面向多浓度非均匀云雾的双域遥感图像去雾算法

光学遥感卫星图像容易受到多浓度非均匀云雾的干扰,造成图像质量严重退化。现有的去雾算法难以有效处理多浓度非均匀云雾,于是提出了一种自注意力强化机制,即在自注意力变换中引入一种简单的无参注意力(SimAM)增强自注意力变换的建模能力,提高对非均匀云雾的感知;为进一步提高网络的纹理细节表征能力,设计了新颖的差分卷积细节增强块,利用差分卷积算子引入梯度级信息,提高去雾网络对纹理细节的恢复能力;为实现RGB域和自适应小波域联合去雾,引入深度自适应提升小波变换实现自适应小波空间,从而实现双域协同去雾。实验结果表明,提出的方法在主流的遥感图像去雾数据集上相较于骨干模型,获得了0.52 dB的PSNR总增益。

基于离散小波域深度残差学习的矿区遥感图像增强算法

实现矿区遥感图像增强处理,有助于提升后续图像判别以及相关监测分析效率。以往矿区遥感图像增强一般采用滤波、灰度变换等方法,往往会导致图像大量细节信息丢失,在很大程度上影响了后续判读分析。近年来,深度学习方法逐步应用于图像增强处理,但该方法很大程度上依赖于模型设计和参数合理取值,需要进行大量的试验和优化方可取得理想效果。将深度学习方法(Deep Learning,DL)与离散小波变换(Discrete Wavelet Transform,DWT)相结合,提出了一种基于离散小波域深度残差学习的矿区遥感图像增强算法。首先将图像进行单级二维离散小波变换,得到4个子带;然后将4个子带系数输入深度学习残差网络,预测相应的残差图像增加4个子带图像和残差图像作为二维小波变换的新子带;最后通过二维离散小波逆变换得到增强图像。试验结果表明:所提算法相对于直方图均衡化和超分辨率重建等方法而言,无论在图像视觉效果以及峰值信噪比、结构相似性、均方误差等评价指标上都具有较好优势,反映出将离散小波变换与深度学习方法相结合,有助于提升矿区遥感图像视觉效果,方便后续图像解译判读工作。

基于小波双三次插值的遥感测绘图像空间分辨率检测方法

为了解决传统图像插值方法在处理效率上的问题,提出了基于小波双三次插值的遥感测绘图像空间分辨率检测方法。利用小波双三次插值将遥感测绘图像分割为空间单位。基于K-L变换原理构建图像滤波系数矩阵。采用异构并行体系,在CUDA架构下进行高密度值计算,实现了遥感测绘图像空间分辨率的快速检测。实验结果表明,本文方法能够在转换图像时保留更多的细节和纹理信息;在不同测绘比例下,能够在2.5 s内完成分辨率检测,且相对水平和垂直分辨率结果较高,适合人眼观察,具有实际应用效果。

基于小波分析和伪彩色的遥感图像增强

针对基于小波分析的图像增强技术一般只适用于黑白图像,而伪彩色处理技术不能够充分处理图像中某些细节信息的缺陷,提出基于小波分析和伪彩色的遥感图像增强处理方法。增强后的遥感图像无论在视觉效果上还是在噪声特性上都有了很大的改善。该方法简便易行,计算量小,在应用中有较大的灵活性。该方法还具有运算速度快,可操作性强等特点。在遥感图像增强研究方面具有广泛的应用前景。

小波分形插值应用于遥感图像处理

鉴于自然物体图像具有分形特征 ,提出了小波分形插值应用于遥感图像处理的新方法 这种小波分形插值方法利用小波变换系数中低分辨率频带中的高频分量相似高分辨率频带中的高频分量的特点 将遥感图像在小波变换的基础上用分形做相似变换 ,进而通过反变换得到比原图像分辨率高的插值图像 实验证明 ,小波分形插值方法比现有的双线性插值。

基于正交小波变换和伪彩色的遥感图像增强

针对基于正交小波分析的图像增强技术一般只适用于黑白图像;而伪彩色处理技术不能够充分处理图像中某些细节信息的缺陷,提出了基于正交小波分析和伪彩色的遥感图像增强处理方法;实验结果表明,增强后的遥感图像无论在视觉效果上还是在噪声特性上都有了很大的改善;该方法简便易行且计算量小,在应用中有较大的灵活性;该方法还具有运算速度快和可操作性强等特点,在遥感图像增强研究方面具有广泛的应用前景。

基于多尺度Retinex算法的遥感图像增强

遥感图像增强是对遥感图像进行后继处理的必要步骤且在遥感图像的处理中占有独特的地位。当前,有很多图像增强方法被应用到遥感图像的增强当中,文中引入Retinex增强算法,该算法可以实现对图像进行自适应的增强处理。为了使Retinex算法更具有普遍性和自适应性,采用多尺度Retinex算法对图像进行增强。多尺度Retinex算法即结合多个尺度上的单Retinex算法,因而可以进一步提高Retinex算法的自适应能力和对图像的增强效果。应用小波变换方法和多尺度Retinex算法对遥感图像进行增强对比实验,实验结果表明多尺度Retinex算法在遥感图像的增强方面具有优越性,并且可以取得令人满意的增强效果。

遥感影像的自适应小波精细积分降噪方法

针对遥感影像数据量大、应用精度较高的图像降噪变分法处理时计算效率较低的问题,基于quasi-Shannon小波构造了一种二维自适应小波插值算子,并和精细积分法相结合建立了求解二维偏微分方程自适应小波精细积分方法。利用小波变换的多尺度自适应性和精细积分方法的高精度有效提高了图像降噪变分法的求解效率,从而可实现较大遥感影像的降噪处理。

基于对偶树复小波变换的遥感图像薄云去除

在卫星传感器获得的遥感图像中,由于受气候影响,图像可能存在被云雾噪声覆盖的区域.提出一种基于对偶树复小波变换的薄云去除方法,利用该变换将含云遥感图像分解成高频和低频成分,通过对高频补偿和低频抑制处理,有效去除遥感图像中的薄云,恢复云覆盖区域的地物信息.实验结果表明,该方法优于常用的薄云去除方法,在去除薄云的同时能有效恢复云覆盖下的地物信息,此效果源于对偶树复小波变换具有的近似平移不变性和良好的方向选择性.

基于小波内插的遥感图象超分辨率增强

基于小波内插的超分辨率增强方法,利用多幅遥感图象的交错采样结构,将同一场景的多幅遥感图象序列中的信息,在像素级上内插到一幅遥感图象中,得到一幅信息量更加丰富、分辨率更高的遥感图象。该文介绍了该方法及相应遥感图象预处理方法,文中实验显示了该方法的有效性。

小波变换在遥感图像纹理高频增强显示中应用

分析了经过小波变换后得到不同分辨率、多方向性的遥感图像纹理特征,提出了多层小波高频增强遥感图像纹理的算法,实现了纹理信息增强的图像。

基于特征级数据融合的遥感图像重构模式研究

基于图像特征级数据融合的遥感图像重构是在突出目标地物的空间结构和纹理特征情况下的信息融合.本文在数字图像小波多分辨率分析理论基础上,采用小波变换方法对高分辨遥感图像的目标地物边缘进行信息增强,然后与多光谱遥感图像进行特征信息融合.在融合过程中,首先对多光谱图像中的R、G、B三个波段的图像进行小波分解,得到相应的低频图像,然后对特征增强后的高分辨率图像进行小波分解,再将分解后的高频图像分别与低频图像进行融合,最后经RGB合成为彩色图像.该方法既改善了图像的清晰度和分辨率,同时也保留了原图像的光谱信息.本文最后通过融合实验验证了上述结论.

基于小波支持向量回归的遥感多光谱图像分辨率增强算法

利用小波支持向量回归,实现了遥感多光谱图像分辨率的增强。首先采用非下采样Contourlet变换对低分辨率的多光谱图像和高分辨率的全色图像进行多分辨率分解,再利用小波支持向量回归对分解系数进行学习和预测,获得分辨率初步提高的多光谱图像,最后再与传统的插值方法得到的结果进行融合来实现多光谱图像分辨率增强。实验结果表明:此方法借遥感全色图像的辅助获得丰富的高频细节信息,使得分辨率增强结果无论是最小均方误差还是峰值信噪比都要优于仅依靠原图像本身放大的传统方法以及其他的分辨率增强方法。

基于视觉特性的影像增强算法研究

遥感影像对比度调整是影像预处理中的关键部分。分析人的视觉特性发现:影像中不同区域特征变化被感知度有所差异。相对于高频区域及对角线方向,人眼更容易感觉到平缓部分的特征变化。以往的对比度增强算法并没有考虑这一视觉特性,提出了一种基于视觉特性的影像增强算法。实验表明,该算法在较好的保持影像细节特征的同时,改善了影像的对比度,得到了较好的视觉效果。

多尺度图像分割和颜色传递的遥感图像彩色化增强

提出一种基于小波降噪、多尺度图像分割和颜色传递的遥感图像彩色化增强方法。该方法利用一种多尺度图像分割技术,将图像分割为若干子区域,在子区域之间进行亮度匹配和颜色传递,减少了颜色传递误差,再与采用软阈值方法的复数小波包降噪预处理相结合,来增强遥感图像的细节分辨能力。试验结果证明,基于图像分割和色彩传递相结合的方法,其参考彩色图像不需要与目标图像配准,只要特征、风格相近似,就可以对纹理结构相对较简单的全色遥感图像实现全自动的彩色化增强。彩色化的结果图像在美观程度及目标的可识别度上都有了明显增强。

基于分形插值及小波增强的海岸带遥感图像处理

用分形插值方法和小波对比敏感度增强算法,对海岸带遥感卫星图像进行处理。分形插值方法用来进行图像的放大,由于自然图像并非理想FBR,放大后图像的边缘会出现模糊。为补偿放大后图像的细节特征及纹理信息,采用基于小波多尺度的对比敏感度增强算法对放大后的图像进行增强。实验表明,在遥感卫星图像的处理中,该方法能对特定区域进行局部放大,且能保持原始图像的细节特征及纹理信息,具有很好的实用性。

结合中值滤波的彩色自蛇模型在遥感图像放大的研究

研究了彩色自蛇模型的形成过程,对遥感TM图像进行了后处理放大处理,采用最邻近点插值、双线性插值、三次样条插值、双立方插值、双二次插值。针对插值放大后的图像的边缘出现锯齿化和模糊化问题,由于彩色自蛇模型本身不仅具有边缘锐化功能,它可以消除边缘锯齿化和边缘模糊化问题,而且具有去噪的能力。采用彩色自蛇模型进行后处理,并对处理后的残余斑点进行研究,结果采用了中值滤波的方式取得更好的效果,并对含噪的遥感图像也有较好的放大效果,实验结果证明该方法适于遥感图像的放大处理。

干旱区ETM遥感图像蚀变异常信息提取方法研究

含矿热液蚀变带是成矿作用发生的重要标志之一,它作为矿产资源快速评价和定位预测的一个主要参数,在遥感地质找矿中具有重要意义。本文在分析干旱区ETM遥感影像地物识别所依据的光谱特征的基础上,提出一种基于小波自适应增强及主分量分析相结合的蚀变遥感异常信息提取方法,结合MATLAB编程软件和ERDAS8.6遥感图像处理软件进行蚀变信息提取试验,并分别与传统的基于波段选择的主成分提取法以及基于主成分分析和比值增强相结合的提取法进行对比分析和效果查证。实验结果表明,研究区内利用小波自适应增强与主分量分析相结合提取的遥感异常与已知矿床、矿(化)点的吻合率达到80%,新发现矿化点一处和外围找矿线索多处,能取得较为满意的提取效果,具有快速、高效、经济的特点,较之传统方法具有很大的优越性。

基于自适应伽马转换函数的遥感图像增强

针对传统的遥感图像增强方法视觉效果不够理想的缺点,提出了一种基于平稳小波变换和分段自适应伽马灰度转换函数的遥感图像对比度增强方法。首先,对遥感图像进行平稳小波变换,接着对得到的最大尺度低频子带图像采用基于核函数的样本加权模糊C-均值聚类算法将该图像分为低、中和高亮度区域,并对各亮度区域依据其各自特点分别采用不同的自适应伽马灰度转换函数进行增强,然后利用贝叶斯萎缩阈值法和非线性自适应增益函数相结合计算高频子带的增益系数,从而得到增强后的高频子带图像;最后,由低频子带图像和高频子带图像重构得到增强后的图像。实验表明,该方法提高了遥感图像的全局对比度,改善了视觉效果,增强了图像的细节并抑制了噪声,获得了较好的图像增强整体效果。

利用小波变换去除遥感影像薄云研究

针对西南地区遥感影像薄云覆盖地物时有发生的情况，介绍了一种基于小波变换的遥感影像去薄云处理方法。首先对影像进行小波变换，利用低频子图像上薄云所对应的小波系数幅值比非云区大的特点识别处理薄云雾，然后对图像的低频及高频信息选择性增强，最后进行小波重构。主客观评测结果表明，所述方法提升图像质量效果明显。