期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到4篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
全天空云图图像复原算法 被引量：8
1
作者 朱想 周海 +2 位作者 丁杰 陈志宝 丁宇宇 《计算机辅助设计与图形学学报》 EI CSCD 北大核心 2014年第6期896-902,共7页
在使用全天空成像仪对天空进行观测时,由于该设备结构的特点导致采集的云图信息缺失和图形球面畸变,使全天空观测产生误差,为此提出一种全天空云图图像复原算法.针对地基云图的噪声和畸变特点,利用双线性插值收缩图像修复算法对地基云... 在使用全天空成像仪对天空进行观测时,由于该设备结构的特点导致采集的云图信息缺失和图形球面畸变,使全天空观测产生误差,为此提出一种全天空云图图像复原算法.针对地基云图的噪声和畸变特点,利用双线性插值收缩图像修复算法对地基云图中固定区域噪声进行复原;然后提出云图遮光带运动预测插值算法和改进型统计扇形插值云图畸变矫正算法,对云图中的遮光带和球面畸变进行图像复原,最终完成对地基云图的修复.实验结果表明,该算法具有普适性,可以更好地复原云图所携带的天空信息. 展开更多
关键词 云图修复 全天空成像仪 畸变校正 云运动预测
下载PDF
结合U-Net和STGAN的多时相遥感图像云去除算法
2
作者 王卓 马骏 +3 位作者 郭毅 周川杰 柏彬 李峰 《遥感学报》 EI CSCD 北大核心 2024年第8期2089-2100,共12页
针对光学遥感图像中云的遮挡可能会降低甚至完全遮挡图像中的某些地面覆盖信息,限制对地观测、变化检测或土地覆盖分类等的问题,云去除是迫切需要解决的一项重要任务。为了恢复被云遮挡的地面区域,提出一种基于多时相遥感图像的两阶段... 针对光学遥感图像中云的遮挡可能会降低甚至完全遮挡图像中的某些地面覆盖信息,限制对地观测、变化检测或土地覆盖分类等的问题,云去除是迫切需要解决的一项重要任务。为了恢复被云遮挡的地面区域,提出一种基于多时相遥感图像的两阶段云去除算法。第一阶段是云分割,即直接使用U-Net提取云并去除薄云。第二阶段是图像恢复,采用时空生成网络(STGAN)去除厚云,STGAN的生成模型采用改进的多输入的U-Net,通过一次从同一位置的7帧图像序列中提取关键特征恢复相应的不规则厚云覆盖区域。第一阶段的薄云处理有利于后面的STGAN捕捉到更多的地面信息。实验结果表明,与传统的去云方法和深度学习Pix2Pix等算法相比较,该算法无论在视觉效果上,还是峰值信噪比(PSNR)与结构相似性(SSIM)等客观质量评价指标上,均有显著的提升,有利于光学遥感图像的进一步利用。 展开更多
关键词 遥感图像 多时相 云去除 图像恢复 U-Net STGAN
原文传递
基于稠密残差网络的多序列卫星图像去云
3
作者 肖昌城 吴锡 何妍 《计算机应用研究》 CSCD 北大核心 2022年第1期303-307,共5页
遥感影像中最常见的问题是云层污染,它会导致图像信息缺失,降低遥感数据的可用性。针对该问题,提出了一种基于稠密残差网络的多序列卫星图像去云算法。首先,该网络使用多序列的有云卫星图像作为输入,能为网络提供更多的时序特征信息,提... 遥感影像中最常见的问题是云层污染,它会导致图像信息缺失,降低遥感数据的可用性。针对该问题,提出了一种基于稠密残差网络的多序列卫星图像去云算法。首先,该网络使用多序列的有云卫星图像作为输入,能为网络提供更多的时序特征信息,提升去云效果;其次,在网络中段使用稠密残差层,以保证卷积层之间最大程度地传递和使用特征信息,让生成的修复图像整体结构合理、边缘细节更加清晰;最后,使用像素上采样来增强空间信息的利用,提升修复效果。该方法在欧洲“哨兵-2”遥感卫星图像数据集上进行验证,峰值信噪比和结构相似度指标为27.59和0.8540,两项指标均超过了该数据集的原处理方法STGAN,提升了遥感图像去云的效果。 展开更多
关键词 图像去云 遥感影像 图像修复 稠密残差块 多时序图像
下载PDF
基于迁移学习的原子力显微镜成像恢复方法
4
作者 胡佳成 颜迪新 +2 位作者 施玉书 黄鹭 李东升 《光子学报》 EI CAS CSCD 北大核心 2020年第4期214-222,共9页
受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数... 受限于探针针尖结构尺寸,用原子力显微镜进行微纳测量时会产生图像边缘失真.提出了一种基于迁移学习的原子力显微镜成像恢复方法,通过迁移学习训练源模型和靶模型实现一维栅格成像恢复.该方法采用数学形态法中的腐蚀算法生成栅格点云数据,通过U-Net网络源模型从点云中提取针尖卷积效应的特征向量,将权重参数迁移至U-Net网络靶模型,靶模型在自适应正则化方法下进行监督学习.实验结果表明,该方法能有效恢复一维栅格的原子力显微镜测量图像,提高横向分辨力,可用于纳米栅格的线宽检测上. 展开更多
关键词 原子力显微镜 三维点云 成像恢复 迁移学习 盲去卷积
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部