共查询到20条相似文献，搜索用时 484 毫秒
1.
郭桐宇 《测绘与空间地理信息》2019,42(1)
针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。 相似文献
2.
《现代测绘》2021,(3)
影像融合是将SAR影像与光学影像进行结合使用的重要环节,由于SAR影像纹理信息丰富,与光学影像结合使用,可以使融合影像既包含SAR影像的纹理信息,又包含光学影像的光谱信息。重点研究了SAR影像与中、高分辨率光学影像之间的融合算法,详细地介绍了影像融合原理、常用算法以及融合精度评价,提出了基于平移不变离散小波变换(SIDWT)图像融合算法,在此基础上,将Terra-SAR数据分别与高、中分辨率光学影像进行融合试验。对比不同算法的融合结果,实验证明SIDWT变换算法在处理SAR影像和高、中分辨率光学影像时,在影像的亮度、信息量、图像细节反差和地物的纹理特征的表现,以及光谱失真方面都起到了一定地改善作用,与传统方法相比具有明显的优势。验证了SIDWT变换法在提高影像的清晰度,增加地物的细节信息,减少影像的光谱失真等方面均具有优越性。 相似文献
3.
4.
针对单帧遥感影像进行超分辨率重建时,重建图像存在偏暗、纹理边缘不清晰等问题。在分析限制对比度直方图均衡化算法后,提出一种将上述算法与迭代反射投影算法相结合的改进方法。Matlab仿真实验结果表明,这种结合的算法既能提升图像对比度,其信息熵也优于传统的迭代反投影算法。 相似文献
5.
受制于光学器件的性能与观测环境的影响,国产高分辨率遥感影像通常存在条带噪声、光谱分辨率低、纹理不清晰等问题,给后续的自动化影像产品生产及目标解译工作带来极大的不利。本研究先后从去除条带噪声、对比度增强、边缘增强三个方面,对遥感影像进行质量改善,使遥感影像更好地为地理信息公众服务。以高分二号全色影像为实验数据,目视和定量评价结果均证实了本文算法的有效性。 相似文献
6.
《国土资源遥感》2016,(2)
为解决地震灾区震后空间数据难以及时获取的问题,考虑到无人机(unmanned aerial vehicle,UAV)遥感影像自身特点,提出了一种改进的均值漂移(Mean Shift)分割算法。按照影像特征将UAV影像划分为纹理区和匀色区,对匀色区直接进行Mean Shift算法分割得到初分结果;对纹理区综合提取颜色、纹理、形状信息构造高维特征空间,并根据归一化分布密度值求得其合适的带宽,再使用Mean Shift算法对特征空间进行模式分类得到分割结果;通过构造代价函数进行区域合并,消除过分割区域,得到最终分割结果。针对芦山地震后获取的高空间分辨率UAV影像进行分割实验,并提出一种考虑到面积和光谱的分割匹配指数对分割结果进行评价。实验结果表明:所提出的改进的Mean Shift算法的分割精度优于传统的Mean Shift算法,为后续的震害信息提取提供了数据保障。 相似文献
7.
8.
针对倾斜影像三维重建后纹理间存在明显的色差、接缝且处理低效的问题,本文提出了一种快速高效的无缝纹理匀光方法。该方法首先对输入的去畸变影像进行影像增强预处理,通过对模型所有的顶点和边建立约束方程,求解得到每个顶点的颜色改正值;其次根据3个顶点插值得到三角面内部像素的颜色改正值;然后通过纹理扩充得到全局无色差的纹理块;最后对纹理块进行降分辨率泊松编辑。试验结果表明,采用本文方法进行纹理匀光处理,具有纹理块间无色差、接缝线处纹理过渡自然、计算速度更快等优势,能增强三维模型的可读性与改善三维模型的显示效果。 相似文献
9.
由于遥感设备的性能限制,使得采集的遥感影像质量受到影响,低分辨率的遥感影像限制了遥感解译应用的精度。当前针对遥感影像的超分辨率重建研究仍然存在重建后的遥感影像地物全局信息和纹理细节不足的问题。因此,本文提出顾及全局特征和纹理特征的遥感影像超分辨率重建方法,该方法利用生成对抗网络的特征学习能力,并对模型全局和纹理进行增强。一方面,地物全局特征增强部分用于解决当前研究中超分辨率重建模型对低分辨率遥感影像中全局遥感地物信息没有重视和利用的问题。在生成网络中引入自注意力模块,以获取全局地物注意力图的方式将遥感影像中相距较远的地物信息作为重建过程的参考。另一方面,遥感影像纹理增强部分用于解决超分辨率重建模型中超分辨率影像纹理信息不足的问题。本文方法引入纹理损失以优化生成网络参数并增强超分辨率重建后影像中的纹理信息。另外,为避免重建结果中的“伪影”现象,研究采用权值归一化代替批量归一化方法。试验结果表明,本文方法在遥感影像超分辨率重建过程中能增强遥感地物特征,同时可以实现地物的纹理细节精细化恢复,而且超分辨率重建结果的图像质量评价指标SSIM、FSIM和PSNR值分别达到了0.756、0.595和... 相似文献
10.
11.
由于高分辨率遥感影像上的信息高度细节化,加之噪声的影响,会导致基于像元级纹理特征的林地边界提取方法的效果不理想。为此,提出一种基于种子纹理基元合并的半自动林地边界提取方法。首先利用基于图模型的影像分割算法获取初始基元;然后定义了一种针对非规则基元统计基元级灰度共生矩阵(GLCM)纹理特征的方法;最后在人工给定种子基元的基础上合并具有相似纹理的基元,并对基元合并的结果进行边界提取,得到高分影像上的林地边界。利用多源高分影像对所提方法进行验证及对比分析。实验结果表明,该方法对高分影像上大片典型林地的边界可取得较高的提取精度和计算效率。 相似文献
12.
针对传统边缘检测方法存在的通用性较差、精度不高等问题,提出一种利用极值梯度的通用亚像素边缘检测方法。该方法将极值梯度分解为正梯度和负梯度,并在八个方向上进行判断与求解,然后得到由局部灰度增加最大和减小最大的两类像点共同组成的初始边缘,最后根据初始边缘的特点,分别建立不同类型边缘的亚像素定位拟合模型。为验证该方法的性能,分别利用模拟影像和实际影像与传统方法进行对比试验。试验结果表明该方法对不同类型的边缘都能较好的检测,并且对包括角点在内的边缘有更高的定位精度。因此,该方法可有效应用于影像的边缘检测中。 相似文献
13.
针对传统迭代反射投影方法得到的重建影像,其边缘部分存在锯齿效应和噪声信息,从而无法达到提升影像清晰度不足的问题。文中对初始重建影像,首先使用反锐化掩模方法提取其中的高频分量,并对高频信息进行分类,然后平滑掉其中的噪声信息,应用高频增强曲线对高频分量进行提升,保持高频分量的单调性。实验仿真结果表明,该方法可以消除噪声,小的边缘纹理细节得到增强,大轮廓没有过增强,可有效提升重建影像的清晰度。 相似文献
14.
Hyperspectral image (HSI) and multispectral image (MSI) are two types of images widely used in the field of remote sensing. These images are useful in certain applications, such as environmental monitoring, target detection, and mineral exploration. HSI contains a large amount of spectral information. Photons are typically collected in a larger spatial area on the sensor to ensure a sufficiently high signal-to-noise ratio (SNR). Accordingly, the HSI spatial resolution is much lower compared with MSI. This low spatial resolution greatly affects the practicality of HSI. Accordingly, fusing a low-spatial resolution HSI (LR-HSI) with a high-spatial resolution MSI (HR-MSI) in the same scene to obtain a high-resolution HSI (HR-HSI) is a method for solving such problems, which resolves the contradiction that the spatial resolution and the spectral resolution cannot simultaneously maintain a high level. From the analysis of fusion effect, the spatial and spectral reconstruction errors of the existing algorithms are mainly reflected in the edge and detail areas. The method proposed in this work was a fusion algorithm for dictionary construction and image reconstruction based on detail attention. In terms of maintaining spectral characteristics, the spectral distribution in the detail area is complex and diverse because of the proximity effect of the image. This work proposes to perform dictionary learning on the image and detail layers. The detail perception error terms and a constraint of edge adaptive directional total variation are proposed for spatial characteristic enhancement, which is combined with a local low rank constraint in the same fusion framework to estimate the sparse coefficient. Experiments were conducted on two datasets, namely, Pavia University and Indian Pine, to verify the effectiveness of the proposed method. The quantitative evaluation metrics contain peak SNR, relative dimensionless global error in synthesis, spectral angle map, and universal image quality index. Based on the experimental comparison, the fusion result of the algorithm proposed in this work is significantly improved compared with those of the other algorithms in terms of spatial and spectral characteristics. This work uses dictionary learning to propose a fusion algorithm for dictionary construction and image reconstruction with attention to details through the analysis of the existing hyperspectral and multispectral image fusion algorithms. A hierarchical dictionary learning algorithm is proposed to address the problem of large reconstruction error in the detail part of the existing algorithms. The detail perception error term and the direction adaptive full variational regularization term are used to improve the spectral dictionary solution and coefficient estimation, respectively. The result of the fusion is the error in the spectral characteristics and spatial texture of the detail, which achieves an accurate representation of the edge detail. © 2022 National Remote Sensing Bulletin. All rights reserved. 相似文献
15.
鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。 相似文献
16.
分形网络演化算法（fractal net evolution approach，FNEA）是一种有效的多尺度影像分割算法，但对于具有斑点噪声、局部区域对比度低等特点的高分辨率合成孔径雷达（synthetic aperture radar，SAR）图像，直接应用FNEA算法得到的分割结果难以用于后续的面向对象影像分析。提出了基于边缘约束的FNEA（edge restricted FNEA，eFNEA）算法，通过加入边缘信息和构建异质性规则来为分割融入更多信息，提高分割效果。实验结果表明，对于微弱边缘和噪声污染严重等情形，eFNEA算法的分割结果均优于FNEA算法。 相似文献
17.
图像分辨率增强的偏微分方程方法 总被引：6，自引：0，他引：6
讨论一种新的图像分辨率增强的偏微分方程模型。新模型利用图像为分片连续的二维曲面的先验信息,采用非线性扩散方程对基于最近邻方法放大后的图像进行光滑以消除因放大引起的“块状”效应,同时在迭代过程中加入插值条件使处理后的图像能较好的保留边缘,由此构造出基于偏微分方程的图像分辨率增强模型和相应的迭代算法,使图像的分辨率增强到亚像元级。遥感图像的仿真计算结果表明,该方法具有比现有方法更高的峰值信噪比和更高的边缘保护指数。 相似文献
18.
针对遥感图像分割时仅利用光谱信息容易造成过分割和边缘定位不准的问题,提出一种结合光谱强度和纹理信息的遥感图像分水岭分割算法。首先分别提取图像的光谱梯度和纹理梯度,提出一种改进双边滤波模型,滤除图像中的噪声的周时,采用了一种局部的平滑尺度,能够有效消除纹理信息,借助于滤波算法,分别对原图像和Gabor纹理特征图像进行平滑处理,利用边缘检测算子得到光谱梯度和纹理梯度。最后利用形态学膨胀方法进行融合融合,使用分水岭变换对图像分割。用三幅高分辨率彩色遥感图像数据进行实验,并与JSEG（Joint Systems Engineering Group）和多分辨率分割方法进行比较,结果表明该方法具有较高的边界定位准确性,同时降低了过分割和欠分割现象。 相似文献
19.
面向影像匹配的SUSAN角点检测 总被引：1，自引：1，他引：0
在分析比较现有角点提取算法的基础上,将SUSAN算法用于提取高分辨率影像的角点及影像匹配。针对试验中原算法在不规则纹理区提取大量冗余角点及对强边缘敏感等问题,提出按照影像局部和整体对比度的关系自适应计算灰度差阈值,使用矩形模板从边界上确定USAN区域(核值相似区)可能的范围,再检测角点的改进思路。试验证明改进后算法提取的角点位置更为准确,有效剔除了原算法检测结果中的冗余角点,提高了影像匹配速度。 相似文献
20.
S. S. Aneesh Raj Madhu S. Nair G. R. K. S. Subrahmanyam 《Journal of the Indian Society of Remote Sensing》2017,45(6):979-991
In this paper two new schemes for resolution enhancement (RE) of satellite images are proposed based on Nonsubsampled Contourlet Transform (NSCT). First one is based on the interpolation on band pass images obtained by applying NSCT on the input low resolution image. Similar to Demirel and Anbarjafari (IEEE Trans Geosci Remote Sens 49(6):1997–2004, 2011), as an intermediate step, the difference between approximation band and the input low resolution image is added with all the band pass directional subbands, to obtain a sharper image. This method is simple and computationally efficient but lacks sharp recovery of the edges due to the interpolation of band pass images. To overcome this, another method is proposed to obtain the difference layer, where dictionary is built using patches which are extracted from high resolution training image subbands. Similar patches from the dictionary are then clustered together. This method gives a much sharper image than the first method. Subjective and objective analysis of proposed methods reveals the superiority of the methods over conventional and other state-of-the-art RE methods. 相似文献