針對當(dāng)前遙感圖像耀斑恢復(fù)算法存在的耀斑增益計(jì)算誤差大,需要近紅外波段信息輔助以及自身信息利用不足等缺陷,提出基于水體指數(shù)與色度分離法的耀斑檢測算法以及基于離散余弦變換的耀斑圖像恢復(fù)算法。首先使用色度分離法提取圖像中疑似耀斑的高亮區(qū)域,再通過水體指數(shù)結(jié)合面積閾值和形態(tài)學(xué)濾波去除散點(diǎn)和孤立區(qū)域,進(jìn)而實(shí)現(xiàn)耀斑區(qū)域的精準(zhǔn)定位和提取。然后依據(jù)圖像的保真度和局部平滑度構(gòu)建優(yōu)化函數(shù),利用離散余弦變換對遙感圖像耀斑區(qū)域內(nèi)部的像元進(jìn)行迭代求解,最終得到恢復(fù)后的圖像。最后開展現(xiàn)場飛行實(shí)驗(yàn),實(shí)驗(yàn)結(jié)果表明所提算法能夠精確提取和恢復(fù)圖像水體耀斑區(qū)域,并且恢復(fù)后的圖像在紋理特征和光譜特征兩個方面的效果得以改進(jìn)。 

【文章來源】：光學(xué)學(xué)報. 2020,40(19)北大核心EICSCD

【文章頁數(shù)】：6 頁

【文章目錄】：
1 引 言
2 基本原理
    2.1 耀斑區(qū)域的檢測和提取
    2.2 耀斑區(qū)域的恢復(fù)
3 實(shí)驗(yàn)與結(jié)果分析
    3.1 紋理特征評價
    3.2 光譜特征評價
4 結(jié) 論


【參考文獻(xiàn)】：
期刊論文
[1]基于FCN的無人機(jī)可見光影像樹種分類[J]. 戴鵬欽,丁麗霞,劉麗娟,董落凡,黃依婷.  激光與光電子學(xué)進(jìn)展. 2020(10)
[2]基于無人機(jī)遙感的不同施氮水稻光譜與植被指數(shù)分析[J]. 裴信彪,吳和龍,馬萍,嚴(yán)永峰,彭程,郝亮,白越.  中國光學(xué). 2018(05)
[3]南海區(qū)域衛(wèi)星多光譜影像太陽耀斑消除方法[J]. 曹彬才,朱述龍,邱振戈,沈蔚,曹斌.  測繪科學(xué)技術(shù)學(xué)報. 2017(02)
[4]一種新的高光譜圖像中太陽耀斑去除方法[J]. 張翔,張建奇,靳薇,劉德連.  光學(xué)學(xué)報. 2008(04)



本文編號：3628302