伪距P1,P2 双差载波情况下,该算法乘法总次数甚至不到1/6;其耗时也只有传统算法的1/3左右,因而大大提高了Kalman滤波的计算效率.     

2004-07-28新乡市大暴雨成因分析

从环流形势、单站气象要素及中尺度滤波分析等几方面对2004年7月28日新乡市大暴雨过程进行分析,结果表明这次暴雨、大暴雨天气过程是副热带高压西伸北抬和西风槽东移及北方南下冷空气的共同影响造成的,副高西伸北抬的"突变"过程,是造成大暴雨的直接原因;中低层切变线的生成,为强对流天气的产生提供了动力条件;低空西南急流不仅输送暖湿空气,增强层结的不稳定性,而且可以产生低层扰动,触发不稳定能量的释放,新乡地区东南部位于深厚急流区入口处的左侧,是暴雨、大暴雨产生的关键部位;用T213的初始流场经滤波分析后,能清晰显示出形成大暴雨的中尺度辐合系统,对暴雨、大暴雨预报有一定的指示意义.     

一种基于小波变换的InSAR干涉图滤波方法

提出一种基于小波变换的InSAR干涉图滤波算法,此算法先用小波变换对干涉图数据做多级分解,得到图像的多级近似部分系数和3个(水平、垂直、对角线)方向的细节部分系数,然后分别对每一级各个方向的细节部分系数检测其是否为对应方向的边缘,对边缘处的系数根据边缘的方向不同,用不同的方向模板平滑后,再中值滤波;对非边缘处的系数直接中值滤波。用真实的InSAR干涉图实验结果证明此方法具有较好的滤波效果。     

利用高光谱遥感影像纹理滤波的城市居民地识别

高光谱影像具有丰富的光谱和空间结构信息,传统的基于光谱特征的分割方法易使分割区域过于细碎,从而降低了居民地信息提取的精度。尝试将纹理信息引入到特征空间,以提高信息识别、提取的精度。纹理信息采用多尺度3D-Gabor滤波器对经过特征选择后的高光谱影像进行滤波,进一步计算纹理能量和纹理特征,然后利用多特征聚类实现图像的初步分割,最终通过形态学方法获取影像中的居民地信息。实验表明,基于3D-Gabor滤波的方法能有效地识别、提取高光谱影像中的居民地信息。     

利用粒子滤波进行动态精密单点定位观测异常影响控制

采用粒子滤波控制观测异常影响,提高动态精密单点定位精度。粒子滤波是一种非高斯噪声分布的动态滤波,通过重点概率密度进行随机采样以获取高精度状态参数;根据观测噪声概率密度、状态噪声概率密度以及重点概率密度等因素确定粒子权值,降低受污染粒子对定位结果的影响;采用Kalman滤波进行重点采样,减缓粒子退化;采用单差无电离层固定模糊度,减少状态参数维数,进而减少粒子的选取个数。实测数据结果表明,粒子滤波有效控制了观测异常影响,提高了动态精密单点定位的精度。     

多源遥感影像融合的光谱优化方法

在多源遥感影像融合过程中光谱畸变是常见的问题之一,它主要是因为不同传感器的光谱响应范围不一致造成的。在推导色彩变换理论强度、色度和饱和度三元素之间的数学关系的过程中,通过研究Wallis滤波理论,发现灰度匹配的相似程度是解决光谱畸变的有效途径。因此提出了基于Wallis滤波的HIS变换融合方法。通过了实验验证,效果较好。     

基于多时相遥感图像智能变化检测方法的研究

采用一种智能变化检测方法,首先对多实相遥感图像进行预处理;其次进行特征提取;然后通过数量差异计算、阀值确定、空间滤波进行检测;最后提取出感兴趣的区域,得出定量结果,并通过试验证明这种方法在实际应用中是可行的和有效的。