本文選題：遙感影像 + DS證據(jù)理論��； 參考：《海洋科學(xué)進(jìn)展》2017年03期

【摘要】：針對目前單幅遙感影像去噪方法會過度扼殺影像邊緣信息或噪聲去除不理想問題,提出了一種基于DS(Dempster-Shafer)證據(jù)理論的多幅遙感影像融合去噪方法。DS證據(jù)理論結(jié)合多源信息,能夠有效處理不確定性問題,適用于噪聲具有隨機(jī)性和不確定性情景。本文采用Landsat8衛(wèi)星獲取的上海周邊海域遙感數(shù)據(jù),依據(jù)DS證據(jù)理論處理不確定問題的優(yōu)勢,并充分利用多幅遙感影像的有效信息,設(shè)計4個模型,即兩狀態(tài)高斯混合模型、兩個噪聲分析模型、邊緣分析模型。這4個模型用以獲取每個像素與噪聲相關(guān)的概率,作為證據(jù)理論的4個證據(jù),用于決策去噪方案。結(jié)果表明,本文提出的多幅遙感影像融合去噪方法在保證去除噪聲的情況下能較好地保持影像邊緣和紋理細(xì)節(jié)信息。
[Abstract]:Aiming at the problem that the single remote sensing image denoising method can kill the edge information or the noise removal is not ideal, this paper proposes a multi-piece remote sensing image fusion denoising method based on DS (Dempster-Shafer) evidence theory. DS evidence theory combines multi-source information. It can deal with the uncertainty problem effectively, and can be applied to the stochastic and uncertain situations of noise. In this paper, the Landsat8 satellite is used to obtain the remote sensing data in the surrounding sea area of Shanghai. According to the advantage of DS evidence theory to deal with the uncertain problem, four models are designed, that is, the two-state Gao Si mixed model, which makes full use of the effective information of multiple remote sensing images. Two noise analysis models, edge analysis models. The four models are used to obtain the noise related probability of each pixel, and as four evidences of evidence theory, they are used for decision denoising scheme. The results show that the proposed multi-image fusion denoising method can keep the image edge and texture details well under the condition of noise removal.
【作者單位】： 上海海洋大學(xué)信息學(xué)院;國家海洋局東海預(yù)報中心;
【基金】：上海市科學(xué)技術(shù)委員會科研計劃項目——地方院校能力建設(shè)(15590501900) 極地海洋環(huán)境監(jiān)測示范應(yīng)用系統(tǒng)開發(fā)項目——極地海洋環(huán)境監(jiān)測示范應(yīng)用系統(tǒng)開發(fā)(201405031-05) 國家自然科學(xué)基金項目——基于多模態(tài)深度學(xué)習(xí)的弱特征多源海洋遙感影像協(xié)同分類模型研究(41671431);國家自然科學(xué)基金青年基金項目——一種面向多模態(tài)遙感信息的質(zhì)量抽樣檢驗方案研究(41501419)
【分類號】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 鄧?yán)?陳云浩,李京,陳志軍;可調(diào)節(jié)自適應(yīng)遙感影像融合方法研究[J];光學(xué)學(xué)報;2005年05期

2 胡珂;陳映鷹;;一種基于特征提取的遙感影像融合法[J];山東建筑工程學(xué)院學(xué)報;2005年04期

3 顧海燕;李海濤;楊景輝;;基于最小噪聲分離變換的遙感影像融合方法[J];國土資源遙感;2007年02期

4 孟淑英;張峰;;基于多重網(wǎng)格的遙感影像融合方法研究[J];遙感信息;2007年05期

5 陳榮元;張飛艷;張斌;秦前清;;基于數(shù)據(jù)同化和粒子群優(yōu)化算法的遙感影像融合[J];電子與信息學(xué)報;2009年10期

6 沈濤;黨安榮;;遙感影像融合及高保真算法比較分析研究[J];微計算機(jī)信息;2010年14期

7 蔣定定;韓勇;曲利芹;;航空遙感影像融合方法及其應(yīng)用[J];江蘇航空;2010年04期

8 靳媛媛;項杰;;光學(xué)遙感影像融合方法的研究[J];電子測量技術(shù);2011年06期

9 董金義;李海梅;常龍芳;;松花壩水源區(qū)Landsat 7 ETM+遙感影像融合對比研究[J];林業(yè)調(diào)查規(guī)劃;2012年06期

10 趙云霞;王沛;;關(guān)于遙感影像融合方法的綜述[J];硅谷;2013年02期

相關(guān)會議論文 前7條

1 侯春紅;戴文晗;;遙感影像融合方法在工程地質(zhì)工作中的應(yīng)用[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

2 杜培軍;袁林山;王莉;張華鵬;;一種基于灰色絕對關(guān)聯(lián)度的遙感影像融合方法[A];第十四屆全國圖象圖形學(xué)學(xué)術(shù)會議論文集[C];2008年

3 邢帥;譚兵;徐青;耿則勛;;一種自適應(yīng)關(guān)聯(lián)多分辨分析的遙感影像融合算法[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

4 萬霞;潘宸;;高分辨率影像在道路選址方面的應(yīng)用[A];2007'全國測繪科技信息交流會暨信息網(wǎng)成立30周年慶典論文集[C];2007年

5 馬蘭;姜挺;;基于波段選擇與主分量選擇的Landsat-7遙感影像融合方法的研究[A];第十五屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2005年

6 李林宜;陳清平;;基于小波變換的自適應(yīng)遙感影像融合方法[A];測繪荊楚——湖北省測繪學(xué)會2005年“索佳杯”學(xué)術(shù)論文集[C];2005年

7 陳亨霖;汪小欽;;基于TM和資源二號遙感影像融合的灘涂信息提取[A];第十四屆全國遙感技術(shù)學(xué)術(shù)交流會論文摘要集[C];2003年

相關(guān)博士學(xué)位論文 前4條

1 張瑛;基于統(tǒng)一理論框架的遙感影像融合方法研究[D];電子科技大學(xué);2009年

2 王曉艷;基于方向性多分辨率分析的遙感影像融合算法研究[D];蘭州大學(xué);2011年

3 黃登山;像素級遙感影像融合方法研究[D];中南大學(xué);2011年

4 李小春;多源遙感影像融合技術(shù)及應(yīng)用研究[D];解放軍信息工程大學(xué);2005年

相關(guān)碩士學(xué)位論文 前10條

1 王雪;基于壓縮感知理論的遙感影像融合方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

2 周嘉男;基于GPU的遙感影像融合方法研究[D];蘭州交通大學(xué);2015年

3 林雪;面向林地信息的高分一號遙感影像融合與分類研究[D];北京林業(yè)大學(xué);2016年

4 張凱;基于改進(jìn)atrous小波分解的遙感影像快速融合方法的研究[D];河南大學(xué);2016年

5 王力彥;多源光學(xué)遙感影像融合方法研究[D];中國地質(zhì)大學(xué)（北京）;2014年

6 譚永生;像素級中高分辨率遙感影像融合研究[D];浙江大學(xué);2007年

7 龐振平;遙感影像融合技術(shù)理論與方法研究[D];吉林大學(xué);2008年

8 王樂;遙感影像融合及其質(zhì)量評價[D];吉林大學(xué);2012年

9 陳華杰;小波變換下的遙感影像融合研究[D];長安大學(xué);2007年

10 ，

本文編號：2095183