掃一掃
關注中圖網
官方微博
本類五星書更多>
-
>
宇宙、量子和人類心靈
-
>
氣候文明史
-
>
南極100天
-
>
考研數學專題練1200題
-
>
希格斯:“上帝粒子”的發明與發現
-
>
神農架疊層石:10多億年前遠古海洋微生物建造的大堡礁
-
>
聲音簡史
遙感圖像質量提升理論與方法 版權信息
- ISBN：9787030566447
- 條形碼：9787030566447 ; 978-7-03-056644-7
- 裝幀：一般純質紙
- 冊數：暫無
- 重量：暫無
- 所屬分類：>>
遙感圖像質量提升理論與方法 內容簡介
遙感圖像的獲取過程總是會受到各種不確定性的干擾而產生一定程度的降質和退化。噪聲、模糊、薄云、缺失、陰影和降采樣等降質方式都會使圖像質量明顯下降。本書較為系統地探討不同降質方式之間的聯系與區別，闡述不同降質現象的機理和相應的解決方法，并針對遙感圖像質量改善領域的噪聲分布、觀測模型、規整化方式和多源信息融合等基本問題進行深入分析。 本書適合遙感圖像質量改善方面從事理論研究和工程實現的科研人員閱讀，也可以作為高等院校相關專業的研究生教材。
遙感圖像質量提升理論與方法 目錄
目錄
前言
第1章 緒論 1
1.1 研究意義和背景 1
1.2 本領域的發展概況 3
參考文獻 4
第2章 遙感系統成像模型與圖像降質分析 5
2.1 成像系統的基本原理 5
2.2 基本成像模型與降質模式 9
2.3 三個基本問題 14
參考文獻 16
第3章 遙感圖像除噪聲 17
3.1 高光譜圖像條帶噪聲 17
3.1.1 矩匹配方法 18
3.1.2 改進的矩匹配方法 19
3.2 SAR圖像斑點噪聲 20
3.2.1 Frost濾波器 21
3.2.2 Kuan濾波 21
3.2.3 Lee濾波 21
3.2.4 Gamma Map濾波 22
3.3 常見加性除噪方法 22
3.3.1 全變分除噪 22
3.3.2 小波除噪 24
3.3.3 雙邊濾波除噪 27
3.3.4 塊匹配除噪 28
3.3.5 低秩 30
3.3.6 圖像塊似然對數期望 32
3.3.7 稀疏表征 34
3.4 同步噪聲理論 38
3.4.1 基于同步噪聲選擇非線性擴散的停止時間 38
3.4.2 基于同步噪聲優化非局部平均除噪 41
參考文獻 44
第4章 遙感圖像薄云去除 48
4.1 基于大氣散射模型的方法 48
4.1.1 暗通道先驗法 49
4.1.2 顏色衰減先驗法 52
4.1.3 卷積網絡獲取介質傳播圖 55
4.2 光譜混合分析 57
4.3 濾波的方法 59
4.3.1 同態濾波 60
4.3.2 小波變換 63
4.4 薄云*優化變換方法 67
參考文獻 69
第5章 遙感圖像復原 72
5.1 遙感圖像模糊的形成 72
5.2 已知模糊核函數的圖像復原 77
5.2.1 基本的變換域圖像復原逆濾波 77
5.2.2 基本的空域圖像復原 81
5.2.3 引入先進的規整化方法 83
5.2.4 多通道圖像復原 87
5.3 未知模糊核函數的盲復原 88
5.3.1 早期方法 88
5.3.2 變分貝葉斯盲復原 90
參考文獻 95
第6章 遙感圖像的融合 98
6.1 遙感圖像的分辨率 98
6.2 多光譜與全色融合 101
6.2.1 全色與多光譜融合研究現狀 103
6.2.2 色度融合的改進算法 107
6.2.3 色度融合與多分辨率融合的關系 108
6.2.4 基于成像模型的色度融合 113
6.2.5 基于成像模型的多分辨率融合 122
6.3 時空遙感圖像融合 130
6.3.1 Landsat數據 131
6.3.2 MODIS數據 132
6.3.3 數據預處理 132
6.3.4 像元混合算法 133
6.4 多光譜與高光譜融合 140
6.4.1 基于小波的方法 140
6.4.2 基于稀疏表征的方法 142
6.4.3 基于非負矩陣因子化的方法 143
6.4.4 基于低秩矩陣的方法 146
6.5 融合結果的比較以及評價標準 147
參考文獻 148
第7章 超分辨率圖像重建 152
7.1 觀測模型 154
7.2 超分辨率圖像重建算法 157
7.2.1 非均勻插值方法 157
7.2.2 頻域方法 159
7.2.3 規整化的超分辨率重建方法 161
7.2.4 凸集投影方法 164
7.2.5 *大似然-凸集投影重建方法 166
7.2.6 其他超分辨率重建方法 166
7.3 超分辨率中的其他難題 168
7.3.1 考慮配準錯誤的超分辨率 168
7.3.2 盲超分辨率圖像重建 170
7.3.3 計算效率高的超分辨率算法 170
7.4 基于樣例的超分辨率重建 171
7.4.1 局部自相似性 171
7.4.2 非二進制的濾波器 172
7.4.3 濾波器設計 173
參考文獻 174
第8章 遙感圖像陰影檢測與去除 179
8.1 陰影的簡介 179
8.1.1 陰影的屬性 180
8.1.2 陰影的利弊 180
8.2 陰影檢測的方法 180
8.2.1 基于物理模型的方法 181
8.2.2 基于顏色空間模型的方法 182
8.2.3 基于閾值分割的方法 184
8.2.4 基于種子區域增長的方法 185
8.2.5 基于幾何模型的方法 186
8.2.6 陰影檢測方法對比 188
8.3 陰影去除的方法 189
8.3.1 基于顏色恒常性的方法 189
8.3.2 基于Retinex圖像的方法 191
8.3.3 基于HSI色彩空間的方法 193
8.3.4 基于同態濾波的方法 194
8.3.5 基于馬爾可夫場的方法 196
8.3.6 陰影去除方法對比 197
參考文獻 198
前言
第1章 緒論 1
1.1 研究意義和背景 1
1.2 本領域的發展概況 3
參考文獻 4
第2章 遙感系統成像模型與圖像降質分析 5
2.1 成像系統的基本原理 5
2.2 基本成像模型與降質模式 9
2.3 三個基本問題 14
參考文獻 16
第3章 遙感圖像除噪聲 17
3.1 高光譜圖像條帶噪聲 17
3.1.1 矩匹配方法 18
3.1.2 改進的矩匹配方法 19
3.2 SAR圖像斑點噪聲 20
3.2.1 Frost濾波器 21
3.2.2 Kuan濾波 21
3.2.3 Lee濾波 21
3.2.4 Gamma Map濾波 22
3.3 常見加性除噪方法 22
3.3.1 全變分除噪 22
3.3.2 小波除噪 24
3.3.3 雙邊濾波除噪 27
3.3.4 塊匹配除噪 28
3.3.5 低秩 30
3.3.6 圖像塊似然對數期望 32
3.3.7 稀疏表征 34
3.4 同步噪聲理論 38
3.4.1 基于同步噪聲選擇非線性擴散的停止時間 38
3.4.2 基于同步噪聲優化非局部平均除噪 41
參考文獻 44
第4章 遙感圖像薄云去除 48
4.1 基于大氣散射模型的方法 48
4.1.1 暗通道先驗法 49
4.1.2 顏色衰減先驗法 52
4.1.3 卷積網絡獲取介質傳播圖 55
4.2 光譜混合分析 57
4.3 濾波的方法 59
4.3.1 同態濾波 60
4.3.2 小波變換 63
4.4 薄云*優化變換方法 67
參考文獻 69
第5章 遙感圖像復原 72
5.1 遙感圖像模糊的形成 72
5.2 已知模糊核函數的圖像復原 77
5.2.1 基本的變換域圖像復原逆濾波 77
5.2.2 基本的空域圖像復原 81
5.2.3 引入先進的規整化方法 83
5.2.4 多通道圖像復原 87
5.3 未知模糊核函數的盲復原 88
5.3.1 早期方法 88
5.3.2 變分貝葉斯盲復原 90
參考文獻 95
第6章 遙感圖像的融合 98
6.1 遙感圖像的分辨率 98
6.2 多光譜與全色融合 101
6.2.1 全色與多光譜融合研究現狀 103
6.2.2 色度融合的改進算法 107
6.2.3 色度融合與多分辨率融合的關系 108
6.2.4 基于成像模型的色度融合 113
6.2.5 基于成像模型的多分辨率融合 122
6.3 時空遙感圖像融合 130
6.3.1 Landsat數據 131
6.3.2 MODIS數據 132
6.3.3 數據預處理 132
6.3.4 像元混合算法 133
6.4 多光譜與高光譜融合 140
6.4.1 基于小波的方法 140
6.4.2 基于稀疏表征的方法 142
6.4.3 基于非負矩陣因子化的方法 143
6.4.4 基于低秩矩陣的方法 146
6.5 融合結果的比較以及評價標準 147
參考文獻 148
第7章 超分辨率圖像重建 152
7.1 觀測模型 154
7.2 超分辨率圖像重建算法 157
7.2.1 非均勻插值方法 157
7.2.2 頻域方法 159
7.2.3 規整化的超分辨率重建方法 161
7.2.4 凸集投影方法 164
7.2.5 *大似然-凸集投影重建方法 166
7.2.6 其他超分辨率重建方法 166
7.3 超分辨率中的其他難題 168
7.3.1 考慮配準錯誤的超分辨率 168
7.3.2 盲超分辨率圖像重建 170
7.3.3 計算效率高的超分辨率算法 170
7.4 基于樣例的超分辨率重建 171
7.4.1 局部自相似性 171
7.4.2 非二進制的濾波器 172
7.4.3 濾波器設計 173
參考文獻 174
第8章 遙感圖像陰影檢測與去除 179
8.1 陰影的簡介 179
8.1.1 陰影的屬性 180
8.1.2 陰影的利弊 180
8.2 陰影檢測的方法 180
8.2.1 基于物理模型的方法 181
8.2.2 基于顏色空間模型的方法 182
8.2.3 基于閾值分割的方法 184
8.2.4 基于種子區域增長的方法 185
8.2.5 基于幾何模型的方法 186
8.2.6 陰影檢測方法對比 188
8.3 陰影去除的方法 189
8.3.1 基于顏色恒常性的方法 189
8.3.2 基于Retinex圖像的方法 191
8.3.3 基于HSI色彩空間的方法 193
8.3.4 基于同態濾波的方法 194
8.3.5 基于馬爾可夫場的方法 196
8.3.6 陰影去除方法對比 197
參考文獻 198
展開全部
遙感圖像質量提升理論與方法 節選
第1章 緒論 1.1 研究意義和背景 遙感圖像的成像質量及分辨率的高低是衡量衛星遙感能力的一個重要指標。進入21世紀以來，各國都在努力提高遙感衛星圖像的空間分辨率、時間分辨率、光譜分辨率和輻射分辨率等。其中空間分辨率的改善*為明顯。一方面，各空間機構通過各種技術手段提高遙感衛星的空間分辨率，例如發射分辨率高于1m的衛星；另一方面，科研機構與應用部門通過地面圖像處理的技術手段設法提高已獲取圖像的實際分辨能力。 直接在衛星上改善成像質量、提高分辨率面臨很多制約。*先，實際成像光學系統的研制始終存在各種制約。例如，理想狀態點擴展函數(point spread function， PSF)的成像光學系統目前在技術上還難以達到。其次，增加成像器件上感光單元密度存在各種制約。例如，對于空間分辨率，減小像素尺寸可以提高單位面積上的像素個數，但隨著像素尺寸的減小，光電轉換獲取的光強能量也會減小，這時很小的噪聲就會導致圖像質量惡化；通過增加成像芯片的尺寸可以增加成像的總像素數，但這會導致電容增大，影響電荷交換速度，同時導致芯片體積過大，難以在星上傳感器中使用。對于時間分辨率，往往很難在保證空間分辨率的前提下獲得非常高的回訪頻率。實際上，空間分辨率、時間分辨率、光譜分辨率、輻射分辨率很難同時達到*優。星上傳感器體積不能無限大，衛星的供電能力也不能無限大。 除了制造工藝和回訪周期等方面的制約，衛星獲取圖像時有很多因素會影響實際成像質量，如大氣擾動、衛星運動、散焦、成像設備老化等。一般來說，經過一系列復雜的成像過程才能產生光學圖像。*先是大氣擾動。各種波段的電磁波在穿過大氣層時，大氣湍流會導致圖像模糊，而且大氣中包含的水蒸氣或薄霧也會使傳感器接收到的地物反射或輻射的電磁波信息模糊和失真。其次是衛星的運動。衛星的運動會導致運動模糊，同時衛星的高度和角度也會影響圖像的空間分辨率。*后是成像設備的老化，可能使圖像的輻射特性改變，也可能使相關參數變差。此外，成像設備本身也會經常出現問題，如像元的缺失、像元制造工藝的誤差和噪聲等。這些因素都會造成遙感圖像的小范圍缺失，從而影響圖像質量。目前遙感圖像的空間分辨率越來越高，較高的建筑物或云都會產生陰影。這也是影響遙感圖像質量的重要因素之一。 綜上所述，從技術實現的角度，衛星獲取高質量的遙感圖像面臨兩個主要的難題，一是成像系統難以獲得具有理想PSF的成像光學系統，以及具有高信噪比的高密度圖像傳感器；二是大氣擾動、運動、散焦等對圖像實際分辨率的影響？偟膩砜，成像過程中各種原因造成的模糊、降采樣、噪聲、光電轉換不理想，陰影和薄云等都會降低遙感圖像的質量和實際分辨率。 既然直接在衛星上改善圖像質量或提高分辨率面臨很多難題，那么通過地面圖像處理的技術手段從成像模型和數據處理的角度改善圖像質量顯然更有意義。近年來，基于更先進的數字圖像處理算法來提高圖像質量的方法逐漸在國際上流行。各空間機構均在研究地面與空中相結合、成像過程與數據處理技術相結合的改善成像質量，以及提高衛星遙感分辨率的技術途徑與方法。 從圖像處理的角度來看，遙感圖像質量改善與分辨能力增強屬于圖像增強和圖像復原技術范疇，可以采用各種常規方法獲得一定的效果。但是，如果沒有很好地考慮引起遙感圖像實際降晰的關鍵因素，或者僅采用某種近似的圖像模型來表征退化因素就難以獲得更好的效果。尤其是，算法常常對圖像的具體內容依賴性強，難以形成針對大多數遙感圖像或某一類傳感器圖像的通用處理算法。實際上，造成遙感圖像質量下降的關鍵因素存在于成像過程中。基于成像模型進行相應的圖像處理才是遙感圖像質量改善的關鍵。 在地面處理過程中，可以基于成像模型和圖像處理算法提高遙感圖像的實際分辨能力。成像模型改善圖像質量的方法顯然具備很多的優點。*先，基于成像模型提高圖像質量更加經濟，因為改變硬件質量需要高昂的研發成本，而且技術周期比較長。其次，基于成像模型改善圖像質量的方法更加靈活。衛星上的設備體積不能太大，而且耗電也不能無限多，這就限制了成像設備的應用；诔上衲Ｐ透纳茍D像分辨能力不需要在太空完成，很多算法都可以在地面完成。地面處理系統各方面限制都很小，因此時間復雜度高的算法的實施就更加容易。*后，星上成像設備的各種分辨率是有限的，基于成像模型提高圖像質量可以突破現有的圖像分辨率極限、挖掘現有衛星圖像的潛力，為更高分辨率成像設備的研發提供理論支持。 由此可見，在確定的傳感器硬件和圖像觀測條件下，考慮成像模型結合數據處理技術來改善和提高衛星圖像質量，以及實際分辨能力的研究有非常重要的意義。采用先進圖像處理方法和技術，提高各類衛星遙感圖像的實際分辨能力，擴展衛星遙感的應用范圍，是我們面臨的急迫任務和必須解決的問題。本書研究不同類型的圖像降晰模式，重點闡述基于成像模型改善成像質量和提高圖像分辨能力的算法，并對各種模型的特點提出改進的方案。 1.2 本領域的發展概況 在地面處理系統中，依靠軟件和圖像處理算法來改善遙感圖像質量的各種技術手段發展非常迅速。 為了改善圖像質量，獲得更高的圖像分辨率，人們嘗試了各種方法，但是很多做法仍然是對有限分辨率的原始成像進行像素內插，本質上并不能提高圖像的空間分辨率。因此，人們開始求助于建立簡單的成像模型，希望針對降晰環節的特性進行補救，進而通過對降晰圖像進行處理來提高其實際分辨率。*常見的方法是利用成像光學系統的PSF進行反卷積，去除光學系統的影響，增加圖像的細節，同時在處理過程中去除成像系統的噪聲等。這種技術就是傳統的圖像復原。經過這些處理，圖像的分辨率可以得到改善，但獲得的并不一定是真實的高分辨率圖像，而是對高分辨率圖像的某種估計？傮w來看，早期的圖像復原都是要把模糊的圖像變得更加清晰。這種處理從成像模型的角度解釋是成像過程中的模糊環節。模糊環節包括運動模糊、大氣模糊、光學模糊、電子系統導致的模糊等。 顯然，去模糊簡捷有效，但它只是對模糊現象有一定的效果。去模糊的算法并不適用圖像降采樣的情況，因為它們是完全不同的降晰模式，需要不同的成像模型。降采樣是導致圖像退化*重要的原因之一。自然場景是連續、無限可分的，但數字圖像是離散、有限帶寬的。從連續的自然場景到離散的數字圖像必然要丟失一些信息，高分辨率的傳感器只能保留更多的信息而不是全部。對于一幅單一的圖像，如果沒有額外的先驗信息，無論PSF多精確，抑制噪聲的手段多么高超，都不能恢復出因為降采樣而丟失的信息。隨著科技的進步，對同一場景獲取多幅遙感圖像已經不是什么困難的事情。多幅同一場景的序列圖像擁有更多的信息量，在一定程度上使克服降采樣成為可能。具有廣闊前景的方法是采用信號處理技術從多幀低分辨率(low resolution， LR)圖像中重建高分辨率圖像。這也是目前圖像處理領域特別活躍的超分辨率重建技術，其主要優點是成本低廉且現有的成像系統仍可利用。成像系統相當于一個低通濾波器，具有一定的截止頻率。圖像的超分辨率重建就是希望盡可能地在一定限度上挽回圖像的分辨率損失，以彌補其不足，即在保證通頻帶內圖像低頻信息復原的基礎上，對截止頻率以上的高頻信息進行復原，使重建圖像獲得更多的細節和信息，從而更加接近理想圖像。超分辨率重建可以去除成像系統的降晰(散焦降晰、運動降晰等)，在一定程度上消除降采樣帶來的圖像退化，復原超出光學系統衍射極限的空間頻率信息。但是，超分辨率的算法從誕生起就面臨難以逾越的難題，目前制約其走向實用的仍然是精確配準多幅圖像的問題。真正實用的超分辨率算法仍然要靠眾多的研究者不懈地探索。除了基于序列圖像的重建，還有一個十分活躍的研究領域，即利用圖像融合提高分辨率。在遙感領域，一顆衛星上往往帶有多種傳感器，或者多種衛星多種傳感器都對同一場景采集了數據，為了更好地提高圖像的可利用性，利用不同傳感器之間的信息互補提高圖像分辨能力也是非常有效的方法。利用這種方法提高分辨率特性已經很流行，但是這種方法的成像模型卻沒有受到重視。 如上所述，圖像復原、圖像融合和圖像重建這三類提高圖像分辨能力的方法都涉及成像模型。它們都是針對成像過程中的某個特殊環節。圖像復原側重于消除圖像的模糊現象，如運動模糊、散焦模糊、大氣湍流等。圖像融合側重的是利用不同傳感器內部成像差異的互補特性，如光譜響應函數不同，電荷耦合器件(charge coupled device， CCD)內部的電壓分級機制不同等。融合算法的成像模型一般不涉及大氣模糊或光學系統模糊等，也不直接解釋圖像的降采樣。序列圖像的超分辨率重建側重的是消除圖像降采樣產生的圖像退化，同時兼顧各種模糊現象。因此，三類算法雖然都是針對提高遙感圖像分辨率特性，但是它們的成像模型卻各有其側重點。 圖像復原、圖像融合和圖像重建主要針對噪聲、模糊、降采樣、缺失等遙感圖像降晰模式。這些降晰模式主要由成像過程中的內在原因造成，如設備老化、制造工藝不佳、回訪周期長等。陰影和薄云則是由遙感成像過程中的外部不利因素導致的降晰結果，需要相應的成像模型和數據處理手段進行補救。 基于成像模型改善衛星圖像質量的關鍵技術有待進一步突破。國內的研究也已經有一定的進展。例如，李金宗等完成的“衛星圖像復原及超分辨率處理技術研究”在不改變星載成像系統硬件的情況下，采用地面圖像處理方法，大幅度增強了衛星圖像的分辨率、對比度和清晰度。在星上相機設計與地面信息處理相結合模式方面，劉新平等[1]也進行了這方面的研究，對4幅相同空間分辨率的圖像進行圖像重建后，新的空間分辨率是4幅圖的1.8倍左右。郝鵬威等[2]從分辨率低的欠采樣圖像會導致相應頻域頻譜混疊的理論出發，給出多次欠采樣圖像在頻域混疊的更一般公式，提出一種針對不同分辨率圖像解頻譜混疊的逐行迭代方法。仿真實驗證明，他的方法在有噪聲的情形下也有很好的收斂性。 這里必須強調的一點是，很多國內涉及改善圖像質量和提高圖像分辨率的研究出于技術保密原因，較少在國際上著名的期刊上發表高水平的文章。因此，本書對國內成果的介紹不代表本書觀點。 參考文獻 [1] 劉新平， 高瞻， 鄧年茂， 等. 面陣CCD作探測器的“亞象元”成象方法及實驗. 科學通報， 1999， (15): 1603-1605. [2] 郝鵬威， 徐冠華， 朱重光. 數字圖像空間分辨率改善的頻率域方法. 中國科學: 技術科學， 1999， (3): 235-244. 第2章 遙感系統成像模型與圖像降質分析 2.1 成像系統的基本原理 本書涉及的光學遙感圖像是指在電磁波(紫外線到微波)范圍內，利用傳感器直接或間接得到與目標物體電磁輻射特性相對應的形象圖像和能夠轉化為形象圖像的數據資料的統稱，如航空攝影儀的各種照片、陸地衛星多光譜掃描儀(multi spectral scanner， MSS)圖像、返束光導攝像管(return beam vidicon， RBV)圖像、航天飛機和航空側視雷達圖像，以及眾多的數字圖像等。無論是紫外線、可見光、紅外線、微波的哪個波段范圍，也無論是哪種成像方式，凡是直觀圖像的資料都統稱為圖像。遙感圖像的劃分，從不同的角度有不同的劃分方法。所有通過傳感器得到目標物遙感圖像的過程都是遙感圖像的成像過程。遙感圖像成像的原理主要涉及各種遙感成像條件、成像器材、成像機理、成像過程及有關系統。這是一個涉及范圍廣泛且技術更新迅速的學科。 對于不同的成像過程一般采用不同的成像模型來研究。本書不但討論圖像各個種類中的個性問題，而且考慮成像過程中的共性問題，重點研究光學遙感圖像。 一般來說，場景經過一系列復雜的成像過程才能產生光學圖像，如圖2.1所示。 圖2.1 從場景到圖像總的過程 任何光學遙感成像都要經過大氣才能成像。大氣對遙感的影響主要體現在其對電磁波輻射的各種影響上。遙感傳感器接受的是地物反射或輻射的電磁波。各種波段的電磁波在穿過大氣層時，由
書友推薦
- >
大紅狗在馬戲團-大紅狗克里弗-助人
- >
二體千字文
- >
姑媽的寶刀
- >
小考拉的故事-套裝共3冊
- >
經典常談
- >
隨園食單
- >
唐代進士錄
- >
史學評論
本類暢銷
