基于非线性反锐化掩模的成像测井图像增强

提出了一种基于非线性反锐化掩模成像测井图像增强算法,根据人眼视觉特性,将成像测井图像划分为低、中、高3种细节区域,并对3种区域做不同程度的反锐化掩模增强。与线性反锐化掩模图像增强方法相比,非线性反锐化掩模图像增强方法既抑制了噪声,又达到了很好的增强效果。     

Laplace多尺度图像增强去噪算法

针对传统的单尺度图像增强算法的不足,提出了一种基于Laplace多尺度分解的图像增强算法。该算法将图像分为由高频到低频若干个子图像,对每个频道的细节图像进行不同的非线性变换,使得图像中最细微的、对诊断有用的信息得到有效的增强,同时图像又不被过增强,再通过分解的逆过程重建图像。试验表明,该方法能有效提高图像中细节的清晰度并抑制噪声。     

两种遥感图像增强方法对图像分类的适宜性分析

通过对遥感图像空间增强的锐化处理与辐射增强的降噪处理进行基于像元的监督分类,结合野外实地调查与增强前图像分类结果的比较,进行了两种增强方法对于图像分类的精度分析,研究表明,未增强图像进行监督分类的精度为58．41％,Kappa系数值为0．4738;锐化处理后图像分类精度提高至62．77％,Kappa系数值为0．5227;而去霾处理后图像分类精度可达89．00％,Kappa系数值达0．8625,是较适于进行基于像元图像分类的增强处理方法。     

基于细胞神经网络的卫星影像锐化处理

结合细胞神经网络（CNN）中的最有边缘探测模板,对卫星影像进行锐化处理。研究得到一种卫星影像的锐化处理方法,利用该模板的鲁棒性。根据需要进行参数调整,得到更理想的图像效果,显示出边缘信息更清楚的卫星图像.     

基于直方图处理的局部图像增强算法研究

研究了空间域下基于直方图处理的图像增强算法。通过直方图统计获得具体参数,根据平均值和方差调整图像的强度和对比度,以实现对图像的增强。由于对图像进行全局增强,不能有效突出局部特征,因此重点阐明局部图像增强的算法。试验结果表明,该算法可以有效增强图像的局部细节。     

基于Contourlet变换的农业图像增强方法研究

阐述了基于Contourlet变换的农业图像增强算法,并进行实例应用,结果表明,与传统的算法相比,该算法能够更有效地增强农业图像的重要特征,获得良好的效果,方便了农业专家和对农产品进行害虫检测与分级。     

基于软阈值的图像增强

图像增强技术是数字图像处理的的一个重要分支,提出了一种小波软阈值的图像增强算法,首先对原图像进行小波分解,得到分解后的小波系数,对给定的阈值,应用局部小波软阈值方法对小波系数处理,再将处理后的图像进行小波逆变换,得到增强后的图像.该方法在增强图像的同时,有效地抑制图像的噪声,较好地保持图像的边缘结构.     

基于高频提升滤波与直方图均衡化的图像增强方法

图像增强是图像处理的基本方法之一。直方图均衡化方法是传统经典的图像增强有效手段,但是处理过的图像损失了大量的灰度层次,且增强力度不够。高频提升滤波可以增强图像的高频成分,即图像的细节,从而弥补了直方图均衡方法的不足。采用空间域直方图均衡化和频率域高频提升滤波相结合的方法对图像进行处理。利用图像中变化剧烈的信息只与高频成分有关这一原理,结合MATLAB程序设计,实现了直方图均衡技术并对图像进行了增强处理,再在此基础上使用高频提升滤波对图像进行处理。试验结果表明,经该方法增强后的图像,其主观视觉效果明显改善,图像增强效果比单一采用一种技术的效果要好。     

基于受限分位直方图的小麦苗情图像增强方法

针对物联网监测的小麦苗情图像受成像自然环境和成像设备影响存在对比度低及图像模糊的问题,提出了基于受限分位直方图的小麦苗情图像增强方法,首先压缩高概率密度色彩频度来减少高频色彩的像素出现过增强问题,然后对调整后的直方图进行分位划分以保持图像在增强后的色彩均值信息,缓和图像均值色彩变化过大导致的过增强和噪声放大问题,最后对分位直方图在分位区间内依据累积分布函数分别进行直方图均衡化融合为最终输出图像。结果表明,该方法克服了传统全局直方图易出现的过增强和噪声放大问题,增强后的图像细节丰富,具有更好的视觉效果,能够满足小麦苗情远程监测图像增强的实际应用要求。     

基于小波变换的指纹图像增强算法

小波变换在对图像进行增强处理的过程中也对图像中存在的噪声做了同样的处理,在增强图像边缘细节的同时没有很好的进行图像消噪。针对这些不足,对传统的小波变换算法进行了改进。基于Mallat算法对小波分解和重构,在分解后保持低频信息的不变性,并利用小波系数的变换使图像信息得到增强,同时具有一定的图像消噪效果,该方法与传统的小波变换算法相比在图像增强处理中具有更好的效果。     

InSAR干涉图滤波方法比较

干涉条纹图滤波是合成孔径雷达干涉测量处理中不可缺少的重要环节。对干涉条纹图滤波的一个重要要求是在有效抑制噪声的同时尽可能地保持条纹的纹理信息。首先时干涉合成孔径雷达（InSAR）滤波方法进行分类,然后对基于局部统计自适应滤波中的4种算法：Goldstein滤波、INSAR干涉条纹图的复数空间自适应滤波、鲁棒加权圆周期滤波扣正余弦滤波法滤波进行了研究,每种算法都给出了真实数据的处理结果,以比较各种处理算法的优缺点。并且用5种定量的评价指标比较和评价上述4种滤波方法的优劣。     

合成孔径雷达水稻识别和监测研究进展

合成孔径雷达（SAR）具有全天时、全天候、高分辨率、大幅面监测地物的特征,利用SAR在阴雨天气多、云量大的水稻种植地区开展水稻识别、监测和估产具有光学遥感无可比拟的优势。目前基于雷达对水稻进行识别和监测的研究多用ERS/SAR、RADARSAT/SAR、ENVISATASAR等,其多是以民用或军民两用为主的星载合成孔径雷达。在用SAR数据监测水稻时,其后向散射系数来自4个方面：①入射波直接被水稻散射回去,即直接散射项（D-BS）;②入射波经水稻层的散射到达水面后,经水面反射到水稻层,经水稻层衰减回到雷达（SRE）;③入射波经水稻层衰减到达水面,经水面反射回到水稻层,经水稻层散射回去（ERS）;④入射波经水稻层衰减到达水面,经水面反射到水稻层,经水稻层的散射改变方向下行,再次经水面反射到水稻层,并经水稻层的衰减后回到雷达（W-R-W）。其中,后向散射系数的主要来源是SRE项和ERS项。SAR数据后向散射系数不仅要受到水稻物候期、植株高度、生物量、含水量等的影响,也受到自身入射角、波段、极化方式等的影响。一般地,水稻后向散射系数总体上是先随水稻生长增大,然后略有下降;水稻生长早期,后向散射系数随入射角波动的幅度较小,在水稻生长后期,后向散射系数随入射角波动的幅度变大,波动起伏次数增加;L波段和C波段的后向散射系数表现基本类同,但值要小很多,X波段则与L、C波段的表现相差较大。已有研究中大部分采用同极极化方式的后向散射系数作为研究对象。VV极化的后向散射系数变化比较平滑,HH极化的后向散射系数变化比较复杂。随着雷达卫星技术的发展,多极化、多模式、特殊波段将更能突出星载SAR的优势,拓宽SAR的应用范围,为进一步分析、识别和检测目标提供更有力的工具。     

微波遥感土壤湿度研究进展

土壤湿度是陆地和大气能量交换过程中的重要因子，并对陆地表面蒸散、水的运移、炭循环有很强的控制作用。利用微波遥感大面积监测土壤湿度在水文、气象和农业科学领域具有较大的应用潜力。微波遥感监测土壤湿度具有全天时、全天候并对地物有一定的穿透能力等特点，突破了传统测量方法和光学遥感获取土壤湿度的局限。微波遥感已逐渐成为目前监测土壤湿度的热门方法之一。     

紫金山国家森林公园全极化雷达图像分类比较

全极化雷达图像的最大优点是能够获取目标的全极化散射特征,从而使其在地表植被的分类和森林参数反演中具有较大的应用价值。以紫金山国家森林公园为研究对象,2011年的全极化雷达数据、典型地类野外调查数据为主要信息源,在PAULI、 SINCLAIR、 CLOUDE-POTTIER、 FREEDMAN-DURDEN四种目标特征值分解基础上,采用最大似然、支持向量机、神经元网络和随机森林4种方法进行监督分类。结果表明,5种组合中12个特征值组成的特征图像的最大似然分类的精度最高,总体分类精度为58.20%, CLOUDE-POTTIER、 FREEDMAN-DURDEN 总体分类精度较低,分别为51.86%、52.36%;4种分类方法中,12个特征值组合的图像的随机森林分类方法的总体分类精度最高,总体分类精度为74.29%,神经元网络的分类精度较低,总体分类精度为56.98%;6种地类中,针叶林、阔叶林和建筑的分类精度较高,草地、水体和裸地的分类精度较低。     

基于D-InSAR技术的地震形变场获取

阐述了合成孔径雷达干涉测量技术在地震监测方面的历史及现状;指出了\"三轨\"差分的基本原理;利用ENVISAT数据获取了巴姆地震形变场,并对地震形变结果进行了解译。发现形变主要发生在东面南北方向,南面地表上升约30cm,北面地表下降约18cm。     

土壤水分雷达遥感反演研究

【目的】 土壤水分对于农作物的生长、生态系统的平衡、水资源的稳定具有深远影响,精确监测土壤水分空间分布与时空变化,对于农业生产和环境保护至关重要。雷达遥感具备全天时、全天候工作的优势,还可以穿透云层和作物获取地表和土壤的关键信息,在土壤水分反演中具有重要作用。【方法】 文章系统探讨了雷达遥感在土壤水分反演领域的研究进展,介绍了反演的理论模型、经验模型和半经验模型发展历程与特点,阐述了人工智能和极化分解方法在土壤水分反演中的应用,同时论述了光学与雷达遥感协同反演土壤水分的原理与应用,着重介绍了光学模型结合水云模型的协同反演方法。【结果】 土壤水分雷达反演存在着雷达遥感影像和验证数据获取成本较高、作物覆盖影响下的反演建模困难、光学与雷达数据融合难度较大等问题。【结论】 未来应建立高质量雷达数据集、研发定点观测仪器、推广半经验反演模型,以及将人工智能技术引入到多源数据融合领域等,以促进雷达遥感反演土壤水分精度与效率的提升。     

基于多极化机载合成孔径雷达(SAR)数据的水稻识别

基于多极化(HH/HV/VH/VV)机载合成孔径雷达(SAR)数据,分析水稻和典型地物在不同极化方式上的响应特征及其差异,并根据水稻的极化响应特征进行识别.结果表明:水稻在不同极化方式上的响应差异比较大,而且水稻在水平极化(HH)和垂直极化(VV)上的差异明显高于其他地物;基于这一特点,利用水平极化和垂直极化的比值〈HH〉/〈VV〉提取水稻信息,取得了较好的效果,水稻识别精度可以达到90%以上;对增强水稻信息的图像进行自动分类,分类结果表明不同生长期的水稻能够得到一定程度的区分.     

基于多源遥感数据的大连新港海域溢油诊断

利用MODIS和Radarsat-2遥感数据对大连新港2010年7月16日的海上溢油信息进行提取分析,经过预处理的MODIS遥感数据,采用波段运算提取出溢油信息。较高分辨率的Radarsat-2数据经过几何校正、滤波等预处理,根据溢油的特点采用纹理分析法提取出边界明显的溢油信息,并与MODIS的溢油结果进行比较分析,排除MODIS图像上的非溢油信息,实现两种数据的优势互补。利用ArcGIS 9.3软件分别对2010年7月18日的MODIS数据和2010年7月19日的Radarsat-2数据提取出的溢油区域进行面积计算,其结果分别为174km2和198 km2与中国海监船的报道相符合,说明了此方法的可行性。     

多时相遥感提取水稻种植区研究进展

水稻是我国主要的粮食作物之一,对水稻面积和空间分布的调查是水稻监测的基础,关系国家粮食安全问题.利用卫星遥感技术进行水稻面积与空间分布调查具有大范围、实时性等传统调查不具备的优势,成为近年来的热点.本文对近年来基于多时相遥感进行水稻种植区提取的方法进行梳理与总结,按照传感器类型从3个方面进行阐述——利用不同时相分辨率的光学传感器的提取方法、利用不同极化方式的合成孔径雷达的提取方法以及两者的结合使用的方法,对基于不同数据源的提取方法进行了概括和举例.最后对目前的研究进行合理的评价,指出存在的不足之处并对进一步的研究做出展望.     

多时相Sentinel-1影像反演玉溪典型烟区烤烟种植分布的方法

为准确识别烤烟种植分布特征,基于2020年玉溪烤烟大田生长期不同时相的11景Sentinel-1卫星影像,结合野外实地调研,分析不同土地利用类型合成孔径雷达（SAR）极化信息的可区分度,并结合70%样地训练随机森林分类方法提取不同土地利用的分布范围,最后用30%调研样地验证烤烟种植的提取精度。结果表明,垂直发射垂直接收（VV）相较于垂直发射水平接收（VH）更能区分不同土地利用类型,VH、VV、VV+VH和VV+VH+VV/VH四种极化信息组合方式中,地物分类精度最高的为VV+VH组合,总体分类精度为87.6%,Kappa系数为0.847,其中,烤烟种植识别的制图精度为96.3%,用户精度为89.4%。在玉溪典型烟区采用多时相SAR识别烤烟种植分布,识别准确率基本能满足区域烤烟种植识别的精度要求。