本文選題：遙感圖像 + 信息恢復��； 參考：《電子學報》2017年12期

【摘要】：利用多源多時相遙感圖像,給出一種結(jié)合分類與遷移學習的薄云覆蓋遙感圖像地物信息恢復算法.首先利用多方向非抽樣對偶樹復小波變換對多源多時相遙感圖像進行多分辨率分解,對分解后的薄云圖像的高頻系數(shù)利用貝葉斯方法進行地物初分類;再對每類地物的低頻系數(shù)通過遷移最小方差支持向量回歸模型進行域自適應學習,獲取模型參數(shù);最后利用所獲的遷移回歸模型,用無云參考圖像的低頻系數(shù)預測薄云覆蓋圖像的低頻系數(shù),去除薄云,恢復薄云覆蓋圖像的地物信息.實驗結(jié)果表明,本文算法恢復的地物細節(jié)清楚,光譜失真較小.特別對地物季節(jié)性變化的薄云覆蓋遙感圖像,本文算法能有效恢復薄云覆蓋區(qū)域的地物信息.
[Abstract]:Based on multi-source and multi-temporal remote sensing images, an algorithm for restoration of ground object information in thin cloud overlay remote sensing images is presented, which combines classification and migration learning. Firstly, multi-direction non-sampling dual tree complex wavelet transform is used to decompose multi-source and multi-temporal remote sensing images, and Bayesian method is used to classify ground objects for the high frequency coefficients of the decomposed thin cloud images. Then, the low frequency coefficients of each kind of objects are learned by the least variance support vector regression model, and the parameters of the model are obtained. Finally, the migration regression model is used. The low frequency coefficients of the cloudless reference image are used to predict the low frequency coefficients of the thin cloud overlay image, to remove the thin cloud, and to restore the ground object information of the thin cloud overlay image. The experimental results show that the restored features of the algorithm are clear and the spectral distortion is small. Especially for the remote sensing image of thin cloud covering with seasonal variation of ground objects, this algorithm can effectively restore the ground object information of thin cloud coverage area.
【作者單位】： 安徽大學計算智能與信號處理教育部重點實驗室;安徽大學電子信息工程學院;偏振光成像探測技術安徽省重點實驗室;
【基金】：國家自然科學基金(No.61672032,No.61401001) 安徽省自然科學基金(No.1408085MF121) 偏振光成像探測技術安徽省重點實驗室開放課題(No.2016-KFKT-003)
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 張仁華;《遙感圖像應用處理與分析》評介[J];地理研究;2004年04期

2 李偉;;遙感圖像中的道路提取[J];自動化博覽;2006年05期

3 李傳龍;李穎;馬龍;;一種新的遙感圖像海岸線檢測方法[J];計算機仿真;2010年08期

4 張學良;肖鵬峰;馮學智;;基于圖像內(nèi)容層次表征的遙感圖像分割方法[J];中國圖象圖形學報;2012年01期

5 秦其明;遙感圖像自動解譯面臨的問題與解決的途徑[J];測繪科學;2000年02期

6 陳小琪;現(xiàn)代計算機印前制版技術在遙感圖像印制中的應用研究——以《長江經(jīng)濟帶可持續(xù)發(fā)展地圖集》為例[J];地球信息科學;2000年02期

7 鄧湘金,彭海良;一種基于遙感圖像的機場檢測方法[J];測試技術學報;2002年02期

8 余杰千,方濤,陳雍業(yè);一種有效的遙感圖像無縫分割方法[J];計算機應用;2003年12期

9 吳為祿;遙感圖像中的云層消除處理[J];鐵路航測;2003年01期

10 于輝,徐軍;彩色遙感圖像目標提取方法研究[J];遙感技術與應用;2003年06期

相關會議論文 前10條

1 張鳳春;董增壽;劉明君;;基于局部方差均衡的遙感圖像增強方法[A];第六屆全國信息獲取與處理學術會議論文集（2）[C];2008年

2 鄧冰;林宗堅;彭曉東;;遙感圖像信息度量的原理與方法[A];《測繪通報》測繪科學前沿技術論壇摘要集[C];2008年

3 江興方;江鴻;何賢強;;遙感圖像兩種半自動拼接方法的研究[A];全國農(nóng)業(yè)遙感技術研討會論文集[C];2009年

4 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢的研究與實踐[A];第十三屆全國遙感技術學術交流會論文摘要集[C];2001年

5 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動鑲嵌技術[A];圖像 仿真 信息技術——第二屆聯(lián)合學術會議論文集[C];2002年

6 黃勇杰;王樹國;劉俊義;陳東;;遙感圖像去云算法研究[A];首屆信息獲取與處理學術會議論文集[C];2003年

7 謝建春;趙榮椿;;遙感圖像中的軍用機場識別算法研究[A];信號與信息處理技術第三屆信號與信息處理全國聯(lián)合學術會議論文集[C];2004年

8 陳姚;王金亮;李石華;;遙感圖像中云層遮擋影響消除處理方法研究述評[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

9 張磊;朱磊;;遙感圖像中直線目標的檢測[A];第十五屆全國遙感技術學術交流會論文摘要集[C];2005年

10 邱磊;李國輝;衡祥安;;一種基于交互學習的遙感圖像挖掘方法[A];第一屆建立和諧人機環(huán)境聯(lián)合學術會議（HHME2005）論文集[C];2005年

相關重要報紙文章 前1條

1 蔣建科邋孫宏金 陳樹琛;傳回清晰遙感圖像[N];人民日報;2008年

相關博士學位論文 前10條

1 祁友杰;基于SoC技術的遙感圖像快速匹配方法研究[D];東南大學;2016年

2 霍麗君;基于變分的遙感圖像恢復算法研究[D];中國科學院長春光學精密機械與物理研究所;2017年

3 陳彥彤;基于局部不變特征的遙感圖像星上目標識別技術研究[D];中國科學院長春光學精密機械與物理研究所;2017年

4 江興方;遙感圖像去云方法的研究及其應用[D];南京理工大學;2007年

5 滕鑫鵬;遙感圖像道路提取研究[D];江蘇大學;2014年

6 劉春紅;超光譜遙感圖像降維及分類方法研究[D];哈爾濱工程大學;2005年

7 劉哲;基于信息融合的遙感圖像處理方法研究[D];西北工業(yè)大學;2002年

8 強贊霞;遙感圖像的融合及應用[D];華中科技大學;2005年

9 杜根遠;海量遙感圖像內(nèi)容檢索關鍵技術研究[D];成都理工大學;2011年

10 陶午沙;基于結(jié)構模型的遙感圖像軍事陣地目標特征分析及其識別技術研究[D];國防科學技術大學;2004年

相關碩士學位論文 前10條

1 邱磊;基于內(nèi)容的遙感圖像挖掘方法研究[D];國防科學技術大學;2005年

2 王靜靜;基于NSCT和Shearlet變換的遙感圖像增強研究[D];新疆大學;2014年

3 柴宏磊;基于知識的遙感圖像港口目標識別[D];電子科技大學;2015年

4 馮一鳴;基于遙感圖像中港口目標的分割算法研究與實現(xiàn)[D];西安電子科技大學;2014年

5 吳云坤;遙感圖像變化檢測技術研究[D];國防科學技術大學;2013年

6 王旭;無參考遙感圖像質(zhì)量綜合評價算法研究[D];西安電子科技大學;2015年

7 張少輝;基于刃邊法的遙感圖像重建方法研究[D];西安電子科技大學;2014年

8 王子維;無人機遙感圖像的拼接技術研究[D];東北石油大學;2015年

9 曹敏潔;遙感圖像厚云及其陰影去除技術研究[D];廣西師范大學;2015年

10 錢葉青;不同時相遙感圖像配準技術的研究[D];集美大學;2015年

，

本文編號：2109360