排序方式： 共有4条查询结果，搜索用时 7 毫秒
1
1.
为了克服超分辨重建后的遥感图像空间分辨率的界定还采用人工对比判读存在误差和结论不统一的缺点,利用调制传递函数、奈奎斯特采样定理和人眼极限频率,建立了一种新的空间分辨率客观评价方法。利用该方法计算超分辨率重建后的遥感图像相比原始遥感图像空间分辨率的提高倍数,从而推断出重建后遥感图像的空间分辨率的大小。在数值测试中,利用不同的超分辨率方法对分级变频矩形光栅图像进行重建,采用提出的空间分辨率评价方法,与归一化均方误差、峰值信噪比、信息熵、灰度平均梯度进行客观评价的结果一致。此方法为遥感图像空间分辨率改进值的计算提供了一种可行的量化模型。 相似文献
2.
遥感图像应用发展对图像质量的要求越来越高,不同质量的遥感图像往往需要不同的处理方法和参数。通过遥感图像质量等级分类研究,不仅能够为遥感图像的处理提供先验信息,还能够对遥感图像的客观质量评价和传感器的成像效果进行评估。为了克服现有的遥感图像质量等级分类方法计算参数获取困难、等级数量少的缺点,利用深度学习方法的分类机能,通过改进特征提取网络和等级分类设计,建立了一种基于深度卷积神经网络的遥感图像质量等级分类模型。通过质量等级分类预处理后,利用经典的深度学习方法进行目标检测实验。结果表明,所提方法在西北工业大学遥感图像数据集上质量等级分类的准确率、召回率、精确率和F1最高能达到0.976、0.972、0.974和0.973, 优于传统算法。利用卷积神经网络实现遥感图像质量等级分类,既拓展了深度学习的应用领域,又为遥感图像质量评估提供了一个新方法。 相似文献
3.
遥感图像的点扩散函数估计是降低光学模糊、提高质量的必要前提。倾斜直线刃边法受到靶标极大的限制。现有的曲线刃边估计法虽然克服了倾斜刃边法只能适用于直线刃边的缺点,但是会因坐标拉伸导致估计值误差偏大。利用移动窗口的思想,提出了一种基于投影法的任意形状曲线刃边法,并在理论上说明了可行性。试验验证过程中先进行线性拟合刀刃边缘点,再对选定窗口内一定行数或列数的灰度值运用投影法采样,并对不同采样窗口的采样中心进行对齐处理,剔除不适合的样本点后插值和重采样,最终得到估计的点扩散函数。对于曲率在0.001～0.01的刃边,在较强模糊下,峰值信噪比依旧能保持在35 dB以上,测得点扩散函数峰值的误差可以控制在20%以内。相比传统刃边法和曲线拟合法,峰值信噪比平均能提高10 dB以上,且具有一定的抗噪性。 相似文献
4.
针对含有乘性噪声退化图像的复原问题,提出了一种自适应的、良态的偏微分方程复原模型。该模型是在对该类退化图像统计学规律分析的基础上,通过对正则项的自适应修正和保真项中模糊算子的改进构造的。测试实验数据表明,复原后的图像峰值信噪比与AA模型相比提高了5 d B左右,边缘保持指数比AA模型提高了1倍左右。该模型在对含有服从Gamma分布的乘性噪声和高斯模糊的退化图像复原时,能够在去除噪声的同时保持边缘,复原能力优于其他常见的模型。 相似文献
1