遥感卫星传感器与观测目标之间的相对运动是导致遥感图像退化的常见因素之一。对运动模糊图像的频谱特性进行了分析,基于Radon变换估算运动模糊角度和长度,进而准确估计退化图像的点扩散函数进行图像复原。针对实际模糊图像频谱中出现...遥感卫星传感器与观测目标之间的相对运动是导致遥感图像退化的常见因素之一。对运动模糊图像的频谱特性进行了分析,基于Radon变换估算运动模糊角度和长度,进而准确估计退化图像的点扩散函数进行图像复原。针对实际模糊图像频谱中出现的十字亮线严重干扰Radon变换准确性的问题,提出频谱分块与边缘检测相结合的改进算法,提高了检测精度。最后对实际发生运动模糊的对月遥感图像进行了模糊参数估计,并采用FTVd(fast total variation(TV)deconvolution)算法进行图像复原,实验证明参数估计精确,复原效果好。展开更多
目的由于高光谱遥感数据携带丰富的光谱和空间信息,使其在许多领域得以广泛关注和应用。但是高光谱遥感数据在获取过程中受到各种因素的影响,存在多种不同程度的退化,进而影响到后续的处理和应用。因此,提出一种基于低秩矩阵近似和混合...目的由于高光谱遥感数据携带丰富的光谱和空间信息,使其在许多领域得以广泛关注和应用。但是高光谱遥感数据在获取过程中受到各种因素的影响,存在多种不同程度的退化,进而影响到后续的处理和应用。因此,提出一种基于低秩矩阵近似和混合全变差正则化方法来复原退化的高光谱遥感数据。方法首先分析高光谱遥感数据的两种低秩先验:光谱低秩先验和空间低秩先验;然后利用光谱低秩先验建立低秩矩阵近似表示模型,有效抑制稀疏噪声,例如脉冲噪声、条纹噪声、死线噪声等;再利用空间低秩先验建立混合全变差正则化模型,有效去除高密度噪声,例如强高斯噪声、泊松噪声等;最后结合两种模型的优势,建立基于低秩矩阵近似和混合全变差正则化模型。结果利用多组高光谱遥感数据,和多种相关的高光谱复原方法进行对比仿真实验,表明新模型的结果在视觉质量有很大改进。与目前最新的复原模型相比,提出的模型的平均峰值信噪比能提高1.8 d B,而平均结构相似数值指标能提高0.05。结论新模型充分利用高光谱遥感数据的空间和光谱低秩先验,针对含有高密度噪声和稀疏异常值的高光谱遥感数据,能够有效复原出高质量的高光谱遥感数据。展开更多
文摘遥感卫星传感器与观测目标之间的相对运动是导致遥感图像退化的常见因素之一。对运动模糊图像的频谱特性进行了分析,基于Radon变换估算运动模糊角度和长度,进而准确估计退化图像的点扩散函数进行图像复原。针对实际模糊图像频谱中出现的十字亮线严重干扰Radon变换准确性的问题,提出频谱分块与边缘检测相结合的改进算法,提高了检测精度。最后对实际发生运动模糊的对月遥感图像进行了模糊参数估计,并采用FTVd(fast total variation(TV)deconvolution)算法进行图像复原,实验证明参数估计精确,复原效果好。
文摘目的由于高光谱遥感数据携带丰富的光谱和空间信息,使其在许多领域得以广泛关注和应用。但是高光谱遥感数据在获取过程中受到各种因素的影响,存在多种不同程度的退化,进而影响到后续的处理和应用。因此,提出一种基于低秩矩阵近似和混合全变差正则化方法来复原退化的高光谱遥感数据。方法首先分析高光谱遥感数据的两种低秩先验:光谱低秩先验和空间低秩先验;然后利用光谱低秩先验建立低秩矩阵近似表示模型,有效抑制稀疏噪声,例如脉冲噪声、条纹噪声、死线噪声等;再利用空间低秩先验建立混合全变差正则化模型,有效去除高密度噪声,例如强高斯噪声、泊松噪声等;最后结合两种模型的优势,建立基于低秩矩阵近似和混合全变差正则化模型。结果利用多组高光谱遥感数据,和多种相关的高光谱复原方法进行对比仿真实验,表明新模型的结果在视觉质量有很大改进。与目前最新的复原模型相比,提出的模型的平均峰值信噪比能提高1.8 d B,而平均结构相似数值指标能提高0.05。结论新模型充分利用高光谱遥感数据的空间和光谱低秩先验,针对含有高密度噪声和稀疏异常值的高光谱遥感数据,能够有效复原出高质量的高光谱遥感数据。
