CCD图像条带噪声消除方法

条带噪声是线阵CCD成像过程中最常见的系统噪声,其存在掩盖了图像的有用信息,给图像判读造成了不利影响。利用小波变换对信号奇异点检测的优越性,检测出条带噪声在小波系数中的周期性分布规律。依据小波去噪三步法,对存在条带噪声的低频和高频小波系数分别进行阈值处理。处理后图像目视效果良好,功率谱基本保留了原图像功率谱的变化趋势,表明在有效去除条带噪声的同时,较好地保留了图像中的有用信息。     

应用相位一致性评价多光谱遥感图像条带噪声

条带噪声是影响多光谱遥感图像质量的重要因素之一,严重影响遥感数据的解译和信息提取。提出一种应用相位一致性进行多光谱遥感图像条带噪声质量评价的方法。该方法不受图像亮度或对比度变化的影响,以频域中相位一致性探测图像特征点,综合考虑图像中条带噪声的数量、长度、宽度和强度建立评价因子,客观评价遥感图像中存在的条带噪声对图像质量的影响。实验证明该方法评价结果符合人眼视觉感官评价。     

TDI-CCD图像固有条带噪声的消除方法及实现

存在于TDI-CCD图像中的条带噪声会影响图像的质量,降低系统的测量精度。针对TDI-CCD图像固有条带噪声的灰度值在原始信息中变化比较缓慢的特点,利用傅里叶变换域内的频谱图映射确定条带噪声频率的方法,分别采用低通、带阻滤波器对条带噪声进行消除。另外,提出了一种改进阈值的小波变换法来消除条带噪声,该方法能在小波分解后各个尺度的垂直方向上自适应地确定阈值。实验结果表明在消除条带噪声方面,改进阈值的小波变换法优于传统的傅里叶变换法。在整个频率域内,改进阈值的小波变换法能够较彻底地消除条带噪声,同时较好地保持了原图像的特征。     

基于空间自适应变分的条带噪声去除方法

遥感图像经常被条带噪声污染,导致图像质量下降。为了去除条带噪声,本文提出了一种基于空间自适应变分的噪声抑制方法。首先,对条带噪声建模,并利用信噪比较高的区域估计出模型的增益和偏置;然后,在变分法的框架下,构建能量函数,并引入空间自适应正则因子,根据图像空间信息自适应调整正则参数;最后,采用分裂式Bregman算法优化能量函数,得到去噪图像的最优解。实验表明,本文算法可以将实际遥感图像等效视数由37.26提高到76.48,辐射质量提升因子提高到8.52 dB。本文算法能够有效去除条带噪声,保留图像细节,改善图像质量。     

基于滤波器组的遥感图像融合方法及其性能分析研究

提出了一种基于滤波器组的图像融合方法,用以融合高空间分辨率全色图像和低空间分辨率的多光谱图像．在高空间分辨率全色图像经过多通道滤波器组分解的基础上,用多光谱图像直接替换全色图像低频子图像的方式进行融合处理;最后对替代后的子图像进行滤波器组重构得到融合后的图像．实验结果表明,通过调整滤波器组的通道个数,该方法能够使融合图像中空间信息和多光谱信息获得更好地折衷．     

基于双边滤波器的红外图像条纹噪声消除算法

提出了一种新的消除红外图像中条纹噪声的方法。由于红外焦平面阵列中每列读出电路的偏置电压不同,导致红外图像中有明显的条纹状噪声。分析了读出电路偏置电压不均匀对红外成像的影响,提出了利用双边滤波器估计读出电路偏置电压的方法,并使用估计的偏置电压校正红外图像。基于实际红外图像的实验结果表明,提出的算法能够显著地消除红外图像中的条纹噪声。     

基于神经网络的图像混合噪声消除

神经网络在智能化信息处理和非线性滤波方面的优异表现，使得越来越多的人将神经网络应用到图像处理中。提出一种将非线性滤波器和神经网络结合所构成的滤波器，实验证明这种滤波器在消除图像的混合噪声、保护图像的边缘信息方面具有明显的效果，通过对受到较大噪声影响的输入图像进行滤波，可使输出图像的信噪比提高10dB以上。     

基于光谱空间信息的高光谱遥感图像混合噪声评估

综合利用高光谱图像的光谱信息和空间信息,提出了一种新的混合噪声评估方法.首先通过滤波算法进行图像中均匀图像块的自动选取;然后利用多元线性回归模型,将均匀图像块内像素点的信号值和噪声值进行分离,并实现了图像中加性、乘性噪声的粗评估;最后根据噪声模型构建似然函数,利用最大似然估计法求解噪声模型参数.通过仿真图像和真实高光谱图像进行实验,验证了该方法的准确性和鲁棒性.     

基于积分图像的红外图像降噪去条带方法

针对红外图像中普遍存在的高噪声与边缘模糊问题,提出了一种新的红外图像处理方法。基于积分图像理论,结合高频增强滤波法,给出了红外图像降噪去条带算法,设计了软件并实现了处理效果。仿真结果表明,与传统的方法相比,该方法具有速度快、自适应能力强和条带去除明显等优势,并可以尽可能多地保留原始图像的细节特征。     

高分辨率遥感影像的快速分割方法

近年来,C-V模型被广泛用于图像分割,但计算速度是制约其应用的一个重要因素,如果处理数据量较大、内容复杂的高分辨率遥感图像,耗费时间更长.本文采用C-V模型与小波变换的结合,不仅大大提高了影像的处理速度,而且实现了图像的多尺度分割,并具有良好的抗噪能力.实验结果显示,在保证分割质量的前提下,与直接使用C-V模型的多尺度分割方法相比,该方法能够提高处理速度1-2倍.     

从遥感图像估算遥感平台的稳定精度

提出一种从图像出发 ,直接估算机载遥感系统中的陀螺稳定平台稳定精度的方法 .利用飞行PHI数据计算出OMIS所带的稳定平台的总体稳定精度达到± 4.33′.     

单幅SAR遥感影像定位的几何分析

在数字高程模型(DEM)支持下的单幅影像迭代定位方法(IPM)是利用单幅遥感影像进行目标定位或修测地图的主要方法.一直以来,SAR影像IPM的几何意义都不甚明了.依据SAR影像距离投影的原理,对SAR影像IPM的计算过程进行了几何分析,提出以地面倾角和起始高程点入射角作为已知量,推导了其近似的收敛条件以及收敛速度计算公式,并分析得到地面倾角和起始高程值是影响SAR影像IPM收敛性和收敛速度的主要因素.最后,分别利用模拟数据和真实数据对几何分析的结论进行了实验验证.实验结果表明,理论分析结论正确合理,有助于深入分析SAR影像上像点与地面点的几何关系.     

一种基于Wedgelet变换的遥感图像分类算法

介绍了一种基于Wedgelel(楔波)变换的遥感图像分类算法.该算法将多尺度Wedgelet变换应用于遥感图像区域分割,在此基础上提取各分割区域的Gabor纹理特征实现对遥感图像的分类.为了检验该算法的可行性,将其应用于向海和查干湖遥感图像,并与灰度共生矩阵、高斯马尔科夫随机场等纹理分类算法进行了比较.结果表明,该算法要优于灰度共生矩阵及高斯马尔科夫随机场分类算法,能够得到较高的分类精度和Kappa系数.     

强噪声背景下在遥感云图中提取地球圆盘的快速算法

提出一种新的图像边缘提取的快速算法——通过建立马尔可夫预测模型对目标边缘位置进行前向预测，并根据边缘特性，采用最小均方误差分类器进行同步校正，与传统的边缘提取算法相比，该算法具有很强的噪声抑制和实时处理能力，实践表明，该算法对于任何非突变闭合区域均有良好的边缘跟踪特性，已成功应用于航天遥感图像的实时采集和处理系统中。     

利用地物波谱学习的遥感影像波段模拟方法

针对已有遥感影像模拟方法难以在影像光谱维上扩展的不足,提出了一种基于地物波谱学习的遥感影像波段模拟方法.以地物波谱库作为先验知识,通过支持向量机拟合地物在不同观测波段范围内反射率之间的复杂非线性关系,进而在多光谱遥感影像已有波段的基础上模拟一个新的波段影像.通过模拟TM红波段影像的实验,证明本方法能较为准确地模拟出真实的光谱影像,其模拟结果可靠.进一步将该方法应用于模拟IRS真彩色影像,验证了本方法的实用性.本方法能够有效地解决多光谱影像波段缺损的问题,并在一定程度上可解决较高空间分辨率遥感影像光谱维的不足,为建立地物波谱与遥感像元波谱的定量联系提出了新的思路.     

基于感知器的遥感图像无损压缩编码

无损压缩在遥感领域有极其重要的作用。该文提出一种基于感知器模型的遥感图像无损压缩编码方法,该方法利用感知器具有学习能力的特点,自适应地调整图像的预测系数,对遥感图像进行空间和谱间去相关,然后进行熵编码。实验表明,对于多波段的遥感图像,该方法的压缩效果明显优于无损JPEG(Joint of Picture Expert Group)最优预测模式。     

用B—P神经网络实现多波段遥感图像的监督分类

提出敢用Ｂ－Ｐ神经网络实现多波段遥感图像监督分类的方法，给出了用Ｂ－Ｐ神经网络对４种农作物的４波段遥感图监督分类实例。结果表明；与传统的分类法相比，在特征提取相对较少情况下，仍可获得符合实况的多波面遥感图像分类。     

基于脊波和神经网络的大压缩比遥感图像压缩

为了实现大压缩比的遥感图像压缩,利用神经网络的自组织、并行计算和分布式存储的能力,提出一种基于神经网络的压缩方法.在传统单隐层前向神经网络的基础上,该网络使用一种新的能有效处理直线型和曲线型奇异性的多尺度几何分析工具-脊波,作为隐层神经元的激活函数.它不仅具有神经网络压缩的优点;并且由于脊波良好的时、频和方向局域化特性,能够对遥感图像的边缘和轮廓实现更加有效的表示.仿真结果表明:该方法不仅能实现较高的压缩比,而且具有重建图像质量好、学习快速和鲁棒性强等优点.     

多光谱遥感图像BP网分类器学习样本选取法的研究

通过分析多光谱遥感图像学习样本在光谱空间不同位置对BP神经网络分类器分类精度的影响,提出基于x2 分布的学习样本选取方法,并应用于TM 图像分类.对6 种地物应用不同样本选取法训练的BP网分类器和Bayes分类器的分类结果比较表明:本方法分类精度明显高于Bayes分类器和其它样本选取法得到的BP网分类器,并具有学习样本数量少等特点