陈涛[1]2004年在《卫星遥感图像去薄云薄雾计算机算法研究》文中认为卫星遥感技术已经获得了广泛的应用，但是由于大气云雾的干扰，得到的遥感图像的细节信息往往模糊不清，影响了目标的辨识，从而降低了遥感图像的应用价值，因此研究和分析遥感图像的模糊原理并探索有效的处理方法，成为具有重大意义的研究课题。本文通过实验室模拟云雾干扰推演遥感图像的模糊机理，基于此提出多种图像处理算法，探讨出适合卫星遥感图像去薄云薄雾的处理方法。本文的主要内容如下： 1．介绍了遥感领域的发展态势、课题的研究背景以及目前国内外相关领域的研究现状，提出了主要的技术路线。 2．介绍了卫星遥感成像系统的构成和遥感图像的整个获取过程，分析了大气效应对遥感图像的影响机理和遥感图像自身的一些特性，对遥感图像进行了系统的分类。 3．通过实验研究对遥感图像的模糊机理进行了详细的分析，利用最大熵图像恢复算法反演了遥感图像模糊过程，得出结论：大气云雾介入光学传输信道，干扰光波传输，导致遥感成像的点扩展函数畸变，从而最终产生遥感图像的模糊。 4．提出了采用光电混合图像处理系统的技术路线，这一技术是基于经典光学4f系统的光学滤波方法，采用计算全息法来制作滤波器，进行光学滤波实验。 5．根据大气干扰使得遥感图像细节信息不清楚这一特点，将图像处理的算法集中在对于细节的增强方面，提出了拉普拉斯算法、高频加强滤波、边缘增强和同态滤波等几种空间域和频率域的处理算法。 6．根据颜色恒常性的计算理论Retinex理论，提出了针对RGB彩色图像的几种处理技术：Frankle算法、SSR算法和MSR算法，并对另一颜色模型HSI的应用做了简单的介绍，将灰度处理的同态滤波算法应用与彩色图像。
邓慧[2]2014年在《对于卫星遥感图像去薄云薄雾计算机算法分析》文中研究表明遥感图像中存在的薄云薄雾在很大程度上影响着遥感图像清晰度,因此,本文针对含薄云薄雾的遥感图像分别提出了基于高维空间几何信息学的去薄云及基于Retidx算法和色度比的图像增强去雾算法。
谢仁龙[3]2004年在《卫星遥感图像去薄云薄雾处理技术》文中认为卫星遥感成像已获得了广泛应用，但由于空间云雾干扰的影响，所获得的遥感图像的细节信息往往模糊不清，从而影响目标判读而降低了其应有价值。因此研究和分析卫星遥感图像受云雾模糊的特征并探索有效解决方法，就成了一个具有重大意义的课题。本文通过实验室模拟云雾干扰的方法来获取特征模糊图像，通过算法研究，探讨出适合薄云薄雾干扰的卫星遥感图像的处理及分析方法。本文的主要内容包括： 1．介绍了卫星遥感成像系统、遥感成像过程、大气结构模型和遥感图像基本特征。并对目前国内外遥感图像处理技术发展情况作了简要综述。 2．建立了初步光学实验平台，通过模拟云雾干扰实验，研究不同模糊特征图像的恢复处理方法。根据实际卫星遥感成像的大气云雾影响特性，和傅立叶光学空间滤波原理，从云雾频谱分析的角度讨论模糊图像的滤波恢复处理方法。采用计算机制全息图方法设计滤波器，进行光学滤波实验。 3．文章系统地介绍了导致图像恶化的原因和复原的基本原理，探讨了针对模糊特性的各种复原方法，给出了黑白灰度图像的计算机模拟结果。并基于最大熵迭代算法反演遥感成像过程，探索云雾导致遥感图像模糊的机理。 4．分析了不同模糊特性卫星图像的恢复和增强算法，包括非线性高斯多尺度灰度拉伸算法，改进型复合滤波算法等，分别进行了模拟实验。改进了原来病态特性严重的逆滤波复原方法，创建性地利用复合滤波函数对复合模糊图像进行了处理。 5．研究了受到烟雾恶化的近景彩色图像的处理原理和方法，探索真彩色图像基于人眼视觉特征的消模糊和对比度增强方法。 6．最后，对比分析了本论文的两条技术方案，给出了基于数字影像处理技术的卫星遥感图像处理系统，并采用DSP技术实时处理遥感图像。
孙立明[4]2006年在《卫星及航拍图像的云雾噪声去除研究》文中认为云雾是影响卫星图像和航拍图像清晰度的主要因素。本文以卫星图像和航拍图像为研究对象，进行了卫星图像和航拍图像的去除薄云薄雾的研究。 云雾主要是通过粒子的散射、吸收及放射对图像产生影响，在可见光波段，吸收和放射对图像的影响相对于散射的影响可以忽略不计。散射通过叁个方面对可见光成像产生影响：云雾对非成像光线的散射导致云雾自身成像；云雾对成像光线散射导致成像光线指数规律的衰减；成像光线被云雾散射后继续成像。上述叁个方面造成图像的对比度和分辨率的下降及亮度的变化。 在航拍图像的获取过程中，由于粒子散射对图像的影响，图像质量出现明显的下降，主要表现为：亮度、对比度和分辨率的下降，图像变得模糊。本文首先采用图像增强方法消除薄雾对图像的影响。此外，由于薄雾退化的图像最主要的特征是退化造成的影响和景物与相机的之间的距离相关。针对这种相关性，并结合薄雾退化图像的特点，采用了一种多尺度的处理方法，对处理后的图像采用自适应中值滤波器滤除噪声。本文从直观和客观两方面对各种处理方法的效果进行了分析和评价。实验结果表明，各种方法都有一定的去雾效果，采用多尺度增强算法，对恢复图像的分辨率、亮度和对比度、去除薄雾、增强目标影像效果更好。 卫星图像中的薄云薄雾的频谱相对集中于低频区，而目标影像相对集中于高频区，因此，可以从图像的频谱方面寻求去薄云薄雾的有效方法；又因为小波分析具有多分辨率和局部分析的特性，针对薄云薄雾影响的卫星图像和小波分析的上述特点，采用了反锐化掩蔽算法去除云雾。由于反锐化掩蔽算法在一定程度上相当于去掉了一些尺度分量，针对这种现象，将原算法中未使用的小波系数加到图像中以增强图像细节，使处理效果有所改进。实验表明，反锐化掩蔽算法及改进后的算法具有较强的去除云雾噪声的能力，同时还较好地保持了原图像的效果。
沈琳[5]2011年在《基于去云遥感图像的草场盐碱化信息提取研究》文中进行了进一步梳理草场盐碱化是由于不合理的人类活动和脆弱的生态环境相互影响而引起的草场退化问题,它对经济、环境和生态系统带来的破坏性效果已经越来越受到人们的关注。利用遥感这种具有宏观、综合、动态和快速等特点的技术手段监控草场的盐碱化状况,对进一步治理盐碱地,实现畜牧业的可持续发展意义重大。遥感图像在成像过程中极易受到云的干扰,特别的,被厚云层遮挡区域的遥感信息完全丢失,降低了遥感数据使用效率,影响了后期专题信息提取的准确性。因此,遥感图像有效去云一直是遥感图像预处理中的重要研究方向。遥感去厚云的目的是有效还原被遮挡区域的遥感信息,并保证其它区域的遥感数据不失真,关键是云区的识别定位。本文在仔细研究了国内外遥感去云的进展和常用方法后,采用了一种新的基于Mean Shift分割和小波能量的TM遥感图像自动定位厚云区方法。为提高识别厚云区的能力,首先分析了TM遥感图像各波段的光谱特征,选取对云信息敏感的波段TM5做云区的识别。然后,对有云遥感图像做Mean Shift连通域分割,对分割后的图像进行小波变换,计算各个云区连通域中云像素的小波能量,最后通过训练得到经过Mean Shift分割后的云区像素小波能量经验阈值。对新的有云遥感图像,先做Mean Shift分割,再进行小波变换,最后利用小波经验阈值实现全自动定位云区像素。云区定位,用图像替换法实现多时相的TM遥感图像去云。实验证明,该方法能够有效的去除遥感图像中的厚云。本文在对遥感盐碱化信息的提取研究中,选取彩色合成法突出盐碱化信息。在对常用的遥感图像盐碱化信息提取方法研究的基础上,从光谱角度深入分析了典型景物和不同程度盐碱化草场在TM图像各波段的响应特性,提出一种改进的彩色合成方法。在RGB彩色合成时,选择亮度、湿度和近红外波段叁个合成分量。该方法与单纯的波段彩色合成相比,突出了盐碱化专题信息。与传统的K-T变换彩色合成相比,减少了轻度盐碱化草场和非盐碱化草场混分的现象。实验证明,该方法的分类准确性比传统K-T变换方法提高了7%。本文从不同的研究方法入手,综合运用TM遥感数据的优势,先去厚云再评价草场盐碱化情况,提高了专题信息提取的准确性。随着研究的深入,对相关领域也做出了思考。在遥感去云方面,去除薄云薄雾的研究是一大难点,如何在去薄云薄雾的同时不影响地物信息是研究的关键；在盐碱化专题信息提取方面,利用计算机全自动的解译遥感图像和提高专题信息提取精度有着广阔的发展空间。本论文的研究,希望可以引起更多的科研人员对这些领域的关注。
参考文献：
[1]. 卫星遥感图像去薄云薄雾计算机算法研究[D]. 陈涛. 南京理工大学. 2004
[2]. 对于卫星遥感图像去薄云薄雾计算机算法分析[J]. 邓慧. 电子技术与软件工程. 2014
[3]. 卫星遥感图像去薄云薄雾处理技术[D]. 谢仁龙. 南京理工大学. 2004
[4]. 卫星及航拍图像的云雾噪声去除研究[D]. 孙立明. 哈尔滨工程大学. 2006
[5]. 基于去云遥感图像的草场盐碱化信息提取研究[D]. 沈琳. 吉林大学. 2011
标签：工业通用技术及设备论文; 自动化技术论文; 卫星遥感论文; 遥感论文; 计算机算法论文; 遥感图像处理论文; 模糊算法论文; 模糊理论论文; 科学论文; 图像处理论文; 科普论文; 算法论文;