采用变分法的遥感影像条带噪声去除

为了避免去除遥感影像条带噪声时丢失影像细节,构建了综合两种单向变分模型的组合去噪方法。首先,构建一种条带去除单向变分模型,通过此模型可以有效去除遥感影像条带噪声,从而初步获得近似遥感影像及条带噪声影像,同时避免近似遥感影像出现阶梯效应;其次,为了避免条带噪声影像中包含的少量细节信息丢失,构建一种条带保留单向变分模型,通过此模型可以去除条带噪声影像中的细节信息而只保留条带噪声,从而有效分离出细节信息;最后,把分离出的细节信息与近似遥感影像进行累加得到去噪影像。通过实验分析发现,本文方法不仅能完全去除条带噪声,而且基本没有破坏影像细节,去噪后的影像质量得到明显提高。

矩匹配和变分方法相结合的MODIS条带去除模型

针对中分辨率成像光谱仪(moderate resolution imaging spectroradiometer,MODIS)影像常见的3种条带噪声,提出了一种矩匹配和变分相结合的多类条带噪声去除模型。首先采用矩匹配方法对MODIS影像做预处理,然后基于变分方法去除条带噪声。能量泛函由L1正则化项、数据保真项和梯度保真项组成,基于Split Bregman迭代计算能量泛函的最优解。实验结果表明,此算法能够有效地去除MODIS影像中常见的条带噪声。与矩匹配、低通滤波及单向全变分方法相比,此模型更好地保留了图像的细节信息,有效抑制了正则化方法在条带去除过程中出现的分块现象。

基于矩匹配和变分法的MODIS条带去除模型

针对中分辨率成像光谱仪(Moderate Resolution Imaging Spectroradiometer,MODIS)影像条带噪声的特点,提出了一种结合矩匹配和变分法的条带去除模型。首先采用矩匹配方法去除多行和宽行条带噪声;然后,基于改进的条带检测方法定位矩匹配后的残余条带;最后,基于变分条带去除模型,使用Split Bregman迭代求解以去除条带。实验结果表明,该方法能够有效地去除MODIS影像中的条带噪声,并能有效地保持图像中的细节信息。与直方图匹配、矩匹配、低通滤波及单向变分去条带算法相比,本文模型的去噪效果更理想。

遥感影像条带噪声去除的小波变分法

为了避免条带噪声去除过程中丢失影像细节,提出一种基于小波变分法去除遥感影像条带噪声。首先,对含有条带噪声的遥感影像进行小波分解;其次,通过构建的条带保留变分模型(SPVM)去除低层高频分量(含条带噪声)中的细节信息而保留条带噪声,从而有效分离出低层高频分量(含条带噪声)中的细节信息;通过构建的条带去除变分模型(DVM)去除高层高频分量(含条带噪声)中的条带噪声,从而有效地保留高层高频分量(含条带噪声)中的细节信息;最后,通过小波重构,获得去噪影像。试验证明本文方法在去除条带噪声的同时基本没有丢失影像细节,去噪后的影像对比度及质量都是最优的。

基于间隔采样的快速变分条带噪声检测方法

为了提高目前主流卫星推扫成像过程中多列条带噪声的检测效率,提出了一种基于间隔采样的快速变分条带噪声检测方法。该方法以条带噪声成分变分建模和优化求解为基础,通过间隔采样和构建带间隔采样参数的条带噪声成分估计模型,完成条带噪声成分的快速求解,然后对条带噪声成分列均值进行一元离群点检测和后处理,完成条带噪声的定位。由于采用间隔采样的策略,该方法在不损失条带噪声检测精度的情况下显著提高了检测效率。

基于自适应单向变分的高光谱图像去条带方法

条带噪声影响高光谱图像(HSIs)的质量,降低后续数据分析算法的精度和稳健性。分析了HSIs中条带噪声的特点,即条带噪声具有方向性和各谱段噪声具有不同强度,提出了一种基于自适应单向变分的条带噪声去除方法。在单向变分模型的基础上,引入含有耦合项的能量函数,并利用梯度下降法迭代求得最优解。实验结果表明,实际HSIs平均等效视数从26.49提高到85.61,平均辐射质量提升因子提高到9.34dB。与传统方法相比,该方法能够根据不同谱段噪声强度自适应调整正则参数的大小,有效地去除各谱段中的条带噪声,避免细节信息丢失,图像质量得到了改善。

基于参数优化VMD和增强多尺度排列熵的单向阀故障诊断

针对高压隔膜泵机械结构复杂,单向阀故障特征信息分布在多尺度上,单一尺度难以全面提取特征的问题,提出了一种基于参数优化变分模态分解(Variational Mode Decomposition,VMD)和增强多尺度排列熵(Enhanced Multi-scale Permutation Entropy,EMPE)的单向阀故障诊断方法。对单向阀振动信号进行VMD分解,以包络熵最小原则对其进行参数优化,获得既定的若干本征模态函数(Intrinsic Mode Function,IMF)分量;计算IMF分量的增强多尺度排列熵,构建故障特征值向量;利用基于变量预测模型的模式识别(Variable Predictive Model Based Class Discriminate,VPMCD)方法对故障特征值向量进行训练和识别,进而实现单向阀的故障诊断。仿真信号和工程实验分析表明,该方法可以准确地识别单向阀的故障类型,具有一定的可靠性和工程应用价值。

基于VMD-SVD的单向阀微弱故障诊断方法

针对大型往复式机械高压隔膜泵单向阀振动信号中的微弱故障特征难以提取,且磨损击穿故障、卡阀故障及正常状态振动信号难以识别的问题,提出一种基于变分模态分解和奇异值分解的单向阀微弱故障特征提取及诊断方法。首先对振动信号进行VMD分解,再借助能量百分比和方差贡献率筛选出包含丰富故障信息的模态IMF分量,其次对筛选后的IMF分量构建初始特征矩阵,然后利用SVD对特征矩阵进行分解,得到特征矩阵的奇异值作为表征微弱故障信号的特征向量,最后应用多变量预测模型对单向阀微弱故障进行诊断。工程实验结果表明,该方法能有效地提取出单向阀微弱故障信号特征并能对单向阀状态类型进行有效识别。

Landsat影像垂直方向条带噪声去除方法研究

针对条带噪声去除过程中容易丢失细节信息、去噪后的影像出现模糊及阶梯效应等问题,提出两种变分模型去除条带噪声.首先,构建一种初步条带噪声分离模型(PSDM),通过交替方向乘子方法同时解求出恢复影像及条带噪声影像;其次,构建一种条带噪声变分模型(SNVM),此模型可以达到去除条带噪声影像中的细节信息而只保留条带噪声的目的;最后,把恢复影像与条带噪声影像中的细节信息进行累加获得去噪影像.实验分析结果表明:该方法能保证在影像扭曲度很小的情况下有效去除条带噪声,并且在影像细节保留及去噪后影像质量提升两方面都是最优的.

基于加权梯度融合的Landsat影像薄云去除

遥感影像中薄云的存在为影像的判读带来了极大的影响,通过研究薄云对Landsat影像造成的影响,提出一种加权梯度融合变分模型。通过在无云区域采用较小权重以保持影像自身信息,薄云区域则采用较大权重将参考影像的梯度信息融入待修复影像,改进了梯度模型在无云区域过度增强细节而造成的失真。采用暗通道法和梯度融合法与该方法进行比较,实验结果表明:该方法在有效去除薄云的同时对无云区域有较好的保真效果。

FY-3C/VIRR中红外图像太阳光污染订正

风云三号C星(FY-3C)上搭载的可见光红外扫描辐射计VIRR (Visible and Infra-Red Radiometer)是继承风云一号卫星光学成像仪器,它在高纬度昼夜交替区域附近由于地平线附近太阳光照射,导致仪器扫描镜和其他部件产生杂散光,导致对地观测图像被污染,尤其VIRR中红外第3通道(3.7μm)图像产生了严重条带噪声,影响了后续产品的质量精度和数据应用。本文根据图像条带噪声各向异性的特点,利用单向变分条带去除模型,对VIRR第3通道图像进行条带噪声去除研究,采用噪声去除前后图像行均值曲线与定量评价指标辐射质量改进因子IF (Improvement Factors of Radiometric Quality)和逆变异系数ICV (Inverse Coefficient of Variation)等进行去除结果评价。结果表明,单向变分模型对FY-3C VIRR第3通道观测数据太阳污染条带噪声具有较好的订正效果,实验中,PSNR提升到32.77 dB;在真实数据实验中,IF提升到16.99 dB。