基于高维空间几何信息学的遥感图像去薄云算法

遥感图像中薄云的存在为遥感图像的判读带来了极大的影响,本文针对遥感图像中的薄云雾提出了一种基于高维空间几何信息学(High-Dimensional Space Geometrical Informatics)(HDSGI)的去云的新算法.基于HDSGI理论,将一副带有薄云的遥感图像作为高维空间中的一点,通过各向同性滤波器将该高维空间点几何分解到不同尺度的两个子空间,对各个子空间的分解分量分别进行抑制、增益变换,将经过变换后的子空间分量合成得到最终所需的去云后遥感图像.采用实际卫星影像和航空影像对该算法进行实验验证,用同态滤波和小波分解算法进行同类算法比较,并采用若干客观图像评价参数评价分析处理后图像.实验结果表明,本文算法不仅能有效降低薄云覆盖及相关的噪音干扰,而且可以增强原始遥感图像边缘信息,达到去除薄云的目的.

模糊图像高维空间几何信息自适应复原方法

针对模糊图像高维空间几何信息(high-dimensional space geometrical informatics,HDSGI)复原方法不能自动调节参数的问题,提出一种结合混沌粒子群优化(chaotic particle swarm optimization,CPSO)算法进行模糊图像自适应复原的新方法。HDSGI图像复原算法可以获得清晰的复原图像,但是需要人工调节表征分布曲线的参数,参数选择不合适时复原图像中会出现噪声。将能同时度量图像模糊程度和噪声水平的无参考型图像质量评价指标作为CPSO算法的适应度函数,达到自适应地选择最佳分布曲线的目的,从而可以获得清晰复原图像。复原后的图像的主观视觉评价和定量评价指标均证明了方法的实用性和有效性。