基于IDL的HSI图像条带噪声去除方案研究

HJ-1-A卫星超光谱数据的绿、红和红外各波段(21-115波段)数据质量较高,具有良好的应用潜力.但蓝光波段(前20个波段)有明显的条带噪声,对超光谱数据信息提取的精度产生了严重影响,需去除噪声才能使用.针对HJ-1-A星HSI图像条带噪声的特殊性,提出了两种条带去除方案,并给出用IDL语言实现的方法.结果表明,该方法能够在保持原始HSI图像特征的前提下有效地去除条带噪声.     

“京师一号”极地小卫星宽幅影像辐射校正方法研究

“京师一号”小卫星是中国自主研制的首颗民用极地光学卫星，搭载有中高分辨率的多光谱宽幅相机，兼顾重访周期和空间分辨率，具有高覆盖、中高分辨率的优势，对极地变化监测研究具有重大意义；但其0级数据的条带噪声掩盖图像的地物特征，无法反映地物的真实辐射特性，严重影响了数据应用.为此，本文提出了一种基于统计学原理，针对宽幅影像去除条带的方法.实验结果表明，相较于原始数据，该方法较能稳健地去除数据中的条带噪声，还原地表真实辐射信息，提升了“京师一号”宽幅相机多光谱数据的应用价值.     

高光谱Hyperion与高分辨率WorldView-2卫星数据协同下的岩性分类

在目前的技术条件下,一种遥感数据源很难同时具有高空间分辨率和高光谱分辨率特征,因此如何协同使用不同来源的遥感数据进行矿物岩石识别就成了遥感地质领域的重要研究内容之一.本文结合高空间分辨率WorldView-2数据和高光谱分辨率Hyperion数据,以新疆鸟恰县矿物岩石识别与地层划分为例探讨多源遥感数据协同的岩性分类.通过对比2种数据源的空间和光谱探测能力,找到其协同基础.借鉴传统的同源数据融合方法,把WorldView-2多光谱数据降采样到不同空间尺度,并进行主成分变换,采用第一主成分与Hyperion融合产生协同数据.基于SAM光谱角分类法,分别采用WorldView-2多光谱原始数据、Hyperion原始数据和各协同数据对研究区的岩性进行自动分类.结果表明,各协同数据岩性分类精度较高,Hyperion次之,WorldView-2数据岩性分类精度最低.     

基于高光谱影像的SG滤波算法的研究

高光谱遥感是当前遥感技术发展前沿,已经被成功应用于农业、水利、交通等许多领域.高光谱遥感影像中不仅存在空间域噪声而且存在光谱域噪声,传统的图像滤波只能对图像空间域噪声进行处理,而不能去除光谱域噪声.为了改变这种状况,本文提出了一种Savitzky-Golay(SG)滤波改进算法,诊断光谱域噪声.本文主要以航空高光谱遥感数据为研究对象,基于最小二乘的SG滤波求取反射率光谱的二阶导数,然后对影像进行噪声去除,该方法在保证有效去除光谱域噪声的同时,保留高光谱图像的大部分的细微特征.与其他不同的光谱域噪声滤波方法进行对比,实验证明本文的滤波方法是一种较为有效的手段.     

基于HJ-1A高光谱数据的有效波段批量提取方法研究

遥感图像数据的质量好坏会直接影响到高光谱数据应用时的有效性.我国环境一号卫星2级高光谱数据中的条带噪声极大地影响了图像的质量.为解决快速批量剔除干扰严重波段的问题,提出了一种基于向量夹角的有效波段批量提取方法,并与传统方法进行了性能对比分析,包括方法的准确性、鲁棒性、对图像计算区域的要求、运算速度等.在原理和实验的基础上分析了这些方法的优劣势以及适用范围.实验结果表明向量夹角法有效性最佳.     

一种基于低秩表示的高光谱图像恢复方法

高光谱图像(HSI)在获取过程中不可避免地受到各种噪声的干扰,如高斯白噪声、冲击噪声、坏死的线条等.为了确保后续应用能够顺利进行,高光谱图像的恢复是一项重要的预处理过程.文中提出一种新的高光谱图像恢复方法,主要有以下两点贡献:其一,将低秩表示模型引入到高光谱图像恢复中;其二,利用高光谱图像的相似图像块进行联合低秩表示.模拟和实际高光谱图像数据的实验结果表明,所提出的方法能有效地去除各种噪声干扰,同时较好地恢复图像细节,因此可作为一种实现高光谱图像恢复的有效手段.     

高光谱图像的特征提取与特征选择研究

特征提取和特征选择是模式识别的关键问题之一,它影响到分类器的设计及其性能.高光谱图像数据是超高维多特征数据集,如何实现高维特征空间的特征压缩和特征提取是一个重要课题.基于高光谱图像谱图合一、数据维度高的数据结构特点,该文从光谱和图像两个层面分别综述了主成分分析、最小噪声分离、独立成分分析等光谱特征提取方法以及基于颜色、纹理、形状等图像特征提取方法.还详细介绍了核主成分分析和投影寻踪方法这两种高光谱特征提取新方法,并给出了以上方法的应用实例.特征提取和特征选择的研究将为后续的高光谱图像分类奠定良好的基础.     

基于变分的MODIS 数据条带噪声去除方法

条带噪声是影响MODIS数据影像质量与反演精度的重要因素之一。针对MODIS数据中存在的三类条带噪声,提出了一种去除多类条带噪声的变分方法。该方法针对MODIS数据中条带噪声的类型设计相应的能量项：对于探测器间条带噪声和镜边条带噪声,采用直方图匹配变分项;对于随机噪声条带,采用单向消除项。各能量项通过权重系数组合构成总能量泛函,利用梯度下降流法最小化该泛函并离散数值化求解,从而实现条带噪声的消除。实验结果表明,提出的方法能够有效地去除MODIS数据的多类条带噪声。     

基于切片映射张量分析的高光谱图像压缩

高光谱图像拥有着巨大的数据量,给数据的存储和传输带来了巨大的压力,因此高光谱图像的有效压缩具有重要的实际意义.基于在传统的Tucker张量分解方法,提出一种基于切片映射的张量分解方法,并将其用于高光谱图像的压缩.该方法不仅消除了高光谱图像波段间的谱间冗余,还消除了每个波段上的空间冗余.所提议方法的最大特点是对传统的高光谱图像数据张量逼近方法进行了GLRAM算法三维推广的改进,使其计算复杂度显著减小,从而有效缩短了高光谱图像的压缩时间.同时,在一定的压缩比的情况下,通过所提议的方法可以查询找到一个最佳的核心张量的维度——(K_1,K_2,K_3),使其信噪比达到最大.真实高光谱数据的实验结果表明,所提议的算法较现有方法表现出了更好的压缩效果,并且具有很高的信噪比.     

EO-1 Hyperion数据不同波段组合的分类结果比较

高光谱遥感是目前的一个热点研究邻域。采用EO-1 Hyperion数据,应用波段选择的方法,比较了不同波段组合用于同一研究区地物分类的效果。     

分块噪声自适应高光谱图像去噪算法研究

高光谱图像在获取过程中容易产生噪音,从而影响了地物空间信息的识别。噪声去除是高光谱图像处理十分必要的步骤。结合低秩矩阵分解理论,在传统奇异值阈值方法的基础上提出基于分块的噪声自适应遥感去噪方法。实验结果证明,该方法运算速度快,并能够有效去除缺失值造成的死线噪声以及高斯噪声,在平均峰值信噪比(MPSNR)和平均结构相似性(MSSIM)上优于Godec算法。     

基于子空间表示和加权低秩张量正则化的高光谱图像混合噪声去除方法

针对高光谱图像中存在混合噪声的问题, 提出一种基于子空间表示和加权低秩张量正则化的方法去除高光谱图像中的混合噪声. 子空间表示利用光谱频带之间的相关性, 选取合适的正交矩阵, 将高光谱图像投影到低维子空间中, 使提出的算法具有较低的复杂度, 简化去噪过程的同时去除图像中的部分噪声. 去噪过程基于从简化图像中提取的低秩张量进行, 引入加权低秩张量正则化项表征简化图像子空间的先验信息, 基于Tucker分解中核范数的物理意义构建合理的加权机制, 保留高光谱图像的内在结构相关性. 并且设计了一种基于迭代最小化的方法, 用于求解提出的非凸去噪模型. 在模拟和真实数据集上的实验结果表明, 该子空间表示和加权低秩张量正则化方法在定量和定性分析上都取得了较好的去噪效果.     

带钢表面检测中压缩感知图像去噪方法

带钢表面图像中存在高斯噪声、椒盐噪声,以及信号的稀疏性问题,为此研究一种压缩感知图像去噪方法,建立基于分段正则化OMP算法的图像去噪模型,经过边裂、孔洞、辊印三种典型缺陷图像去噪处理的仿真实验和对比分析,结果表明在信号稀疏度未知的情况下仍然能够有效可靠地重构信号,保证全局优化的同时提高了算法的运算速度;特别是峰值信噪比(PSNR)值较高,可以有效的滤除噪声污染,改善图像质量,并能满足图像实时处理要求。     

基于卷积神经网络的高光谱图像谱-空联合分类

随着深度学习的发展,卷积神经网络在各种视觉任务中都具有优越的性能;特别是在二维图像分类上,更是获得了很高的分类精度。针对于高光谱图像分类问题,设计了一种新的卷积运算;利用高光谱图像谱-空联合信息建立三维卷积神经网络对其进行分类;并针对高光谱图像样本不均匀性,在网络输出不同类别加入不同的权重加以训练。通过对两个公开高光谱图像数据集的测试,相对于传统方法,能够得到更高的分类精度,表明卷积神经网络对高光谱图像具有更强的特征表达能力。     

形态梯度重构的标记分水岭高光谱影像分割

传统分水岭算法通常对梯度图像做无标记分割,其结果是容易造成过度分割。为了克服过分割的缺陷,进而应用于复杂的高光谱遥感图像分割,结合形态学预处理方法,在对图像实施平滑处理的同时,利用形态学开闭重构技术对梯度图像进行重建,在此基础上对高光谱遥感梯度重建图像进行标记分水岭分割。实验证明,这种处理技术对高光谱遥感图像的分割效果良好,能够满足高光谱遥感图像分类与信息提取的需要。     

陕西丰镐地区航空高光谱遥感数据预处理研究

目的对获取的丰镐地区航空高光谱遥感数据进行前期数据处理和校正。方法通过辐射校正、噪音去除、航带间差异调整、几何校正等图像处理方法对畸变和误差较大的遥感数据进行校正。结果获得了高质量、高精度的数据,为后续光谱定标、分类识别及信息提取提供了理想的图像。结论本方法对校正航空高光谱图像存在的较为严重的辐射畸变和几何畸变有良好效果。     

高光谱影像预处理技术

 以核工业北京地质研究院遥感重点实验室获取的高光谱数据CASI/SASI的处理为例,总结了高光谱数据处理技术的流程、具体技术细节和技术点,并根据数据处理中存在的问题,例如高光谱数据量大、处理时间长、影像的拼接困难等,阐述了对高光谱影像预处理中所存在问题的相关对策,为高空间分辨率的高光谱数据预处理提供了较好的应用范例和技术支撑.     

基于随机森林算法的航空高光谱数据分类方法研究

高光谱数据具有光谱范围广,光谱分辨率高等优势,可以用于不同地物的分类识别,为近年来遥感领域的研究热点。采用随机森林算法对机载高光谱数据进行了地物分类识别研究,首先选取不同种类的地物样本,并对每类样本打上类别标签,每个像素包含的波段数即为样本的特征数,送入随机森林分类器进行训练;然后将训练好的分类器对待分类的高光谱影像数据进行分类,待分类的数据初始化为统一的类别标签;并根据袋外数据自变量的扰动对分类精度的影响,计算不同波段特征对分类效果的重要性系数。实验采用C++语言结合Intel Open CV计算机视觉库,编写了高光谱影像分类识别程序,对机载AISA高光谱传感器获取的甘肃省张掖市农村与城市影像数据进行分类,结果表明本文算法具有较高分类精度和可靠性。     

基于高光谱成像技术的水果品质无损检测

高光谱图像技术结合光谱技术与计算机图像技术两者的优点,可获得大量包含连续波长光谱信息的图像块,其图像信息可检测水果的外部品质,光谱信息则可用于水果内部品质的检测,达到根据水果内、外部综合品质进行分类的目的.综述了国内外将该技术应用于水果品质检测方面的研究进展,提出了利用高光谱图像技术检测苹果轻微损伤的方法,利用500～900 nm的高光谱图像数据,通过主成分分析提取547 nm波长下的特征图像.     

高光谱遥感影像分类算法并行处理设计与实现

探讨高光谱遥感影像分类算法处理遥感影像速度。通过光谱角度匹配（SAM）、光谱相关系数匹配（SCM）、信息散度匹配（SIDM）、光谱波形匹配（SWM）进行并行化改造设计,将改造的并行化算法应用到湖北大冶遥感影像数据分类处理中,结果表明并行化算法能够有效完成高光谱遥感影像分类,数据量增大,并行化处理速度加快,数据量为158×382×1092时, SAM 并行处理速度是串行处理速度的25．68倍、SCM 为25．41倍、SIDM 为17．55倍、SWM为23．68倍。并行分类算法处理遥感影像分类速度较串行分类算法处理快。