共查询到20条相似文献，搜索用时 359 毫秒
1.
2.
基于凸集投影的高分四号卫星影像超分辨率重建 总被引：1，自引：0，他引：1
基于凸集投影(projection on convex sets,POCS)对GF-4数据进行超分辨率重建处理。利用能量连续降减法构造参考帧以减少迭代次数,提高算法效率;利用Vandewalle配准法对图像块进行运动估计从而获取精确的运动参数有利于图像的分块处理。通过对GF-4真实数据进行试验与分析,表明超分图像结果的清晰度与序列影像帧数呈正相关;信噪比与帧数呈负相关。应用5帧数据进行超分重建,清晰度(平均梯度)从7.803提高到14.386;信噪比会略有下降,从3.411下降到3.336。试验表明该方法可以有效提高图像清晰度,增加图像细节信息,提升图像判别能力,扩展数据的应用范围。 相似文献
3.
基于光谱滤波器的混合像元分析 总被引：1，自引：0，他引：1
提出一种利用光谱滤波器进行遥感图像混合像元全约束分解的新算法。该算法利用端元光谱中与背景光谱正交的光谱成分构建光谱滤波器,滤除混合像元中的背景干扰成分,直接获取信号光谱的丰度。采用该光谱滤波器多次迭代分解,修正单个混合像元的端元光谱空间,获取其确切的端元光谱配置,保证了分解时各端元丰度的非负性,实现混合像元的全约束分解。多光谱数据仿真实验证明,与全约束最小二乘法(FCLS)和正交投影(OSP)分解法相比,该方法虽然在时间方面略逊一点,但其分解结果与实际结果的相关系数高,均方根误差小,具有很高的分解精度,在遥感定量分析方面具有重要的应用潜力。最后给出了该算法在真实的高光谱图像中进行混合像元分析的结果。 相似文献
4.
AbstractUnmanned aerial vehicle (UAV)-based imaging systems have many superiorities compared with other platforms, such as high flexibility and low cost in collecting images, providing wide application prospects. However, the acquisition of the UAV-based image commonly results in very high resolution and very large-scale images, which poses great challenges for subsequent applications. Therefore, an efficient representation of large-scale UAV images is necessary for the extraction of the required information in a reasonable time. In this work, we proposed a multi-scale hierarchical representation, i.e. binary partition tree, for analyzing large-scale UAV images. More precisely, we first obtained an initial partition of images by an oversegmentation algorithm, i.e. the simple linear iterative clustering. Next, we merged the similar superpixels to build an object-based hierarchical structure by fully considering the spectral and spatial information of the superpixels and their topological relationships. Moreover, objects of interest and optimal segmentation were obtained using object-based analysis methods with the hierarchical structure. Experimental results on processing the post-seismic UAV images of the 2013 Ya’an earthquake and the mosaic of images in the South-west of Munich demonstrate the effectiveness and efficiency of our proposed method. 相似文献
5.
标准中值滤波及其一些改进算法对于被低密度脉冲噪声污染图像的处理可取得令人满意的效果,图像被严重污染时,这些算法得到的结果均不理想。针对这一缺陷,基于文献[1]提出的一种滤波算法进行改进。首先,利用极值法对图像进行检测,判断出噪声及非噪声点;其次,设置滤波模板的最小及最大尺寸,对噪声点进行窗口逐渐增大的滤波处理。计算机模拟实验结果及对SAR图像滤波结果表明:该滤波算法在噪声去除及边缘和图像细节保持上优于标准中值滤波及其一些改进算法。 相似文献
6.
根据干涉图信号和噪声时频分布差异的特点,提出一种改进的基于经验模态分解EEMD的InSAR干涉相位滤波方法。该方法首先利用可有效降低模态混叠的EEMD算法,对干涉图的实部及虚部分别进行2维经验模态分解,获得具有不同时间尺度的模态分量;然后根据信号和噪声分量的时间尺度分布特性的差异,采用适用于非线性信号分析的KECA算法对噪声识别、分离;最后利用去除噪声后的模态分量重构干涉图。为了证明本文方法的有效性,分别利用模拟数据及真实InSAR差分干涉相位进行滤波试验。对比本文EEMD-KECA滤波方法、Goldstein滤波、圆周期—中值滤波、EMD分解、EMD-PCA方法的滤波效果,采用相干斑指数、均方差指数、边缘保持指数进行定量评价。结果表明,与经典InSAR干涉图滤波方法相比,本文联合EEMD-KECA算法的滤波方法能有效滤除干涉图噪声,且在条纹边缘等细节信息的保持上也具有较大优势。 相似文献
7.
针对H.264的参考模型JM中P帧差错隐藏算法的不足,设计了改进的P帧差错隐藏方案.介绍了该方案中算法的理论基础及实现原理,并基于JM86平台对改进方案和原方案进行了对比测试,验证了改进方案具有一定的优越性. 相似文献
8.
针对含雾遥感影像在军事航空侦查、地物判读等方面使用率低、有效性差的问题,以及现有去雾算法中存在计算复杂耗时、色彩失真的弊端,结合遥感影像景深变化小、不含天空背景等特点,本文提出一种改进的暗原色先验去雾算法。首先,对影像中白色场景灰度值进行统计并设定阈值划分为失效区,分离水域与非水域减少蓝色波段在水域的占比,合成新的蓝色波段,以改进暗通道值的获取方法;其次,采用导向滤波替代软抠图法优化透射率提升处理时间;然后,对关键参数进行适应性改进试验并采用自动色阶恢复去雾后的影像色彩;最后,利用含雾的无人机影像和GF-2影像进行了试验,并进行了定量评价。试验结果表明,在同等试验条件下,本文方法处理单幅影像的时间比暗原色先验去雾算法的提升4倍以上,且去雾后影像的灰度均值、标准差、信息熵、平均梯度等指标比暗原色先验去雾算法得到的值均有提高,能有效提高有雾影像的清晰度,增强影像色彩和细节。 相似文献
9.
基于统计比值差值排序滤波器的SeaWiFS图像椒盐噪声检测与消除 总被引：3，自引：0，他引：3
由于多种原因 ,部分SeaWiFS卫星图像数据中存在比较严重的椒盐噪声。该文在分析SeaWiFS椒盐噪声特征的基础上提出一种基于窗口内均值与均方差比值序列差值的统计比值差值排序滤波器 (StatisticalRatioRankOrderedDifferencesFilter,SRROD) ,并讨论如何使用该滤波器技术有效地对椒盐噪声进行白点噪声、黑点噪声检测和消除。与常用的中值滤波和其他滤波器比较 ,该方法能在有效消除椒盐噪声的同时 ,保持图像数据中其他位置的点不受影响。通过灵活地调整不同的阈值可以获得不同的滤波效果。最后 ,讨论了如何从有效峰值信噪比 (EffectivePeakSignalNoiseRatio,EPSNR)分布图上提取最优阈值对的方法 相似文献
10.
小波超分辨率重建算法及其在SPOT影像中的应用 总被引：1，自引：0，他引：1
影像超分辨率重建就是从一系列质量较差、分辨率较低的图像来重建图像质量更好、空间分辨率更高的影像的算法.在将所有低分辨率影像纳入同一参考格网中考虑的情况下,低分辨率数据相当于一非规则采样的交错采样数据.本文在多分辨率分析的基础上对基于小波的影像超分辨率重建理论进行介绍,并将现有的小波超分辨率重建算法推广到更一般的运动模型,以充分利用交错采样数据的内在规律性和结构特征,同时针对SPOT影像的特点,分析SPOT影像的调制传送函数,对SPOT重建影像进行包括去噪与解卷积的复原后处理.最后给出基于小波的SPOT影像超分辨率重建结果,表明遥感影像的超分辨率重建在应用中取得进展. 相似文献
11.
基于NSCT和SURF的遥感图像匹配 总被引：2，自引：0，他引：2
SURF(Speed Up Robust Features)算法是对尺度不变特征变换SIFT(Scale Invariant Feature Transform)算法的一种改进,应用到遥感图像匹配领域中可以大大提高匹配速度,但是匹配精度略有下降。为此,本文提出一种基于无下采样Contourlet变换NSCT(Nonsubsampled Contourlet Transform)和SURF的遥感图像匹配算法。首先使用NSCT分别分解参考图像和待匹配图像,得到各自对应的低频分量;然后把这两幅低频分量图像作为SURF算法的输入图像进行预匹配,降低高频噪声对匹配结果的影响;最后利用预匹配结果求解变换模型的参数,并采用随机抽样一致RANSAC(Random Sample Consensus)算法剔除误匹配点对,解决了SURF算法存在的错误匹配问题。实验结果表明,与SIFT算法、SURF算法相比,本文算法具有更高的匹配精度和更快的匹配速度,且抗旋转、噪声、亮度变化能力更强。 相似文献
12.
由于人类识别图像特征涉及非线性的识别机制,本文提出了基于改进二维Log Butterworth滤波器的全方向边缘检测方法,该方法从频域角度出发,利用正反快速傅里叶变换来实现边缘检测工作。首先,将非线性Log函数引入Butterworth滤波器,获得二维Log Butterworth滤波器。当图像行列数不一致时,中心频率分布于椭圆之上,椭圆的长短轴之比与图像长宽比相等,进而给出以角度为变量滤波器表达式;其次,为方便滤波器参数的优化选取,本文对二维 Log Butterworth滤波器参数进行归一化等处理;再次,本文利用F-measure和PSNR (峰值信噪比)值来衡量不同参数下的边缘检测结果,确定最优的二维 Log Butterworth滤波器参数范围;然后,为了分析本文方法的边缘检测效率,对比了本文方法与空域算子（Canny算子）的乘法次数和加法次数,同时以不同大小的图像作为实验数据来比较两种方法的边缘检测耗时;最后,以BSDS（伯克利图像分割数据库）图像和高空间分辨率遥感图像为实验数据,对本文方法的边缘检测结果进行了评价分析。结果表明：本文方法可以有效地应用于图像边缘检测。 相似文献
13.
一种直方图匹配和线性空间滤波相结合的条带噪声去除方法 总被引：1，自引：0，他引：1
航天和航空遥感图像中,普遍存在着条带噪声(stripe noise),任何使用多个探测元进行获取图像的遥感器图像数据中均存在条带噪声。本文针对CBERS-02星图像中的两类条带噪声:探测元间条带噪声和横向随机条带噪声,提出了一种直方图匹配和线性空间滤波相结合的去条带噪声方法。其中直方图匹配用于去除探测元间的条带噪声,线性空间滤波用于消除横向随机条带噪声。实验结果表明,该方法能有效去除CBERS-02星影像中的条带噪声,并且能很好地保证图像质量。最后,从定性和定量两个方面进一步说明了该方法的有效性。 相似文献
14.
15.
全波形激光雷达的回波中携带了被测目标的距离与特征信息,为了获取这些信息,本文提出了一种回波分解方法。本方法将原始的全波形回波分解为几个独立的高斯脉冲,并得到其函数表达式,从而提取出被测目标的距离等信息。分解过程中,首先,采用可变阈值的经验模态分解滤波法(EMD-soft)对原始波形进行滤波和噪声水平评估;其次,采用一套应对多种波形组成的初始参数估计方法,获取后续拟合所需的初始参数;最后,采用LM(Levenberg-Marquardt)优化算法对回波进行拟合优化,从而获取全波形回波中包含的独立高斯脉冲及其函数表达式。仿真波形的分解实验表明,分解误差在0.1 ns量级,换算成距离误差为15 mm,通过实验室自制的全波形激光雷达实验系统获取的回波的分解实验表明,分解的距离误差小于0.1 m。对比另外两种高斯分解方法对于相同仿真与实验数据的分解结果可以看出,本方法在分解成功率与精度上都有较大的提高。回波分解后的独立高斯脉冲中,除距离外还含有被测目标的反射率、粗糙度、面型等丰富的信息,回波分解方法作为回波分析的基础,将在遥感、测绘等生产与科研领域中发挥非常重要的作用。 相似文献
16.
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
17.
Zeynab Ghanbari Mahmod R. Sahebi 《Journal of the Indian Society of Remote Sensing》2014,42(4):689-699
The intensity-hue-saturation method is used frequently in image fusion due to its efficiency and high spatial quality. The main shortage is its spectral distortion stemmed from replacement of intensity band with higher resolution image. In this study, a new method is introduced to improve the spectral quality of the Intensity-Hue-Saturation (IHS) algorithm. The goal of this study is to produce the fused image that has a better spectral and spatial quality with respect to the original images in term of visual comparison and the classification result. In this regard, an improved statistical approach is developed to combine an intensity band from IHS algorithm and an input high resolution image such as SAR or Panchromatic image. Then the intensity image is replaced by the combined image band. Final fused images are attained using the inverse IHS algorithm. The proposed fusion algorithm is tested on two data sets of: a) panchromatic and multi spectral bands of IKONOS image with the same acquisition date, and b) multi spectral and HH bands of IKONOS and TerraSAR-X images respectively with different acquisition dates. Moreover, the obtained results are compared with other fusion methods like IHS, Gungor, Brovey and synthetic variable ratio. The results show less spectral discrepancy of the proposed method comparing to other methods. Finally, the outcome of proposed method is classified and classification overall accuracy is improved by 5.6 and 2 percentage for data set ‘a’ and ‘b’ respectively. 相似文献
18.
一种基于去混叠影像配准方法的POCS超分辨率序列图像重建 总被引：4，自引：0，他引：4
简要介绍超分辨率重建的原理和数学模型,采用一种新的超分辨率重建算法,这种算法通过去除低分辨率影像由于欠采样而产生的频率混叠部分以及频率中心的部分低频,来实现图像的精确配准;在计算旋转角度时,通过在图像中心建立极坐标系,求取设定角度精度范围内关于幅度谱的函数,将2维的相关函数转换成1维相关,大大提高计算效率;最后该算法采用POCS方法进行序列图像的高分辨率重建。实验仿真结果表明该算法具有良好的配准精度和超分辨率重建效果,具有良好的应用价值。 相似文献
19.
针对卫星云图数据量大,但传输通道和存储空间相对狭小的问题,本文基于Tetrolet变换,利用相邻时次云图的时空相关性,实现了一种高重构质量的卫星云图压缩感知方法。该方法将善于表达图像方向纹理及边缘信息的Tetrolet变换引入压缩感知的稀疏表示环节,从而很好地体现了卫星云图细节丰富、纹理结构复杂的特性;同时,考虑到卫星云图序列间的相关性,将时间相邻的卫星云图组成图像组,以中间时刻云图作为参考图像,计算其与相邻时次云图的差异,通过在参考图片及序列差异图片间合理分配采样率,获取测量数据,在压缩感知框架下,采用带平滑处理的投影Landweber算法,重构出相邻时次的图像组。实验结果表明,Tetrolet变换适用于卫星云图的稀疏表示,而且图像组时空相关性的利用可显著提高重构云图的视觉效果及客观评价指标;在采样率低于0.2时,红外1、水汽和可见光3个通道重构云图的峰值信噪比(PSNR)较传统方法平均提高了7.48 dB,13.51 dB和6.15 dB。由此可见,本文方法可以通过获取少数随机测量值,重构出高质量的卫星云图,不仅为云图数据的低比特率压缩提供了一种可行的解决方案,而且对于其他序列图像的压缩采样具有借鉴意义。 相似文献
20.
空间与谱间相关性分析的NMF高光谱解混 总被引：2，自引：1，他引：1
非负矩阵分解(NMF)技术是高光谱像元解混领域的研究热点。为了充分利用高光谱图像中丰富的空间与光谱相关性特征,改善基于NMF的高光谱解混算法性能,提出一种结合了空间与谱间相关性分析的NMF解混算法。算法针对NMF的通用性和局部极小问题,引入并结合高光谱图像两种典型的相关性特征,具体包括:基于马尔可夫随机场(MRF)模型,建立描述相邻像元空间相关特征的约束;通过复杂度映射技术,建立描述相邻波段谱间相关(光谱分段平滑)特征的约束;并将上述两种约束同时引入NMF解混目标函数中。实验结果表明,对于一般自然地物场景或人造地物场景,相对于分段平滑和稀疏约束的非负矩阵分解(PSNMFSC)、交互投影子梯度的非负矩阵分解(APSNMF)和最小体积约束的非负矩阵分解(MVCNMF)这3种代表性NMF解混参考算法,该算法可进一步提高高光谱解混精度;对于空间相关或谱间相关特征中某一种不显著的特殊场景,也具有更好的适应能力。通过将空间相关和谱间相关特征相结合,较全面地反映了高光谱数据与解混相关的重要特征,能够对绝大多数真实高光谱数据进行高精度解混,对高光谱解混及后续应用领域相关研究均具有参考价值。 相似文献