高分辨率全色波段遥感影像处理中的图像复原问题研究

论文摘要

高分辨率遥感影像尤其是全色波段影像的分析与解译，在军事判读上的应用价值是十分高的。在军事影像判读上，空间结构信息对遥感影像信息的提取和分析是最重要的；但是由于各种因素的影响，图像的降质过程是不可避免的，这就给影像判读工作带来了很大的不便和信息判读的不准确。图像复原技术能够通过图像退化模型较准确地恢复图像的原始信息，它在遥感图像处理中是一个基础的预处理技术，是图像配准，目标提取等后续图像处理技术的基础。 本文针对高分辨率全色波段遥感影像处理中的复原问题进行了深入的研究，研究内容分为两个方面：反卷积复原和薄云去除。 在反卷积复原中，本文首先探讨了采用典型线状地物边界近似估计系统PSF的方法，并进行了数值试验分析了误差情况。在详细分析了具有保持图像边缘性质的的正则化算法ARTUR的基础上，提出了一个基于双正交小波基的改进算法，缩短了原算法的迭代收敛次数，节省了计算量和运算时间。本文还针对遥感影像数据量大，无法一次读入内存处理的问题，提出了一个分块处理策略，提高了大图像的处理速度。 薄云去除是一个光学遥感影像处理中的常见问题。本文提出了一个全新的薄云自动检测及去除算法。该算法与传统的同态滤波方法相比，能够自适应对不同厚度云覆盖的图像区域采用不同强度的补偿策略，并能做到云区处理之后与非云区之间的平滑过渡。在具体处理参数选择上，与同态滤波方法相比，本文算法的参数也更为直观。针对大面积的薄云覆盖情况，本文还提出了一个加速策略，在能够取得近似处理效果的情况下，使得进入算法计算的数据量大大减少，提高了处理的速度。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 序论
• 1.1 引言
• 1.2 研究的内容与意义
• 1.3 国内外研究现状及发展趋势
• 1.3.1 图像反卷积复原技术研究现状及发展
• 1.3.2 薄云去除技术现状及分析
• 1.4 论文结构
• 第二章 基础理论
• 2.1 小波变换基本理论
• 2.1.1 引言
• 2.1.2 基本定义
• 2.1.3 离散小波变换
• 2.1.4 边界的延拓
• 2.1.5 双正交小波
• 2.1.6 非抽样小波变换
• 2.2 图像反卷积的基本理论
• 2.2.1 图像退化模型
• 2.2.2 不适定问题
• 2.2.3 正则化
• 2.3 边界条件模型
• 2.3.1 Dirichlet（零）边界条件
• 2.3.2 周期边界条件
• 2.3.3 Neumann边界条件
• 2.3.4 Antireflecting边界条件
• 第三章 遥感影像反卷积复原
• 3.1 遥感影像退化模型
• 3.2 PSF估计
• 3.2.1 LSF估计
• 3.2.2 PSF估计
• 3.2.3 PSF误差分析
• 3.3 图像反卷积复原
• 3.3.1 保持影像边缘的正则化
• 3.3.2 半二次正则化
• 3.3.3 ARTUR
• 3.4 MARTUR
• 3.4.1 初值估计
• 3.4.2 正则化算子及辅助变量计算
• 3.5 试验及结果分析
• 3.6 分块处理
• 3.7 总结
• 第四章 遥感影像薄云去除
• 4.1 引言
• 4.2 薄云成像模型
• 4.3 图像的小波分解
• 4.4 云区的自动检测与去除
• 4.4.1 云区的检测
• 4.4.2 薄云区的去除处理
• 4.5 大图像处理
• 4.6 试验及结果分析
• 4.7 总结
• 第五章 结论
• 5.1 结论
• 5.2 本文的创新点
• 5.3 工作的不足之处
• 5.4 今后工作的展望
• 参考文献
• 发表文章目录
• 致谢