排序方式: 共有4条查询结果,搜索用时 0 毫秒
1
1.
2.
随着星载面阵CMOS探测器的广泛使用,使得获取超时相数据成为可能,这为新型对地遥感工作模式带来新的发展机遇。本文不再局限于采用单一技术解决单一技术指标的传统解决问题的方式,系统性地提出一种面向星载面阵CMOS相机的新型成像方式,利用面阵CMOS相机连续快速曝光在极短的时间内获取同一观测区域的超时相序列数据,通过图像重建的方式,实现一揽子的图像质量提升,即同时实现虚拟数字时间延迟积分TDI(Time Delay Integration)、调制传输函数MTF(Modulation Transfer Function)补偿和空间分辨率GSD(Ground Sampling Distance)提升。这种新型成像方式的优点是,可以改善星载光学相机是探测器受限系统的窘境,进而在不改变光学系统的情况下,通过求解一个病态方程,实现对地遥感图像空间分辨率与成像质量的综合提升。基于实验室的靶标仿真实验数据、基于低轨光学遥感卫星OVS-1A、吉林一号视频03卫星和高分四号卫星的真实数据实验结果表明,无论是信噪比,图像清晰度还是空间分辨率都有明显提升。这种新型成像方式已被中国后续某地球同步轨道光学成像卫星所采用,可以预见的是,这种成像方式不仅可以使得在轨卫星发布更高分辨率与更好图像质量的产品,盘活在轨卫星的探测资源;在实现同样空间分辨率与图像质量的前提下,可以有效降低光学相机载荷的体积与重量,进而可以有效降低未来光学卫星的研制成本。 相似文献
3.
4.
超分辨率重建是当前卫星遥感数据空间分辨率提升的重要技术,但目前现有的超分辨率重建方法在处理具有复杂地物特征的影像时效果往往不佳。当遥感影像中包含有各种非均匀地物信息时,难以构建一种通用的模型来解决遥感影像的病态问题。基于此,本文结合图像稀疏表达与非凸高阶全变分理论,提出了一种混合稀疏表示模型的新型超分辨率重建方法(MSR-SRR)。这种方法以遥感图像在多重变换域的稀疏性表达作为先验概率模型,通过正则化方法来完成超分辨率重构,不仅保留了超分重建结果影像的边缘信息,而且对影像中产生的“阶梯效应”进行了适当的平滑处理。该方法利用迭代重加权l 1 ![]()
![]()
交替方向乘子方法进行求解,提高了算法的运行效率,改善了影像质量。为了证明所提出方法的有效性,MSR-SRR结果与非均匀插值、POCS和IBP等传统超分方法的重建结果进行了对比验证。结果表明,MSR-SRR方法的图像清晰度平均提升了31.74%,PSFs半峰宽度最大,高斯方差值达到1.8415,效果明显优于其他方法。为进一步评估MSR-SRR结果的实用性,本文以高分四号卫星(GF-4)影像作为样例,利用支持向量机(SVM)分类方法对超分重建前后的影像进行了分类试验和精度验证。结果表明,超分辨率重建后的影像结果相对于原始影像的分类结果,Kappa系数提升了9.7%,OA值提升了5.96%。这表明MSR-SRR方法可以有效提升影像清晰度,丰富影像纹理细节,增强图像质量,有效提升影像分类精度。 相似文献
1