遥感图像薄云去除技术研究

论文摘要

经过几十年的发展,遥感技术在国民经济的发展中有着越来越广泛的应用。遥感数据的高成本使得充分利用这些数据具有非常重要的意义。云雾的干扰是影响遥感数据质量的重要因素之一。因此在现有条件下寻找一种既准确又高效的去云方法就具有十分重要的意义。本文主要研究的是单幅图像的去云问题。本文采用数字图像变换的方法来去除无辅助信息的单幅遥感图像薄云覆盖,通过对薄云覆盖的遥感图像进行变换域处理,进行高通滤波去除云覆盖所在的低频信息,通过像素替换来改善滤波后图像细节损失问题。然后在此基础上,引入小波变换,利用小波变换的多分辨分析来进一步改善效果。最终提出一种将同态滤波和小波分析相结合的方法。然后选择三幅RGB单波段图像,分别使用改进的同态滤波法、小波变换法、边缘检测与小波变换结合法、同态滤波与小波变换结合法、边缘检测及同态滤波与小波变换结合法进行薄云去除实验。研究结果表明:(1)利用像素替换的方法对传统同态滤波的结果能够有一定程度的改善,但改善结果不够理想。(2)将小波变换分析引入遥感图像去云中能够获得较好的去云效果。而将同态滤波与小波变换相结合的方法既能有效去除图像中的云雾,又能较大程度保留无云区域的信息。研究的创新之处在于:(1)提出的同态滤波与小波变换相结合的方法对图像分别对图像的低频和高频部分同时进行了处理,既有效去除了云雾,又能恢复无云区信息。(2)将单波段灰度图像去云中效果较好的方法结合HIS变换进行彩色图像去云,去云同时更保留了图像原有色彩信息,获得了较好的结果。(3)基于提高去云后图像边缘细节信息的思想,尝试将小波模极大值边缘检测融入到各种算法中。

论文目录

• 摘要
• 英文摘要
• 1 绪论
• 1.1 引言
• 1.2 课题研究背景和意义
• 1.3 前人研究成果
• 1.4 本文的主要内容
• 2 遥感图像薄云去除相关理论研究
• 2.1 遥感技术系统的组成及成像机理
• 2.1.1 遥感技术系统的组成
• 2.1.2 遥感图像成像机理
• 2.2 傅里叶变换
• 2.2.1 连续傅里叶变换
• 2.2.2 离散傅里叶变换
• 2.3 小波变换
• 2.3.1 小波变换的定义及性质
• 2.3.2 离散小波变换和Mallat算法
• 2.3.2.1 离散小波变换
• 2.3.2.2 Mallat 算法
• 2.3.3 小波分解与重构算法的实现
• 2.4 小波包分析
• 2.5 本章小结
• 3 遥感图像薄云去除方法的研究
• 3.1 薄云图像模型
• 3.2 同态滤波法
• 3.2.1 同态滤波的原理及其实现
• 3.2.2 高通滤波器的设计
• 3.3 基于小波变换的去云法
• 3.3.1 引入小波变换的目的
• 3.3.2 基于小波变换的去云原理及其实现
• 3.4 彩色图像的薄云去除方法
• 3.4.1 HIS 格式的概念
• 3.4.2 HIS 变换公式
• 3.4.3 基于HIS 变换的彩色图像去云
• 3.5 本章小结
• 4 基于小波变换和同态滤波相结合的去云方法研究
• 4.1 改进的同态滤波
• 4.2 基于同态滤波与小波变换相结合的去云方法
• 4.2.1 将同态滤波方法引入小波变换法的思路
• 4.2.2 多尺度模极大值边缘检测
• 4.2.3 基于同态滤波与小波变换相结合的去云方法
• 4.3 基于小波包变换的图像去云法
• 4.4 本章小结
• 5 仿真实验结果与分析评价
• 5.1 实验结果所用统计评价方法
• 5.2 小波法去云相关参数的选择结果
• 5.3 分波段处理目视评价结果
• 5.4 实验结果统计分析
• 5.5 彩色图像实验结果
• 5.6 本章小结
• 6 总结与展望
• 6.1 总结
• 6.2 存在的不足
• 6.3 展望
• 参考文献
• 读硕期间发表的论文目录
• 致谢