潘海澄[1]2007年在《基于小波阈值优化的遥感溢油SAR图像去噪研究》文中研究表明本论文采用小波变换的方法对海上遥感溢油图像进行处理,为具有较强理论研究意义和应用价值的遥感图像去噪技术提供了新的研究思路和方法。小波变换在时域和频域同时具有良好的局部化性质,不仅可将图像的结构和纹理分别表现在不同分辨率层次上,而且具有检测边沿(局域突变)的能力,因此,利用小波变换在去除噪声时,可提取并保存对视觉起主要作用的边沿信息。本课题将小波变换的理论引入到海上遥感溢油图象(SAR图象)中,比较几种传统的小波阈值去噪方法,提出自己的阈值优化去噪方法,对海上遥感溢油图象增强处理做了有益的探讨和研究,试图找到灵活、简便、实用的处理方法。本文研究了小波变换多分辩率和时频局部化特性,深入分析了小波域系数分布特点,提出两种基于小波阈值优化方法的消除海上遥感溢油SAR图像噪声的方法。与传统的处理方法相比,这些算法不仅有效的消除了噪声,而且具有保持图像边沿细节的优势。并对实际的遥感图像进行了处理和测试分析,验证这些算法的有效性。本文的主要工作概括为以下两个方面;1.重点针对阈值选取这个小波去噪的重要环节进行了研究,提出了基于阈值临界点差异化的阈值优化去噪处理方法;2.自适应小波阈值优化方法和中值滤波结合用于海上遥感溢油SAR图像去除噪声。有效去除脉冲噪声的同时,去除高斯噪声。
张伟[2]2013年在《基于小波变换的遥感图像去云方法研究》文中研究表明随着科技的进步，遥感技术已取得了长足的发展，广泛应用于世界范围内的诸多领域，为人类从宏观的角度认识本身所处的地球环境提供了可能。遥感图像作为遥感技术的直接产品，可为人们提供大量宝贵的资料。但由于大气环境对光谱传播的复杂影响以及遥感器自身的限制，可见光遥感成像过程容易受到云雾的影响，致使遥感图像变得模糊甚至丢失信息，给图像的后期分析、处理工作带来很大的不便。研究如何消除这一影响是当前遥感图像处理领域的一个热点，本文在总结分析了遥感技术与图像处理技术的基础上研究了基于小波变换的去云方法，研究的内容和取得的成果主要有：1．全面研究了小波变换理论，将小波分析与Fourier分析作了分析对比，研究了两者的区别与联系。对小波变换的发展历程做出了总结，对小波变换中的几个基本变换进行了描述，并重点研究了多分辨率分析与Mallat算法。研究了当前小波分析的应用情况，提出它在图像处理领域的强大优势。在总结大气云雾成像原理的基础上，对薄云成像模型与厚云成像模型进行了研究，建立了含有薄、厚云信息的遥感图像的退化模型。这是本文研究的理论基础。2．研究了薄云去除的常用经典方法，如多光谱图像法、直方图匹配法、同态滤波法等，分析总结了这些方法的去云效果、优点及不足。总结研究了小波变换去除薄云的原理及方法，提出了一种基于小波变换的薄云去除改进算法，该算法能改善一般小波去云算法中薄云信息区分不精确的缺点，经实验证明，该算法不但能有效去除薄云信息，而且尽可能多地保留了地物信息的细节，有利于图像处理后的进一步分析、识别。3．深入研究了小波融合原理、方法及遥感图像中云区检测方法，基于厚云信息处于遥感图像低频部分的原理，提出小波融合去除厚云的方案，实验结果表明，融合后的图像不但能有效去除厚云影响，而且融合后图像信息丰富，达到了预期效果。
王胜利[3]2007年在《基于小波变换的遥感图像融合算法研究》文中研究指明随着传感器技术的发展,将会有更多不同时间、空间分辨率的遥感影像数据应用于工程中,多源遥感影像数据融合便成为当前遥感应用研究领域中一个很重要的研究方向。小波理论是一种新的数学理论,特别是在Mallat提出小波分解和重构的快速算法后,它很快的被广泛应用于信号分析、图像处理等领域。基于小波理论的与基于小波和传统方法结合的遥感图像融合更是这几年研究的热点。本文主要是利用小波理论进行高空间分辨率的全色影像遥感图像(SPOT)与低空间分辨率的多光谱遥感图像(TM)的融合。本文首先总结了应用于遥感图像融合的评价方法,其中包括主观评价法和客观评价法。接着又总结了传统的遥感图像融合算法,其中包括Brovey变换、加权、HPF、IHS、PCA和金字塔融合的方法,并对各种方法的融合效果进行了评价。然后总结了小波变换、小波包变换、多进制小波变换以及它们与传统的Brovey、IHS、PCA变换结合应用于遥感图像融合的算法。在研究这些方法的基础上,本文提出了基于最优树变换的遥感图像融合算法。此方法首先对全色图像和多光谱图像进行小波包分解,接着对各分量进行基于熵的最优树分解,即如果小波包分解后的子节点上的熵的和小于父节点的熵,则将其重构。然后将多光谱图像的各分量分别与全色图像进行融合,最后将其进行你变换即可得到融合图像。此算法不仅可以得到主观视觉上比较好的效果,而且在融合的过程中同样考虑到客观评价的标准,可以说此方法也是一种比较理想的融合算法,但是,由于基于小波的融合算法还是比较初级的,并且从小波变换到小波包变换再到最优树变换,其计算量也将迅速的增大。为了得到更加理想的,并且计算量小的融合算法,还需要解决很多问题,比如说构造适合于图像的小波基,以及将神经网络等一些其他思想融入到图像融合中来,这是需要进一步研究和探索的。
毛成林[4]2013年在《复小波变换在遥感图像处理方面的应用研究》文中提出可见光遥感图像和SAR遥感图像处理在环境监控、洪水防治、舰船目标监测等领域正发挥着越来越重要的作用。边缘检测是图像处理领域和计算机视觉领域中最基本的问题。边缘检测可以刻画出目标或区域图像的轮廓,同时边缘信息包含了目标或区域图像的重要特征,因此遥感图像边缘检测是目标提取和图像分割的基础性工作,获得了广泛深入的研究。SAR图像中通常存在严重的相干斑噪声,可见光图像中则存在强烈的高斯白噪声,这些噪声极大影响了遥感图像的自动解译工作,因此图像去噪成为遥感图像分析中必不可少的步骤之一。遥感图像水陆分割作为遥感图像处理的实际应用之一,是洪灾监控、海面漏油污染、水面舰船识别等实际应用领域的重要研究内容。因此针对这些研究方向,如何设计高性能和高效的自动处理算法,获得了大量研究人员不同程度的关注。由于遥感图像和自然场景图像具有不同的特性,导致不能简单移植应用自然场景图像上很多现有的成熟算法。同时由于仪器或环境等因素的影响,遥感图像上会出现很多不利于图像处理的现象,从而增添了遥感图像处理的难度。当前针对可见光遥感图像处理算法研究较为深入,而针对SAR图像特别是复杂环境条件下的SAR图像算法研究则不够充分。本文具体研究了SAR图像的边缘检测,可见光/SAR图像去噪和SAR/可见光图像水陆分割等算法。主要研究工作如下：1.针对SAR图像表现的多尺度特性以及自然界中地物边缘的多方向特性,将直方图方向梯度方法与双树复小波变换方法相结合,提出了一种新的SAR图像边缘检测算法。算法在各个小波子带上计算直方图方向梯度矩阵,并利用小波子带的方向性来确定直方图方向梯度方法的参数；算法基于复小波变换的多尺度和多方向性质对全部直方图方向梯度矩阵进行全局联合,提取多方向的边缘。算法使用非极大化抑制技术来提取显着边缘,并使用小波子带的方向性来确定非极大值抑制的梯度方向参数。在具有不同地物特性的真实SAR图像进行的实验表明所提出的算法能够有效地提取出SAR图像上的显着边缘,并对SAR图像中存在的相干斑噪声、图像灰度不均匀性和边缘模糊等现象具有一定的鲁棒性。2.小波阈值收缩和非线性扩散方程是图像去噪领域两种受到广泛使用的技术,近年来两者被有效地结合起来。本文中首先证明了2-D各向异性扩散和离散小波阈值收缩的滤波器形式之间的等价关系和满足条件,并基于这一理论基础将双树复小波和各向异性复扩散方程相结合,提出一种新的可见光/SAR遥感图像去噪算法。算法将双树复小波子带系数写成复数形式,然后应用各向异性复扩散函数进行扩散,并研究了不同复扩散函数对算法性能所造成的影响。3.在上述双树复小波复扩散去噪算法的基础上,使用双密度双树复小波取代双树复小波来改进算法,进一步发挥变换特定消失矩和紧支撑性的优势。并基于复小波变换系数尺度间的相关性,借鉴双变量收缩函数思想,同时使用当前系数和其父系数计算系数的扩散量,提出了一种改进的遥感图像去噪算法。算法针对可见光和SAR遥感图像采用不同的噪声阂值估计方式,并针对相干斑噪声提出了一种新的噪声阈值估计方法。模拟实验和真实遥感图像上的去噪实验结果证明了所提出的算法的有效性。4.灰度值差异是遥感图像水陆区域差异的最主要因素,然而SAR遥感图像上可能存在不同程度的灰度不均匀性和噪声现象,这严重影响了基于灰度值差异的分割算法的性能。针对这一问题,结合主动轮廓模型思想,提出了一种面向水陆分割的基于复小波域边缘约束的主动轮廓模型。该模型考虑水陆区域的另一个重要差异：在陆地区域能够检测出较多较强烈的边缘,而水面区域则只能检测出较少的边缘信息,通过调整之前的复小波域边缘检测算法来提取边缘信息,同时使用边缘信息和图像本身的灰度信息约束轮廓线的演化,从而实现水陆区域的分割。基于这一模型提出一种新的SAR图像水陆分割算法,该算法克服了传统Chan-Vese模型对初始轮廓敏感的缺点,提高了水陆分割的正确率。此算法被同时应用于可见光遥感图像上,同样表现出较好的性能。5.在实际生产生活中,经常会对同一地区进行长期观测,从而会获得时间序列上的多幅遥感图像,从信息论的角度这反映了更多的自信息和冗余信息,如果综合利用这些图像将可能提高水陆分割的精确度。针对这一问题所提出的基于复小波域边缘约束的主动轮廓模型被扩展到矢量图像上,并将时间序列上的多幅遥感图像总体视为矢量图像,基于这一模型提出了针对时间序列遥感图像的水陆分割算法。
刘金亨[5]2010年在《基于小波变换的遥感图像处理研究》文中认为小波变换是遥感图像处理技术中的一项重要技术,如何利用小波变换技术遥感图像进行处理是在图像处理技术中有着广泛的应用前景。本文以图像处理技术存在一定的瓶颈、遥感图像的广泛应用、信息融合技术为研究背景,较深入的对遥感图像特点进行分析、基于纹理一致性测度对遥感图像进行融合进行了研究,主要研究的内容包括:1、对遥感图像进行了系统的研究。全面总结了遥感图像的特点,遥感目标的特征。由于遥感图像最为显着的特点是数据量大和图像信息丰富,而遥感技术是目前为止能够提供动态观测数据的唯一手段,因此,遥感图像处理方法的研究对于民用和军事领域都是至关重要的。2、详细地介绍了小波变换的相关概念、遥感图像成像、处理遥感图像的意义、图像处理应用的现状、小波变换在遥感图像处理中的应用,以及目前国内外遥感图像处理技术的发展现状。针对原始图像影像本身在成像过程中由于种种的原因引起的图像质量的问题,本文讨论了遥感图像在处理前需要进行的前期处理步骤(包括几何校正、去噪等)处理步骤。并基于小波变换对遥感图像进行边缘检测、图像融合,并对各种融合图像的效果进行分析,得出结论。3、对像素级图像中的平滑滤波、高通滤波融合法、小波变换等方法进行了详细的讨论。叙述了小波基函数、连续小波变换、离散小波变换、二进小波变换、二维小波变换、多分辨分析小波变换理论。讲述了小波分解的选取对遥感图像处理结果的影响,为小波基函数和小波分解的选择提供了依据,并通过实验和对其特点和性能进行分析后做了详细的对比,结果表明:基于小波变换方法对遥感图像的处理在图像的纹理和结构信息上可以得到很好地保持,还可以使遥感图像的光谱特征信息也保持非常完整。
赵莹[6]2013年在《遥感图像增强及其边缘检测的研究》文中研究说明日常生活中涉及到的遥感图像方面的应用日益增多,特别是对遥感信息的分析处理技术的发展相当迅速。不同于工业和医学数字图像,遥感图像的类型更为多样,内容更为复杂。因此需要做好一些分析前的准备,比如通过算法实现遥感图像的增强,提高图像的对比度,突出图像的细节,而边缘信息也是非常重要的信息。本文根据遥感图像的特性,结合小波变换、非线性滤波、直方图均衡、大津阈值、人工鱼群算法以及遗传算法等来进行遥感图像的增强和边缘检测处理。主要研究内容如下几点：1.研究了基于正交小波变换和非线性滤波的遥感图像增强算法通过引入双正交小波变换算法,把一幅图像的信息分解为低频系数、水平高频系数、垂直高频系数和对角高频系数,让我们更清楚地看出图像信息的分布,有利于图像增强处理的实现。然后采用非线性滤波算法对分解后的低频、高频系数进行变换,去除了图像中的大部分噪声点,在图像增强过程中,不仅保留了原图像的有用信息,同时又抑制了图像中噪声点的扩散,使得增强处理的结果相对比较理想。2.研究了基于直方图规定化和大津阈值的遥感图像增强算法引入直方图规定化算法,但却没有采用直方图均衡,是因为直方图均衡是针对整幅图像来处理,在增强原图像的同时,噪声点也被放大了。而使用直方图规定化可以有效控制直方图的分布,使得噪声点大都剔除在外,尽量保留更多的目标信息。大津阈值的引进使得遥感图像增强的效果更为显着,那是因为大津法具有自适应性,而且寻优能力强。3.研究了基于人工鱼群和种子生长的遥感图像边缘检测算法人工鱼群算法是智能仿生算法中典型的一种。该算法的实现是通过寻找影响或者控制生物行为的规则,再用算法的思想进行总结归纳出的。人工鱼群算法的特点是算法实现相对简单,具有并行性,寻找解时快速,并且算法具有全局性。在种子生长算法的实现过程中,利用人工鱼群寻找最优解的能力,能够找到更理想的边缘信息,并且该方法获得了较理想的边缘检测结果。4.研究了基于数学形态学和遗传算法的边缘检测算法遗传算法也是一种智能仿生算法,它是根据生物的进化规律提出来的,主要涉及到生物的遗传、变异等特征。由于遗传算法中还包含一个交叉算子,因此遗传算法实现时具有同时性,且具有较好的寻优能力。于此同时采用数学形态学中的典型方法腐蚀和膨胀算法来帮助优化遗传算法获得的边缘检测结果,取得了很好的成效。
刘帅奇[7]2013年在《基于多尺度几何变换的遥感图像处理算法研究》文中进行了进一步梳理遥感图像在国防和民用方面起着不可替代的作用,由于其成像机制与可见光图像的差异很大,因此研究针对该类图像的特点的处理算法尤为重要。多尺度几何分析从提出到现在已经有十几年的历史了,虽然这些方法本身具有良好的时频性能,且能很好地解决所对应方向的一些多维信号处理的问题。但是由此理论生成的多尺度几何变换还有不少的缺点而有待完善,例如,一些多尺度几何变换不具有移不变性和解析性,方向选择性较差等,而且针对遥感图像的特点不同种类的多尺度几何变换具有不同的处理效果,本文的研究主要基于目前常用的多尺度几何变换——轮廓波(Contourlet)、双树复小波(dual-tree complex wavelet, DTCWT)、剪切波(Shearlet)和超分析小波(hyperanalysis wavelet, HWT)。本文的应用领域主要是遥感图像的处理,包括SAR图像的去噪、机场异物检测、边缘检测、图像分离、遥感图像的融合。本文以多尺度几何变换为主线,针对其在遥感图像处理应用中的关键技术进行了深入系统的研究。本文在前人的基础上从以下两个方面进行深入的研究。一方面,改进现有的多尺度几何变换的性质和创造新的具有更好性质的多尺度几何变换。另一方面,根据不同的应用场景构造不同的基于多尺度几何变换的算法将变换应用到遥感图像处理领域中。本文的主要贡献如下：1.基于多尺度几何变换的SAR图像去噪算法研究针对现有多尺度几何变换缺乏方向选择性和移不变性的缺点,本文从这两方面进行了改进,针对Contourlet变换的改进包括Wavelet-Contourlet变换、复轮廓波变换、局部混合滤波,而针对Shearlet变换的改进为复Shearlet变换,最后构造了一种适合机场雷达图像去噪的移不变二维混合变换。改进的变换具有移不变性和良好的方向选择性以及稀疏性,丰富了多尺度几何变换的内容,也更有利于雷达图像的去噪。针对SAR图像成像特点,本文基于上述的多尺度几何变换提出了几种去噪算法：一是基于改进后的Contourlet变换的SAR图像去噪算法——基于Wavelet-Contourlet变换的Cycle Spinning去噪算法、基于复Contourlet变换高斯混合去噪算法、基于局部混合滤波的去噪算法；二是基于改进后Shearlet变换的SAR图像去噪算法——基于Shearlet双变量去噪算法、基于复Shearlet变换高斯混合去噪算法、基于稀疏表示的去噪算法、基于贝叶斯收缩的去噪算法；最后则是基于移不变二维混合变换的机场雷达图像去噪。仿真结果表明了所提出的去噪算法的有效性和可靠性。针对上述的算法,本文总结了基于多尺度几何变换去噪的常用框架,并且将上述算法进行一一对比,分析他们在雷达图像去噪中的优缺点,以利于未来进一步的研究。2.基于多尺度几何变换的SAP图像边缘检测算法研究针对现有的多尺度几何变换在SAR图像边缘检测中没有充分地利用多尺度变换方向信息和多尺度边缘信息融合规则比较简单的缺点,本文总结了多尺度几何变换在SAR图像边缘检测中应用的典型步骤,提出了叁种基于多尺度几何变换的SAP图像边缘检测算法。第一种边缘检测算法是基于上述的局部混合滤波去噪算法构造的,本文对基于多尺度几何变换的SAR图像边缘检测算法的几个步骤进行了改进,首先改进了平滑过程,然后使用多比例模型Canny算子进行单个尺度的边缘信息检测,最后采用证据理论进行各尺度的边缘信息融合。第二种边缘检测算法是基于稀疏去噪和最小二乘支持向量机进行边缘检测,首先使用稀疏表示进行去噪,然后采用最小二乘支持向量机进行边缘检测。第叁种边缘检测算法是基于稀疏表示去噪算法利用多尺度几何变换的方向性构造的,稀疏表示去噪是一种迭代去噪模型,本文利用形态学算子检测每次迭代的方向边缘信息,然后采用证据理论将其融合为完整的边缘。最后本文将上述算法进行一一对比,分析它们在SAP图像边缘检测中的优缺点,以利于未来进一步的研究。3.基于多尺度几何分离字典的图像几何分离算法研究在研究星星轨迹时需要将天文图像中的点和曲线进行分离,而现有的算法计算复杂度太大和计算时间太长,因此本文提出了叁种新的图像几何分离字典进行图像分离,其中一种是基于复Shearlet和双正交小波字典,另外一种是基于圆对称Shearlet和双正交小波字典,还有一种是基于超分析Shearlet和双正交小波字典,对于最后一种字典本文还采用了新的迭代算法进行图像几何分离。为了客观地评价各种算法的图像几何分离效果,本文提出了一种分离效果评价标准一分离度。实验结果证明了该算法的有效性,最后本文分析了上述算法的优缺点,以利于进一步的研究。4.基于多尺度几何变换的遥感图像融合算法研究针对当前变换域图像融合由于引入人造纹理而导致融合效果比较差的缺点,本文提出了一种基于剪切波变换和向导滤波的图像融合算法,该算法充分的利用了图像的空间连续性,从而抑制了人造纹理的产生,实验结果表明该算法不仅可以有效地提高图像融合的视觉效果,而且还具有很好的鲁棒性,可以应用到包括多聚集图像和不同类型遥感图像的图像融合中。
尚红英[8]2008年在《遥感图像数据融合的小波变换方法研究》文中研究说明随着现代遥感技术的发展,各种对地观测卫星源源不断地提供不同空间分辨率、时间分辨率、波谱分辨率的遥感图像。为了对观测目标有一个更加全面、清晰、准确的理解与认识,人们迫切希望寻找一种综合利用各类影像数据的技术方法,因此图像融合技术应运而生。遥感图像数据融合(也称信息融合)是近年来遥感领域和图像工作领域的研究热点。本文应用图像处理和现代信号处理技术中的多种手段,研究了不同层次上遥感图像的融合方法,通过对不同遥感传感器所获取的数据进行融合,从而提高图像的分辨率、图像分析结果的准确性和置信度,并最终提高对特定航空目标进行自动检测、识别的有效性。本文对来自不同途径的像素级遥感图像的融合方法及其应用进行了研究,主要内容如下:(1)介绍论文研究背景,以及目前国内外遥感图像融合技术的发展现状。对遥感图像数据融合特点、应用及存在问题进行较系统总结。(2)对遥感影像融合的原理、技术流程、主要算法进行详细归纳分析。针对原始图像影响融合图像质量的问题,提出图像融合前进行预处理的必要性,包括几何校正、去噪、配准等步骤,处理误差的大小直接影响融合结果的有效性。(3)总结现有融合结果评价方法,在此基础上归纳出四类十四项融合结果评价指标。从而为评价融合算法的性能,提供从定性到定量两方面较全面评价标准。(4)针对IHS变换和PCA变换融合方法的优、缺点提出四种基于小波变换融合改进方法,并进行定性和定量分析,其改进方法不仅增强多光谱图像的空间分辨率,而且能减少光谱信息的丢失,得到既具有高分辨率又具有较好光谱信息的融合结果。本文较全面、深入、系统地对不同遥感图像的配准、融合的原理、方法、其性能评价及基于融合的目标检测技术进行研究。提出的一些新方法具有良好的性能,对以后的研究工作、图像融合技术的工程应用都有重要的意义。
朱朝杰[9]2007年在《基于特征分析的遥感影像变化检测方法研究》文中指出图像变化检测技术旨在检测同一地区不同时相的变化情况。这一技术在民用与军事等方面都有着非常广泛的应用,其多年的理论研究和具体实践也己产生了大量的算法。当前基于遥感影像的变化检测算法很多是以像元为基础进行研究,而从纹理和形状等模式来综合研究相对较少。本文从目标图像特征分析着手进行遥感影像的变化检测技术研究与探讨,工作之一是利用小波理论进行图像纹理特征分析,然后进行变化检测;工作之二是利用目标的不变特征进行形状分析与提取,进而应用于变化分析。本文的主要工作和创新点如下:1)阐述了变化检测研究背景和现状,指明了当前存在的主要问题,明确了本文的研究范围和基本思路。2)概述出变化检测的一般流程,对用于变化检测的数据源以及图像预处理,如几何校正、辐射校正等关键技术进行了分析,并根据应用对象,即面状、线状及独立目标,对目前算法作了简要归类,详细阐述了各类算法中较经典的一些算法。3)研究并实现了基于纹理特征的小波变化检测方法。该方法引入了小波理论,对其低频和高频系数采取不同的纹理特征提取方法,与传统方法相比具有更好的检测效果,比直接提取纹理特征又具有更快的速度,提高了检测效果与效率。4)以传统迭代算法所获得的阈值为基础,增加一适当的常量,使其更适合于分割目标在影像中占有比例较小而且灰度较亮的情况,通过与其他方法比较得出其具有算法简单、分割效果更好的结论。5)针对目标形状特征设计并实现了基于多不变特征的目标提取及变化检测方法。该方法主要针对独立目标(如人造小面元目标),实验表明其检测精度高且可实现各自影像变化目标的定位分析。
梁松[10]2009年在《城市规划动态监管卫星遥感关键技术研究》文中认为近几年来,Quickbird、Geoeye-I等亚米级高空间分辨率多光谱遥感卫星的陆续升空及其商业运营,为城市规划遥感监测提供了有效而适用的数据源和应用研究机会。本文以Quickbird、IKONOS卫星遥感数据为主要数据源,针对我国迅速城市化过程中城市规划与建设的监管任务,开展城市规划与建设的变化检测、遥感信息模型和Web GIS监管服务的研究。通过对城市规划遥感监测业务分析,确定了研究的遥感数据源和处理流程。针对高分辨率多光谱遥感影像的特点,介绍了常用的一些图像处理技术,提出了改进的小波融合算法。根据城市规划遥感监测的特点,提出了采用面向对象的变化检测、信息提取和分类方法。采用面向对象的的遥感信息模型建立方法,研究了监测目标的光谱和空间特征,并建立了相应的遥感应用模型。在监测系统设计方面,提出了基于Web服务的GIS监测分析方法。
参考文献：
[1]. 基于小波阈值优化的遥感溢油SAR图像去噪研究[D]. 潘海澄. 大连海事大学. 2007
[2]. 基于小波变换的遥感图像去云方法研究[D]. 张伟. 电子科技大学. 2013
[3]. 基于小波变换的遥感图像融合算法研究[D]. 王胜利. 安徽理工大学. 2007
[4]. 复小波变换在遥感图像处理方面的应用研究[D]. 毛成林. 中国科学技术大学. 2013
[5]. 基于小波变换的遥感图像处理研究[D]. 刘金亨. 重庆大学. 2010
[6]. 遥感图像增强及其边缘检测的研究[D]. 赵莹. 安徽理工大学. 2013
[7]. 基于多尺度几何变换的遥感图像处理算法研究[D]. 刘帅奇. 北京交通大学. 2013
[8]. 遥感图像数据融合的小波变换方法研究[D]. 尚红英. 中国地质大学（北京）. 2008
[9]. 基于特征分析的遥感影像变化检测方法研究[D]. 朱朝杰. 解放军信息工程大学. 2007
[10]. 城市规划动态监管卫星遥感关键技术研究[D]. 梁松. 中国矿业大学（北京）. 2009
标签：工业通用技术及设备论文; 自动化技术论文; 图像处理论文; 小波变换论文; 遥感论文; 边缘检测论文; 遥感图像处理论文; 图像融合论文; 图像分割论文; 阈值分割论文; 边缘提取论文; 图像噪声论文;