项目名称: 基于双树复小波的单幅遥感图像自适应去除云雾原理与方法的研究

项目编号: No.61475027

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 无线电电子学、电信技术

项目作者: 朱锡芳

作者单位: 常州工学院

项目金额: 94万元

中文摘要: 云雾是对地遥感成像中重要的干扰因素,影响图像的实时判读和决策。单幅遥感图像去云雾有助于提高数据有效性,节约采集时间和成本。首先基于Streamer辐射传输模式,研究云雾不同状态和成像条件下的辐射特性,探讨通过求解云雾二维分布数据和运用光学成像理论模拟云雾遥感成像的方法。基于大气辐射理论,研究地面景物和云雾叠加成像获取模拟遥感图像的方法。然后,分析模拟遥感图像中云雾数据和景物数据分别经双树复小波变换各子带系数的特性,研究双树复小波变换分层阈值算法。根据广义高斯分布统计模型和以KLD测度距离为相似度准则,研究不同云雾特征和成像条件下,以q-移双树滤波器设计方法确定最优变换滤波器组参数的方法。在此基础上,研究以极大值熵为准则具有自适应选择优化滤波器参数性能的去除遥感图像云雾的方法。最后,通过软、硬件设计,开发遥感图像去云雾实时处理实验系统。开展PC机和航拍实时处理实验,检验和改进研究成果。

中文关键词: 数字图像处理;自适应处理;双树复小波;图像分析;辐射传输模式

英文摘要: Cloud and fog are the important factors disturbing remote sensing imaging for land which influence the real-time image interpretation and decisions. Removing cloud and fog from a single remote sensing image is benefit to improve remote sensing data validity, and to save data collecting time and cost. Firstly, based on Streamer radiation and transfer mode, radiation characteristics of cloud and fog in the case of various situations and imaging conditions are studied. Simulation methods of remote sensing imaging of cloud and fog by deducing their distribution data in two dimensions and applying optical imaging theory are discussed. On the basis of atmospheric radiation theory, methods of obtaining simulated remote sensing images are studied when the ground scene, cloud and fog are imaged together. Secondly, characteristics of coefficients in sub-belts obtained by decomposing the data of scene, cloud and fog in the simulated remote sensing images by dual-tree complex wavelet respectively are analyzed. The threshold algorithm operated in dual-tree complex wavelet levels is investigated. According to the generalized Gauss distribution model and by choosing KLD measurement distance as similarity criterion, the method of determining parameters of optimum filters using the design method of q-shift dual-tree complex wavelet filters is researched in the case of various features of cloud and fog and imaging conditions. In addition, algorithm to removing cloud and fog from remote sensing images which is capable of selecting parameters of optimum filters adaptively is investigated using the maximum entropy as the criterion. Finally, an experiment system which has the ability to process and remove cloud and fog from remote sensing images real-timely is developed by designing software and hardware. Real-time processing experiments in the platform of PC and the experiment system are performed. Research results are examined and improved.

英文关键词: Digital image processing;Adaptively processing;Dual-tree complex wavelet;Image analysis;Radiation and transfer mode

成为VIP会员查看完整内容
0

相关内容

【博士论文】基于深度学习的单目场景深度估计方法研究
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
50+阅读 · 2021年5月19日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
ResT V2: Simpler, Faster and Stronger
Arxiv
0+阅读 · 2022年4月15日
Arxiv
0+阅读 · 2022年4月14日
Deformable Style Transfer
Arxiv
14+阅读 · 2020年3月24日
小贴士
相关VIP内容
【博士论文】基于深度学习的单目场景深度估计方法研究
基于RGB-D图像的语义场景补全研究进展综述
专知会员服务
28+阅读 · 2021年11月8日
专知会员服务
27+阅读 · 2021年9月6日
专知会员服务
44+阅读 · 2021年8月28日
专知会员服务
50+阅读 · 2021年5月19日
专知会员服务
69+阅读 · 2021年3月23日
专知会员服务
33+阅读 · 2021年2月7日
图像分割方法综述
专知会员服务
54+阅读 · 2020年11月22日
基于深度学习的表面缺陷检测方法综述
专知会员服务
85+阅读 · 2020年5月31日
相关资讯
综述:图像滤波常用算法实现及原理解析
极市平台
0+阅读 · 2022年1月29日
一文概括常用图像处理算法以及常用开发库
极市平台
1+阅读 · 2021年11月23日
光学遥感图像目标检测算法综述
专知
8+阅读 · 2021年3月23日
最全综述 | 图像分割算法
计算机视觉life
14+阅读 · 2019年6月20日
基于深度学习的图像超分辨率最新进展与趋势【附PDF】
人工智能前沿讲习班
15+阅读 · 2019年2月27日
一文读懂图像压缩算法
七月在线实验室
15+阅读 · 2018年5月2日
如何设计基于深度学习的图像压缩算法
论智
40+阅读 · 2018年4月26日
相关基金
国家自然科学基金
3+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2014年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
1+阅读 · 2013年12月31日
国家自然科学基金
2+阅读 · 2012年12月31日
国家自然科学基金
1+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员