

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請(qǐng)進(jìn)行舉報(bào)或認(rèn)領(lǐng)
文檔簡(jiǎn)介
1、可見光衛(wèi)星遙感圖像是目前非常重要的一種地球空間檢測(cè)信息,應(yīng)用范圍非常廣泛。但是星載成像設(shè)備有一個(gè)難以避免的問題,即在有云層覆蓋的情況下,所得到的遙感圖像使用價(jià)值會(huì)大大降低,基于遙感圖像的后續(xù)處理也會(huì)受到負(fù)面影響。為此,研究人員對(duì)如何檢云、去云進(jìn)行了長(zhǎng)期的探索,并取得了很多研究成果。
自然界中的云無(wú)論是從物理特性還是圖像特性來(lái)看,都是一種非常復(fù)雜的目標(biāo),傳統(tǒng)的云檢測(cè)與云圖分類算法有兩個(gè)較為明顯的弊端,一是針對(duì)整景遙感圖像設(shè)計(jì)
2、的算法往往具有計(jì)算量較大、復(fù)雜度過高等缺點(diǎn),二是對(duì)云類目標(biāo)提取出來(lái)的特征普適性不強(qiáng),穩(wěn)定性不高。
本論文在分析總結(jié)了前人研究結(jié)果的基礎(chǔ)之上,提出了相應(yīng)的改進(jìn)算法,主要研究成果概述如下:
1.提出了一種對(duì)遙感圖像進(jìn)行子塊分割的算法體系。將較難處理的整景圖轉(zhuǎn)換為較為容易處理的小尺寸子圖,并且利用分割逼近的思想,將較為復(fù)雜的云類目標(biāo)檢測(cè)問題轉(zhuǎn)化為較為容易的云圖分類問題;
2.將現(xiàn)有的云圖特征描述算法進(jìn)
3、行整理歸納,詳細(xì)闡述了灰度梯度共生矩陣與分?jǐn)?shù)維在云圖特征描述中的應(yīng)用。提出了一種高效的特征空間降維的方法,并且以此為基礎(chǔ),結(jié)合K-均值分類器實(shí)現(xiàn)了一個(gè)自動(dòng)云量判讀系統(tǒng),結(jié)合仿真數(shù)據(jù)驗(yàn)證了分割近似云量統(tǒng)計(jì)算法的有效性;
3.提出了基于高斯金字塔的遙感云圖多尺度特征提取算法。在尺度變換的過程中,遙感圖像的各種特征會(huì)不同程度地退化。用特征的退化率對(duì)單一尺度特征矢量進(jìn)行延拓,就可以得到圖像的多尺度特征矢量。實(shí)驗(yàn)數(shù)據(jù)表明,經(jīng)過延拓的
溫馨提示
- 1. 本站所有資源如無(wú)特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請(qǐng)下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請(qǐng)聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁(yè)內(nèi)容里面會(huì)有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
- 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫(kù)僅提供信息存儲(chǔ)空間,僅對(duì)用戶上傳內(nèi)容的表現(xiàn)方式做保護(hù)處理,對(duì)用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對(duì)任何下載內(nèi)容負(fù)責(zé)。
- 6. 下載文件中如有侵權(quán)或不適當(dāng)內(nèi)容,請(qǐng)與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準(zhǔn)確性、安全性和完整性, 同時(shí)也不承擔(dān)用戶因使用這些下載資源對(duì)自己和他人造成任何形式的傷害或損失。
最新文檔
- 基于云模型理論的遙感云圖分類研究.pdf
- 基于尺度不變特征的多源遙感影像配準(zhǔn).pdf
- 基于多特征融合的遙感圖像分類研究.pdf
- 基于多尺度幾何分析的圖像特征提取與分類.pdf
- 基于深度學(xué)習(xí)的多特征高光譜遙感圖像分類研究.pdf
- 基于多特征的紅外云圖檢索技術(shù)研究.pdf
- 基于多尺度腦網(wǎng)絡(luò)局部特征的抑郁癥分類研究.pdf
- 多尺度幾何分析遙感圖像融合及分類方法研究.pdf
- 26913.基于紋理特征分析的地基云圖分類識(shí)別
- 多尺度分割技術(shù)對(duì)遙感影像分類精度影響研究.pdf
- 高分辨率遙感影像多尺度分類方法研究.pdf
- 28320.基于多尺度分析的衛(wèi)星云圖融合算法研究
- 基于多源遙感影像的典型地物尺度效應(yīng)研究.pdf
- 基于紋理特征的遙感影像分類精度估計(jì).pdf
- 基于紋理特征的遙感圖像分類算法研究.pdf
- 基于改進(jìn)RBM的多光譜遙感圖像分類.pdf
- 基于多特征的面向?qū)ο蟾叻直媛蔬b感圖像分類.pdf
- 融合各最優(yōu)尺度下特征的高分辨率遙感影像分類.pdf
- 基于多尺度分析和SVM的紋理圖像分類.pdf
- 基于多尺度幾何變換的遙感圖像融合方法研究.pdf
評(píng)論
0/150
提交評(píng)論