SAR影像支持下的光学影像去云雾方法研究

针对基于同态滤波的光学影像去云雾容易出现非云雾区域影像信息损失及云雾去除不彻底的问题,本文提出一种融合同态滤波和最短欧氏距离像元替代法去除光学遥感影像薄云雾的方法,并引入基于条件生成对抗网络的SAR影像辅助下的光学遥感影像去云技术。以成都平原地区崇州市为试验区域,对两种光学影像去云雾方法的效果及适用性进行对比分析。试验结果表明,利用融合同态滤波和最短欧氏距离像元替代法对小范围的薄云雾去除具有较好的效果,基于条件生成对抗网络的影像去云雾方法不受云层厚度及覆盖范围影响,但地物细节有一定程度信息损失。

基于双树复小波变换的遥感图像去云雾系统设计

在研究双树复小波变换原理的基础上,结合遥感图像中云雾和景物的频率差异,提出一种去云雾方法。设计并建立了去云雾处理硬件系统,介绍系统组成和系统开发步骤,叙述摄像头驱动程序、视频信号输出程序、人机交互界面等的设计方法,采用设计的系统开展图像采集和去云雾处理,给出并分析处理效果。实验结果表明,当分解层数、分界数和权重取默认值时,该文算法的图像处理的熵达到7.61,优于小波阈值法和同态滤波法。设计的系统去云雾处理能力和自适应性强。

遥感图像去云雾处理

本文基于小波变换理论,通过小波层的分解,并对分界层数l、阈值δ、权重w进行合适选择,能有效去除云雾,达到突出景物信息、提高其清晰度的目的。

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。

基于云层系数的遥感图像去云雾算法

讨论了数字图像小波分解过程,根据分解系数的频率分布,给出通过小波分解分离单幅遥感图像中云雾和景物的途径。探讨暗通道先验理论,分析云雾和景物暗像素值的差异。在此基础上,建立云层系数的概念,并提出一种根据云层系数从遥感图像中去除云雾的算法。即利用云层系数,估算各像素的云雾浓度,处理高层细节系数以衰减云雾,处理低层细节系数以突出云下景物。给出详细的实现步骤,进行去云雾处理实验,并评价实验效果。结果表明,去云雾效果优于小波加权算法和小波阈值算法。

基于高分遥感图像处理技术的公路勘查方法研究

针对公路高分遥感勘测技术中,遥感图像易受天气干扰、数据分析精确度低等问题,研究了基于高分遥感图像处理技术的公路勘查方法。设计了双行信息采样电路以及采样信息保持电路,实现了公路勘查过程中的高清图像信息采集,由此避免因自身电源频率、外部磁场等因素的干扰而产生图像噪点,保证采集图像信息的准确性。此外,采用一种暗通道先验模型去云雾技术,能够有效排除云雾天气对遥感图像采集的干扰。通过基于Storm的大数据算法,提高系统的整体数据分析及传输能力。试验结果表明,该方法不仅增强了去云雾能力,还可以还原正常图像85%左右的图像特征点。该方法具有很强的数据处理、抗干扰以及数据传输能力。

基于同态滤波的遥感图像云雾去除模型研究

在遥感卫星成像过程中,云雾作为一种噪声时常导致传感器接收到的地物辐射与真实值之间存在差距,是影像降质的主要原因。本文以均匀薄云雾覆盖下的SPOT-5遥感图像为研究对象,基于其频域中云雾的低频特征,建立了同态滤波云雾去除模型,并从主观评价及客观分析两方面对比评估了该模型的应用效果。结果表明,基于指数高通滤波器构建的同态滤波去云雾模型能够有效地提升云雾遮盖下的影像质量。

先验引导的多降质特征“珞珈一号”夜光遥感影像质量提升方法

珞珈一号夜光(NTL)遥感影像存在云雾、辉光、分辨率降低等多种复杂的降质现象,现有的深度学习影像质量提升网络往往只针对某一种类型的降质问题,且没有充分利用影像的先验信息,训练和学习过程的可解释性差,去除的降质类型单一。因此,针对含有多种复杂降质的影像质量提升问题,提出一种可解释性先验引导的多降质特征夜光影像质量提升方法。分析降质过程和降质表现,推导出了辉光、云雾噪声和空间分辨率下降的综合降质模型,并以该模型作为先验引导构建了云雾、辉光、分辨率3类数据集。在网络结构方面,针对3类降质设计了包含通道注意力模块和像素注意力模块的残差密连卷积神经网络,并用比值稀疏约束损失函数进一步提高影像的清晰度。利用珞珈一号夜光遥感影像进行了试验,结果表明,本文方法可有效去除云雾、辉光等的影响,处理后影像中的灯光边缘信息更加清晰,空间分辨率提高,影像质量提升明显。

基于图像退化模型的遥感成像仿真的研究

分析受云雾干扰的遥感成像过程,介绍图像退化模型,在讨论云层透过率函数的基础上,提出当云雾均匀分布、渐变分布和局部云雾覆盖三种情况下的遥感成像仿真方法,解决单幅遥感图像去云雾处理算法研究中缺少参考图像的问题.给出具体的仿真步骤和实施方法.实验表明,所提出的方法运算效率高,成本低,为检验和客观评价单幅遥感图像去云雾处理算法准备具有多样云雾状态的图像数据,推动相关技术研究.

基于自由空间中光信息传输模型改善图像质量

在云雾天气条件下,造成图像质量的下降,其本质就是场景与观察点之间大气对光的散射。针对不良天气条件下拍摄的图像,又没有精确的天气条件和景物的深度信息,为了对一幅退化图像去除不良天气的影响实现图像复原的目的.分析了大气散射机理,引入了衰减模型和大气光模型以及光在粒子各个方向上的散射分布函数,推导了大气光对图像亮度影响的表示式。基于衰减模型和大气光模型,考虑景物的深度,采取先将原图像取反色,然后采用改进型多尺度Retinex算法增强暗区域图像,再取反色可以获得去除云噪声的图像,为了使景物信息最小限度地丢失,采用了图像信息熵判据,结果表明对于彩色遥感图像运用这一改进型多尺度Retinex算法去除云噪声是有效的。对于一幅带有厚云的彩色遥感图像在实施去除云噪声过程中,发现以亮度平均值附近1.5±0.1倍标准差截取后进行拉伸.得到的图像信息熵为最大,去除云噪声综合效果最好。