基于改进迭代匹配滤波的织物疵点检测

为准确有效地检测织物的疵点,给出一种基于改进迭代匹配滤波的织物疵点检测算法.该算法首先采用多种滤波方法对样本疵点图像进行对比预处理,以去除样本图像的高斯噪声,减少织物背景纹理信息对织物疵点检测的影响,并根据去噪图像的客观峰值信噪比与主观视觉效果等确定均值采样为最优的预处理结果.然后利用改进的迭代匹配滤波器对去噪后的织物疵点进行滤波并分割出疵点.最后对分割后的图像进行形态学运算后处理、平滑图像轮廓和去除毛疵点和孤立点等.实验结果表明,该方法在织物疵点检测中能有效保留图像的边缘细节信息,可有效地检测较多种类织物的瑕疵,而且检测精度较高.

利用高分五号AHSI载荷的高分辨率XCH_(4)异常探测方法研究

煤矿开采是最重要的甲烷排放源,然而其排放清单的准确性很低,一个关键的原因在于缺乏精准识别和定位该类排放源的能力。近年来,前沿研究表明可以利用卫星高光谱数据反演高分辨率的甲烷异常,从而帮助识别排放源。但是,在地表类型复杂地区该算法会完全失效。针对这一问题,率先提出一种基于L1重加权和迭代收缩阈值算法(ISTA)匹配滤波器的算法。利用高分五号(GF-5)数据在山西地区的实验表明,该方法性能显著优于现有的其他方法。实验中,本方法识别出23个甲烷强点源,这些点源全部位于TROPOMI的甲烷高值区内,且高分辨遥感影像显示这些点源处存在典型的煤矿开采设施。该方法的提出为利用GF-5卫星数据在世界范围实现甲烷点源排查奠定了技术基础。