CDAG改进算法及其在GF-6 WFV数据云检测中的应用

为提高GF-6 WFV数据的利用效率,研究了GF-6 WFV数据的云检测算法。该算法是基于阈值自动生成的云检测(CDAG)算法,通过挖掘云和典型地表在可见光、近红外波段的光谱差异信息,实现了对多光谱卫星传感器的云检测。考虑到GF-6 WFV数据光谱范围相对较窄,云与亮地表的识别能力相对较弱的问题,加入了离差指数和亮地表指数,使用更多的波段组合方式,更加深入地分析云像元和晴空像元的差异,提高了典型地表与云的识别精度。通过遥感目视判读的方法对本研究中抽取的不同子区域的云检测结果进行分析,识别精度达到85.16%,漏分误差和错分误差分别为14.84%和2.39%,实现了较高的识别精度。     

红外激光对可见光成像系统的硬损伤

采用波长为1 315 nm的连续波化学氧碘激光对某型摄像机进行了辐照实验,研究了可见光CCD成像系统在响应波段外红外激光辐照下的硬损伤效应。开展了光学系统变光圈尺寸下的激光辐照实验,发现当辐照水平一定的情况下,光圈尺寸越小,光学系统越难发生硬损伤,并解释了该现象的成因;测量到光圈尺寸最大、最小两种状态下的光学系统硬损伤功率阈值分别为几十W、几百W;得到CCD的激光损伤阈值为5.5×104 W/cm2;结合相机输出的视频图像与显微镜拍到的被损感光器件实物照片分析了硬损伤机理。     

红外激光对可见光成像系统的硬损伤

采用波长为1315nm的连续波化学氧碘激光对某型摄像机进行了辐照实验,研究了可见光CCD成像系统在响应波段外红外激光辐照下的硬损伤效应。开展了光学系统变光圈尺寸下的激光辐照实验,发现当辐照水平一定的情况下,光圈尺寸越小,光学系统越难发生硬损伤,并解释了该现象的成因;测量到光圈尺寸最大、最小两种状态下的光学系统硬损伤功率阈值分别为几十W、几百W;得到CCD的激光损伤阈值为5.5×104W/cm2;结合相机输出的视频图像与显微镜拍到的被损感光器件实物照片分析了硬损伤机理。     

高分四号卫星数据云和云阴影检测算法

高分四号卫星(GF-4)是我国研制的首颗地球同步高分辨率光学成像卫星,具有高时间分辨率和较高的空间分辨率。针对高分四号卫星数据的特点,提出了一种光谱分析与几何算法相结合的云和云阴影检测算法。使用几何校正和辐射定标后的高分四号影像,基于云与典型地表的光谱特征,采用光谱差异分析技术识别出潜在云像元,根据有云地物和无云地物的光谱变化率差异计算云概率;由云和云阴影的几何关系,并结合传感器参数识别云阴影的投影带,然后根据阴影的光谱特征在投影带中设定基于影像的动态阈值,用于检测云阴影。该算法能较好地识别薄云,而且可以显著提高云阴影的检测精度。采用目视解译法对检测精度进行验证后发现,不同区域类型的云像元识别位置准确,形状完整;将所提云阴影检测方法与云和云阴影匹配算法进行对比后发现,前者识别的云阴影更为精确。     

基于热红外成像的小麦条锈病早期检测

由条形柄锈菌引起的小麦条锈病是一种世界性范围内普遍流行的重大病害,实现其早期检测对病害的有效防控与小麦的安全生产具有重要意义。旨在实验室环境下分析小麦接种条锈病菌后16天的热红外图像与叶片温度变化,研究热红外成像技术用于小麦条锈病早期检测的可行性。实验发现,随着接种天数的增加,接种病害的小麦植株较健康小麦,叶片的平均温度会逐渐降低,叶片间的最大温差会不断加大。接种后第6天,热红外成像技术可观测到小麦条锈病病斑,较肉眼观察提前了4天。接种后第16天,接种叶片的平均温度比健康叶片低2.5 ℃,最大温差比健康叶片高2.28 ℃。同时,通过对健康、发病以及潜伏期的小麦叶片的显微结构分析,发现条锈病孢子入侵叶片,使细胞结构破环,气孔导度增大,蒸腾作用加剧,从而导致叶片表面温度降低。可见,热红外成像技术可以对小麦条锈病进行早期检测。     

基于机器学习的偏振遥感云检测优化算法

偏振遥感经验阈值云检测算法受主观因素影响较强,极易在亮地表上空出现云检测不准确的问题.针对该问题,本文提出了一种主动和被动遥感卫星相结合的机器学习云检测算法.该算法基于POLDER3载荷多通道多角度偏振特性以及CALIOP载荷高精度云垂直特性展开研究,利用POLDER3载荷和CALIOP载荷观测重合区域数据,搭建了粒子...     

改进GSO与二维OTSU融合的红外图像多阈值分割方法

针对二维最大累间方差（Nobuyuki OTSU,OTSU）图像分割算法在电气设备故障诊断与定位中,其红外图像的多阈值分割中存在的耗时多、分割精度低、误分割等不足,造成故障区域欠分割或者过分割的问题,提出一种改进的萤火虫算法（glowworm swarm optimization,GSO）与二维OTSU的融合算法来提高电气设备红外图像多阈值分割的实时性与准确度。寻优过程中,将局部寻优扩展到全局寻优,并引入非线性递减步长及新的移动策略对GSO进行优化改进。实验结果表明:该融合算法在分割结果上较二维OTSU及未改进GSO与二维OTSU融合算法更能准确分割运行电气设备图像异常区域,分割速度分别提高19倍、1.28倍,为红外图像早期故障的有效识别与定位奠定基础。     

基于中波红外光谱遥测的温度估计算法

高于绝对零度的物体满足Plank定律,因此红外辐射在一定程度上反映温度。红外辐射测温具有响应速度快,分辨率高,能较好的实现对微小、高速移动等不可接触测量目标的温度测量。用一种先进的双波段红外遥感光谱系统采集不同温度金属的红外发射光谱,分析和研究这些不同温度的光谱数据所具有的不同特征。在此基础上,对样本提取重心位置、波峰位置、波长λ₁的值、波长λ₂的值四种光谱特征,寻找温度与其之间的函数关系;并建立多元线性回归模型,通过光谱反推温度值。实验结果表明,该方法可以有效的分辨有明显温差的高温物体,在实验所测温度范围内的测温绝对误差小于30 ℃,在测量误差小于20 ℃的置信区间内有98%正确率,优于一般系统需要保证目标发射率、大气透射率、环境等效辐射温度等复杂参数高精度的情况下2%的测温精度。该方法可以简单有效的对远距离目标测温,从而进一步拓展红外光谱遥测温度的应用领域。     

基于改进LCCD算法的高分六号WFV数据云检测研究

高分六号WFV是搭载在我国高分六号卫星上的高空间分辨率多光谱传感器,该传感器实现了高分辨率和宽覆盖的结合。精确识别高分六号WFV数据的云像元对于农业资源监测、林业资源调查以及防灾减灾等行业具有重要意义。基于全球土地覆盖产品FROM-GLC10数据,改进地表类型支持的云检测算法(LCCD算法),开展了高分六号WFV数据的云检测工作。以FROM-GLC10作为先验数据,充分考虑不同地表类型反射率的变化,在每种地表类型上分别采用不同的方法设置阈值。通过目视解译的方法对云检测结果进行精度评价,云正确率整体达到了92.46%,其中植被类、水体类、高亮地表类的云正确率分别为93.09%、95.60%和88.70%。结果表明,改进的基于地表类型的云检测算法有效提高了高分六号WFV数据云检测的精度。     

缺陷关联参数红外检测Levenberg-Marquardt改进识别算法研究

对Levenberg-Marquardt(LM)算法在缺陷参数估计修正过程中无法确保参数几何关联性的局限性进行改进,并保留原算法快速收敛的特性.以二维试件内部矩形缺陷红外检测为例,采用数值实验方法比较改进前后的LM算法,分析初始假设、红外测温误差对缺陷定量识别结果的影响.数值实验表明:改进后的LM算法参数修正过程中确保了关联性的一致性;不同初始假设对缺陷识别结果的影响不大;受红外测温误差的影响,各缺陷参数之间表现出不同的识别精度.     

动态阈值云检测算法改进及在高分辨率卫星上的应用

基于先验地表反射率数据库支持的动态阈值云检测算法(UDTCDA)可以显著提高卫星数据的云检测精度。为进一步提高其在波段相对较少的高空间分辨率卫星数据云检测应用中的精度,改进了UDTCDA中先验地表反射率数据与待检测卫星数据的空间匹配方法。与原方法使用重采样达到空间分辨率一致不同,该方法根据待检测影像高空间分辨率的特点,采用逐像元空间地理坐标配准的方法与真实地表反射率数据进行配准,然后进行云像元检测。该方法保留了高分辨率影像空间分辨率的优势,可以有效降低空间重采样造成的像元信息丢失。分别使用资源3号、高分1号、高分2号和高分4号高分辨率卫星数据开展云检测实验。通过遥感目视解译的方法对结果进行精度验证,并与UDTCDA云识别结果进行对比。结果表明,改进后的算法能以较高的精度识别不同高分辨率卫星影像中的云,总体精度可达到93.92%,对于碎云和薄云具有整体较高的识别精度,漏分误差和错分误差分别低于10.40%和9.57%。     

基于深度学习的红外目标成像液位检测方法

容器液位检测是工业生产及化工原料储存、运输过程中的重要环节,针对现有液位检测技术中传感器布置容易受空间限制,在高温高压、灰尘、潮湿等特殊环境下传感器寿命短等问题,提出了一种基于深度学习的红外目标成像液位检测方法.通过对容器红外图像标注数据集进行优化训练,得到可以准确识别容器内液体百分比含量的模型.首先,构建储罐液位标准数据集,并搭建基于Pytorch的深度学习目标检测框架.然后,在输入端对图像进行数据增强,调整模型的宽度和深度,优化训练检测模型.最后,采用特征金字塔网络和路径聚合网络结构融合不同尺寸特征图的特征信息,用联合交并比计算边界框的回归损失,并在后处理过程中引入加权非极大值抑制.实验结果表明,该模型具有较好的鲁棒性和识别效果,在交并比为0.5时的平均精度均值可达到0.804.     

一种适合高光谱卫星云识别的Fmask改进算法

近年来,我国卫星高光谱技术发展迅猛,高分五号、高分五号02星、资源一号02D星、资源一号02E星等相继发射为遥感领域带来了丰富的高光谱数据源。但高光谱卫星在成像过程中不可避免地会受到云及云阴影的影响,如何准确识别成为保障后续应用的关键,Fmask算法作为国内外诸多算法中的典型代表,已被Landsat和Sentinel业务化产品生产系统采用。Fmask算法作为国内外诸多算法中的典型代表,已被Landsat和Sentinel业务化产品生产系统采用。但该算法对于缺少热红外波段的数据精度偏低,例如对Sentinel-2数据的云和云阴影识别精度分别为84.5%和50%左右。鉴于此,本文通过在原有算法中优化云及云阴影识别算法结构、增加高亮地物识别辅助判据等改进手段,提出了一种适合高光谱卫星的Fmask改进算法,并在含有城区、山地、平原等三类不同下垫面场景的20景高分五号和资源一号高光谱影像中进行检验,结果表明：云识别的用户精度和生产者精度可达91.26%和99.97%,云阴影识别精度达到78.66%和79.41%,明显优于原始算法。本文算法对于高光谱数据的云及云阴影识别具有精度高、效果稳定和易于工...     

高分五号可见短波红外高光谱影像云检测研究

高分五号(GF-5)卫星上荷载的可见短波红外高光谱相机(AHSI)能够同时获取330个谱段的光谱信息,对大气和陆地进行综合高光谱观测,能有效获取地物的精确信息.云的存在会对遥感影像造成污染,为了提高GF-5数据的利用率,本文结合AHSI的地物高光谱特性,研究多种下垫面背景下的云检测方法.对得到的1级产品,利用产品配套的...     

基于改进的条件生成对抗网络的可见光红外图像转换算法

针对当前基于条件生成对抗网络的红外图像生成算法中红外生成图像纹理细节信息差和结构信息差的问题,提出了一种基于改进的条件生成对抗网络的红外图像生成算法。首先,基于ConvNext改进了生成网络,在生成网络解码部分通过添加残差连接增强了解码部分对编码部分提取的图像深层特征的利用;其次,生成网络采用UNet网络架构,增强了对图像底层特征的利用;最后,对抗网络通过对生成图像特征的一阶统计量（均值）和二阶统计量（标准差）的损失计算,进一步改善了红外生成图像的灰度信息和纹理细节信息。与现有典型红外图像生成算法的对比实验结果表明,该方法能够生成质量更高的红外图像,在主观视觉描述和客观指标评价上都取得了更好表现。匹配应用实验表明,该算法在可见光图像与红外图像异源匹配任务中体现了较好的应用价值。     

Kmeans聚类与多光谱阈值相结合的MODIS云检测算法

采用Kmeans聚类与多光谱阈值相结合的方法进行云检测.在地物光谱分析的基础上,应用Kmeans聚类算法对聚类特征数据初始分为两类,第一类为云、烟雾和雪,而植被、水体和陆地等其他下垫面为第二类;然后应用光谱阈值判断排除烟雾和雪等的干扰,对MODIS数据中的云体实现检测.还研究了我国典型区域在不同季节、小同时棚的数据.在...     

非制冷热像观瞄系统动态目标的智能检测

为了适应实时性的要求,在目标检测及定位时对处理方法的简洁性提出了很高的要求。基于热像观瞄系统,根据观瞄的目的,介绍了一种具有一定大小的目标检测方法。根据差分图像像素特性,提出了自适应选取阈值的新方法,对目标像素的亮度和分布密度进行精确定位。这种方法充分考虑了像素的自身属性信息,便于硬件的实时处理。该方法可以达到较高的检测率。     

基于高速CCD成像的动态变形检测方法

针对测量设备和载体平台需要进行动态基准传递的问题,介绍了利用高速CCD进行成像的变形检测方法,将载体的变形转换为分划板图像上的平移和旋转大小,进行三维的姿态解算。仿真结果和实际成像检测试验表明,在载体角度变形≤±10′的条件下,其横摇、纵倾方向检测精度可达2.8″,偏航方向检测精度可在1′以内。     

基于自适应阈值和动态更新因子的ViBe改进算法

针对传统ViBe算法不能及时反映场景变化,动态场景适应性差等问题,提出一种改进的ViBe算法。改进内容包括：采用随机选取背景样本和24邻域法获取初始背景,可以加速“鬼影”消融;结合大津法（OTSU）和均匀性度量法的平均自适应阈值计算方法,可以提高算法对树叶晃动、水波纹和光照变化等环境的适应性,最大限度保留有效像素;更新阶段引入自适应更新因子,可以有效减少被误判的概率,从而增强算法的鲁棒性;最后通过形态学处理和滤波使目标更加完整。采用标准数据集视频对改进算法进行了测试和对比分析,改进算法相对于KDE算法、GMM算法和传统ViBe算法各项指标均有大幅度提高,精确度分别提高30.44%、40.72%和20.95%,错分比分别降低了43.28%、40.59%和29.43%。     

改进阈值提升小波和自适应滤波器的开放光路红外光谱去噪

大气污染物的主要组成成分为挥发性有机物(VOCs),傅里叶变换红外光谱技术(FTIR)是现阶段应用广泛的挥发性有机物在线测量方法。开放光路获取到的大气红外光谱(OP-FTIR)易受各种噪声污染,如何有效、快速的去除红外光谱中的噪声是大气在线实时监测系统研究的热点。综合利用提升小波变换结构简单、运算量低的优点以及最小均方误差自适应滤波器的自动调节参数以达最优化滤波的性能,提出了一种改进阈值提升小波结合自适应滤波的红外光谱去噪算法。该算法先通过改进阈值小波系数的提升小波去噪,在去噪的同时保留更多光谱特征信息,然后使用提升小波变换分解出的高频系数重构出噪声相关信号,将其作为最小均方误差自适应滤波器的参考输入进行二次滤波处理,最终获得的去噪信号很好的去除了与特征光谱频谱重叠的噪声信号。分别对人工添加噪声的标准红外光谱和合肥市市区上空实测开放光路红外光谱进行去噪处理,结果显示使用该算法处理后的光谱信噪比(SNR)较离散小波传统阈值去噪方法高出3db,均方根误差(RSME)平均减少30%左右,运行时间减少46%。表明该算法计算简单、运行速度快,对于大气环境监测实时消噪系统具有重要的实际应用意义。