遙感技術(shù)在近幾十年來(lái)得到了高速的發(fā)展,遙感光電圖像資源正成為寶貴的財(cái)富。如何科學(xué)、高效地處理遙感圖像,使之多維度、多信息的優(yōu)勢(shì)得到充分發(fā)揮,是當(dāng)前研究的重點(diǎn)。一方面,對(duì)于遙感圖像預(yù)處理的需求依然旺盛。飛行器在高空采集的圖像常常受到云霧的干擾,圖像質(zhì)量下降,目標(biāo)模糊不清晰,不利于測(cè)繪、偵察等任務(wù)的開(kāi)展。另一方面,傳統(tǒng)的先驗(yàn)特征提取法的目標(biāo)識(shí)別準(zhǔn)確率不高,在實(shí)際應(yīng)用場(chǎng)景中起到的作用十分有限。深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)的出現(xiàn)給問(wèn)題的解決提供了新思路。本文基于圖像去霧算法和卷積神經(jīng)網(wǎng)絡(luò)方法,圍繞遙感圖像預(yù)處理和特征提取技術(shù)中存在的問(wèn)題,開(kāi)展相關(guān)研究,并提出創(chuàng)新:(1)目前基于模型的去霧算法雖然能夠從大氣散射原理上出發(fā)去除云霧,但對(duì)于天空等大面積的高亮度區(qū)域表現(xiàn)不佳,容易出現(xiàn)亮度過(guò)大等失真問(wèn)題,且圖像整體對(duì)比度難以調(diào)控;基于非模型的方法計(jì)算量較小,處理速度更快,但方法適用性不足,無(wú)法滿足多場(chǎng)景下的效果需求。針對(duì)這兩種算法的特點(diǎn),本文提出了基于灰度損失函數(shù)的圖像去霧算法,改進(jìn)并設(shè)計(jì)灰度損失函數(shù)模型,將圖像去霧前后的灰度進(jìn)行量化對(duì)比,對(duì)圖像去霧的程度和效果實(shí)現(xiàn)定量評(píng)價(jià)。該算法將模型法與非模型法的特點(diǎn)結(jié)合起來(lái),充分發(fā)揮圖像復(fù)原和圖像增強(qiáng)方法各自的優(yōu)勢(shì)。通過(guò)實(shí)驗(yàn)數(shù)據(jù)對(duì)比,能夠證明本算法對(duì)圖像去霧具有實(shí)際意義。(2)在傳統(tǒng)圖像特征提取領(lǐng)域,通�；谙闰�(yàn)的知識(shí)提取圖像目標(biāo)特征,例如紋理、邊緣、顏色特征�；谙闰�(yàn)的方法占用的計(jì)算資源較少,已經(jīng)能夠在部分飛行器等部分機(jī)載平臺(tái)上使用。隨著應(yīng)用需求的不斷提高和應(yīng)用場(chǎng)景的擴(kuò)大,傳統(tǒng)方法已顯得不從心。近年來(lái),深度學(xué)習(xí)神經(jīng)網(wǎng)絡(luò)正成為圖像特征提取的主流。本文在卷積神經(jīng)網(wǎng)絡(luò)現(xiàn)有的研究基礎(chǔ)上,提出了輕量化的遙感圖像特征提取網(wǎng)絡(luò),將圖像的深層特征與淺層特征相融合,降低了特征在網(wǎng)絡(luò)傳輸中的風(fēng)險(xiǎn)損失。同時(shí),應(yīng)用傳統(tǒng)圖像特征提取方法,對(duì)圖像進(jìn)行多尺度、多方向Gabor變換,得到Gabor紋理特征向量。將先驗(yàn)特征與卷積神經(jīng)網(wǎng)絡(luò)特征有機(jī)融合,減輕深層網(wǎng)絡(luò)帶來(lái)的計(jì)算負(fù)擔(dān),并有效提升提取到特征的可靠性。通過(guò)大量數(shù)據(jù)集的測(cè)試驗(yàn)證,本算法對(duì)圖像特征提取具有優(yōu)化提升效果。
【學(xué)位單位】：哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP751;TP183
【部分圖文】：

可見(jiàn)光遙感圖像

多小波分解去霧[11]

暗通道先驗(yàn)去霧[14]
【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳輝;;淺議車牌識(shí)別中字符的特征提取方法[J];科技傳播;2009年05期

2 徐德友,胡壽松;利用粗集上近似處理特征提取中的噪聲問(wèn)題[J];南京理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2002年S1期

3 佟德純;王永興;;一種新的齒輪狀態(tài)的分類識(shí)別方法—CEP-AR特征提取與分類[J];振動(dòng)與沖擊;1988年03期

4 羅斌;黃端旭;;皮膚癌表面圖象特征提取[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);1989年03期

5 王仁華;宋原章;;漢語(yǔ)孤立音節(jié)的分段研究[J];信號(hào)處理;1989年02期

6 楊小軍;;圖片特征提取[J];中小企業(yè)管理與科技(中旬刊);2017年03期

7 武弘;;六種常用的網(wǎng)絡(luò)流量特征提取工具[J];計(jì)算機(jī)與網(wǎng)絡(luò);2017年06期

8 李晉徽;楊俊安;王一;;一種新的基于瓶頸深度信念網(wǎng)絡(luò)的特征提取方法及其在語(yǔ)種識(shí)別中的應(yīng)用[J];計(jì)算機(jī)科學(xué);2014年03期

9 唐朝霞;;一種基于特征提取的簡(jiǎn)答題閱卷算法[J];湖南工程學(xué)院學(xué)報(bào)(自然科學(xué)版);2010年01期

10 曹國(guó)輝;;車輛特征提取方法綜述[J];中國(guó)水運(yùn)(理論版);2006年03期

相關(guān)博士學(xué)位論文 前10條

1 王曉輝;汽車模具表面缺陷特征提取關(guān)鍵技術(shù)研究[D];南昌大學(xué);2019年

2 蘇雷曼 施查布（SOULEYMAN CHAIB）;面向高分辨率圖像場(chǎng)景分類的特征提取與選擇研究[D];哈爾濱工業(yè)大學(xué);2018年

3 宋洪超;基于微波的乳腺癌檢測(cè)算法研究[D];北京郵電大學(xué);2018年

4 溫柳英;多模態(tài)數(shù)據(jù)特征提取的粒計(jì)算方法研究與應(yīng)用[D];西南石油大學(xué);2017年

5 李文娟;基于局部特征提取的人臉識(shí)別方法研究[D];天津大學(xué);2017年

6 王振宇;面向人臉識(shí)別的特征提取技術(shù)應(yīng)用研究[D];東南大學(xué);2016年

7 馬麗紅;復(fù)雜背景下人臉的定位和特征提取[D];華南理工大學(xué);1999年

8 謝平;故障診斷中信息熵特征提取及融合方法研究[D];燕山大學(xué);2006年

9 張紹武;基于支持向量機(jī)的蛋白質(zhì)分類研究[D];西北工業(yè)大學(xué);2004年

10 李建生;圖像元數(shù)據(jù)特征提取及其在檢索中的應(yīng)用[D];南京師范大學(xué);2006年

相關(guān)碩士學(xué)位論文 前10條

1 孫月如;面向人臉圖片的特征提取與分類算法研究[D];重慶郵電大學(xué);2019年

2 白冰;噪聲背景下聲音事件的特征提取及識(shí)別[D];湘潭大學(xué);2019年

3 李曉峰;航空遙感光電圖像預(yù)處理與目標(biāo)特征提取技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2019年

4 李凈霖;基于計(jì)算機(jī)視覺(jué)的同步定位與三維建圖方法研究[D];哈爾濱工業(yè)大學(xué);2019年

5 劉召婕;基于感興趣區(qū)域的舌象特征提取與病理分析[D];哈爾濱工業(yè)大學(xué);2018年

6 張勝峰;極化特征在真假?gòu)楊^識(shí)別中的應(yīng)用[D];中國(guó)電子科技集團(tuán)公司電子科學(xué)研究院;2019年

7 丁李;湘西方塊苗文圖像的特征提取與識(shí)別研究[D];吉首大學(xué);2019年

8 邱勇輝;網(wǎng)絡(luò)銀行異常交易檢測(cè)技術(shù)與應(yīng)用研究[D];中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院深圳先進(jìn)技術(shù)研究院);2019年

9 胡運(yùn)杰;風(fēng)力發(fā)電機(jī)組軸承的特征提取及其故障診斷研究[D];武漢理工大學(xué);2018年

10 張仕婧;基于腦電信號(hào)混合特征提取的情緒識(shí)別模型研究[D];廈門大學(xué);2017年

本文編號(hào)：2865583