發(fā)布時間：2018-10-09 12:17

【摘要】：靜止氣象衛(wèi)星屬于一種專門的遙感衛(wèi)星,負責全天候的氣象觀測工作。根據(jù)它拍攝的衛(wèi)星云圖,可以對災害性天氣進行監(jiān)測與預警,保障人民群眾的生命及財產(chǎn)安全。由于多光譜遙感圖像數(shù)據(jù)量巨大,因此對多波段的紅外圖像進行分類前的壓縮、融合預處理,對于提高云圖的分辨率,緩解傳輸壓力,增強夜間探測能力,具有現(xiàn)實意義。通過對多光譜遙感圖像的特性分析,發(fā)現(xiàn)各波段的紅外云圖具有一定的相關性,且分辨率低、邊緣模糊。從數(shù)據(jù)的壓縮、融合角度考慮,本文選擇K-L變換及小波變換兩種方法進行預處理研究。通過Matlab編程實現(xiàn)兩種變換算法,綜合圖像的視覺效果和定量指標,比較得出K-L變換能夠有效地提取相關性較低的云朵信息,且與同時段可見光云圖最接近;小波變換則更多地保留源圖像細節(jié)信息,適用于預處理后的云圖結構分析。因此,K-L變換更適合于紅外云圖的預處理。本文是在Xilinx公司的Zynq平臺上,采用軟硬件協(xié)同設計的方法實現(xiàn)多通道圖像數(shù)據(jù)的K-L變換。在K-L IP核的設計過程中,采用C語言編程實現(xiàn)K-L變換算法,經(jīng)VivadoHLS工具綜合后,優(yōu)化生成相應的IP核。經(jīng)過C/RTL協(xié)同仿真驗證可知,由C語言轉(zhuǎn)化的RTL級代碼準確無誤,最后完成IP核的封裝工作。完成K-L IP核的設計后,在Zedboard開發(fā)板上進行測試�；赯ynq的多光譜遙感圖像預處理系統(tǒng)包含圖像的采集、數(shù)據(jù)的緩存、算法的處理以及預處理后數(shù)據(jù)的傳輸四部分。經(jīng)過實驗驗證,采用K-L變換對三幅分辨率為640×480的圖像進行一次預處理操作,PC純軟件大約需要5000毫秒,而Zynq軟硬件協(xié)同實現(xiàn)僅需要91毫秒,速度大幅提升�；赯ynq的多光譜遙感圖像的預處理技術,具有實時、高效、便利的優(yōu)點,在航空航天領域的研究和應用中具有廣闊的前景。
[Abstract]:Geostationary meteorological satellite is a special remote sensing satellite, which is responsible for weather observation all-weather. According to the satellite cloud image it can monitor and warn the disastrous weather and ensure the safety of people's life and property. Because of the huge amount of multispectral remote sensing images, it is of practical significance to compress and fuse the multi-band infrared images before classification, to improve the resolution of cloud images, to alleviate the transmission pressure and to enhance the nocturnal detection ability. By analyzing the characteristics of multispectral remote sensing images, it is found that the infrared cloud images of each band have certain correlation, and the resolution is low, and the edges are blurred. From the point of view of data compression and fusion, two preprocessing methods, K-L transform and wavelet transform, are selected in this paper. Two transform algorithms are realized by Matlab programming, which synthesizes the visual effect and quantitative index of the image. It is concluded that K-L transform can effectively extract the cloud information with low correlation, and is closest to the visible cloud image at the same time. Wavelet transform retains more details of source image, and it is suitable for cloud image structure analysis after preprocessing. Therefore, K-L transform is more suitable for infrared cloud image preprocessing. In this paper, the K-L transform of multi-channel image data is realized on the Zynq platform of Xilinx Company by using the method of hardware and software co-design. In the design process of K-L IP kernel, the K-L transform algorithm is realized by C language programming. After the synthesis of VivadoHLS tools, the corresponding IP kernel is optimized. The C/RTL cosimulation results show that the RTL code transformed by C language is accurate and the encapsulation of IP core is finished. After the design of K-L IP core is completed, the test is carried out on the Zedboard development board. The multispectral remote sensing image preprocessing system based on Zynq includes four parts: image acquisition, data cache, algorithm processing and data transmission after preprocessing. The experimental results show that it takes about 5000 milliseconds to preprocess three images with 640 脳 480 resolution by K-L transform, while it takes 91 milliseconds for Zynq hardware / software co-implementation. Multi-spectral remote sensing image preprocessing technology based on Zynq has the advantages of real-time, high efficiency and convenience, and has a broad prospect in the research and application of aerospace.
【學位授予單位】：東華大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TP751

【相似文獻】

相關期刊論文 前10條

1 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達2.5m[J];國際太空;1997年05期

2 冉隆科;;透過美國國家圖像和測繪局看美國重塑信息優(yōu)勢[J];現(xiàn)代兵器;2001年03期

3 秦奇;;谷延鋒:以圖像探索世界的智者[J];中國發(fā)明與專利;2013年11期

4 孫政,鄧俊輝,唐澤圣;基于狹縫圖像的四維光場模型[J];工程圖學學報;2000年03期

5 王卓;焦淑紅;鄧磊;;基于降低圖像分辨率的紅外目標跟蹤方法[J];應用科技;2007年03期

6 謝超賢;蒙慧華;龍騰河;羅煥江;;淺談移動DR系統(tǒng)在大規(guī)模體檢當中的應用[J];醫(yī)療衛(wèi)生裝備;2009年06期

7 王江寧;紀力強;;昆蟲圖像特征研究[J];山東大學學報(工學版);2011年02期

8 南棟;畢篤彥;許悅雷;王世強;婁小龍;;基于暗原色先驗的圖像去霧算法[J];中南大學學報(自然科學版);2013年10期

9 賀召卿;張冰塵;詹學麗;李建雄;;利用機載SAR圖像仿真星載SAR圖像[J];現(xiàn)代雷達;2006年06期

10 董銀文;苑秉成;王航宇;石釗銘;;圖像信息在艦炮遠程對岸精確打擊中的應用探討[J];電光與控制;2013年06期

相關會議論文 前10條

1 王江寧;紀力強;;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學學術會議論文集[C];2010年

2 楊德強;蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術[A];第二十七屆中國控制會議論文集[C];2008年

3 張莉;李佩臻;;用Photoshop對1：1萬DRG入庫數(shù)據(jù)的處理[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十一次學術信息交流會論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲再現(xiàn)圖像分辨率實驗研究[A];第十一屆全國光學測試學術討論會論文（摘要集）[C];2006年

5 廖熠;趙榮椿;;一種基于小波分層模型的自然景物圖像表面恢復算法[A];第十屆全國信號處理學術年會（CCSP-2001）論文集[C];2001年

6 劉達;李樞平;;對DCI數(shù)字影院技術規(guī)范中圖像分級技術的理解[A];中國電影電視技術學會影視技術文集[C];2007年

7 湯敏;王惠南;;基于IDL語言的醫(yī)學圖像可視化初步研究[A];第十二屆全國圖象圖形學學術會議論文集[C];2005年

8 趙源萌;鄧朝;張馨;張存林;;被動式人體太赫茲安檢成像的分辨率增強算法研究[A];中國光學學會2011年學術大會摘要集[C];2011年

9 張尚軍;徐光;祁小江;;影響CR膠片質(zhì)量原因的探討[A];2009中華醫(yī)學會影像技術分會第十七次全國學術大會論文集[C];2009年

10 何東曉;隋守鑫;劉微;;高清透霧攝像機的研發(fā)及在交通領域的應用[A];第八屆中國智能交通年會優(yōu)秀論文集——智能交通與安全[C];2013年

相關重要報紙文章 前10條

1 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設置[N];中國包裝報;2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報;2003年

3 楊興平;如何抓取指定分辨率的圖像[N];中國電腦教育報;2003年

4 李鑫;飛利浦200BW8商務人士明智新寵[N];電子資訊時報;2007年

5 記者 曾遺榮邋通訊員 冷承秋 實習生 向哲林;美國一高科技公司將落戶武漢[N];湖北日報;2007年

6 唐鳳碧;正確運用數(shù)碼相機分辨率[N];中國攝影報;2007年

7 ;創(chuàng)維TWH-43L（DLP）光顯背投圖像不良的檢修[N];電子報;2008年

8 WLF;細說分辨率[N];電腦報;2003年

9 宏杉;感受專業(yè)動力[N];中國計算機報;2001年

10 宋連黨;家庭VCD像冊大制作[N];中國電腦教育報;2003年

相關博士學位論文 前10條

1 吳輝群;慢性病信息管理系統(tǒng)中視網(wǎng)膜圖像的互操作性及其血管網(wǎng)絡定量分析研究[D];復旦大學;2014年

2 田虎;單目圖像的深度估計[D];北京郵電大學;2015年

3 唐玉芳;商品圖像分類算法研究[D];北京郵電大學;2015年

4 賈勇;建筑物透視探測關鍵技術研究[D];電子科技大學;2014年

5 黃仁杰;非可控條件下人臉識別中的若干問題研究[D];電子科技大學;2015年

6 萬方;基于多幅圖像的三維結構化場景重建技術研究[D];武漢大學;2013年

7 馬鐘;視覺感知啟發(fā)的對象發(fā)現(xiàn)關鍵技術研究[D];西北工業(yè)大學;2015年

8 張旭;面向局部特征和特征表達的圖像分類算法研究[D];合肥工業(yè)大學;2016年

9 王洪;航空光電平臺圖像穩(wěn)定技術研究[D];中國科學院研究生院（長春光學精密機械與物理研究所）;2012年

10 孫艷;基于內(nèi)容圖像檢索與敏感圖像過濾的若干算法研究[D];吉林大學;2011年

相關碩士學位論文 前10條

1 楊棟;面向CTA圖像的冠脈血管分割算法研究和血管狹窄度分析[D];浙江大學;2015年

2 龔若皓;基于嵌入式移動GPU的圖像編解碼并行優(yōu)化[D];西南交通大學;2015年

3 曹福來;發(fā)動機燃油噴霧圖像篩選及處理方法的分析研究[D];長安大學;2015年

4 張弛;基于卷積神經(jīng)網(wǎng)絡的鞋印圖像分類算法研究[D];大連海事大學;2016年

5 張貴平;圖像視點調(diào)整技術研究[D];南京大學;2014年

6 李杰;高速圖像數(shù)據(jù)實時存儲與顯示關鍵技術研究[D];中北大學;2016年

7 胡蓓蕾;基于圖像融合的水下圖像顏色恢復[D];中國海洋大學;2015年

8 周黎;基于千兆網(wǎng)的高性能嵌入式圖像處理技術研究[D];中國科學院研究生院(光電技術研究所);2016年

9 顧幫忠;基于CCD的DR影像校正[D];東南大學;2015年

10 張磊;鉚釘尺寸與表面缺陷在線檢測關鍵技術研究[D];西南交通大學;2016年

，

本文編號：2259306