【摘要】：靜止氣象衛(wèi)星屬于一種專門的遙感衛(wèi)星,負(fù)責(zé)全天候的氣象觀測工作。根據(jù)它拍攝的衛(wèi)星云圖,可以對(duì)災(zāi)害性天氣進(jìn)行監(jiān)測與預(yù)警,保障人民群眾的生命及財(cái)產(chǎn)安全。由于多光譜遙感圖像數(shù)據(jù)量巨大,因此對(duì)多波段的紅外圖像進(jìn)行分類前的壓縮、融合預(yù)處理,對(duì)于提高云圖的分辨率,緩解傳輸壓力,增強(qiáng)夜間探測能力,具有現(xiàn)實(shí)意義。通過對(duì)多光譜遙感圖像的特性分析,發(fā)現(xiàn)各波段的紅外云圖具有一定的相關(guān)性,且分辨率低、邊緣模糊。從數(shù)據(jù)的壓縮、融合角度考慮,本文選擇K-L變換及小波變換兩種方法進(jìn)行預(yù)處理研究。通過Matlab編程實(shí)現(xiàn)兩種變換算法,綜合圖像的視覺效果和定量指標(biāo),比較得出K-L變換能夠有效地提取相關(guān)性較低的云朵信息,且與同時(shí)段可見光云圖最接近;小波變換則更多地保留源圖像細(xì)節(jié)信息,適用于預(yù)處理后的云圖結(jié)構(gòu)分析。因此,K-L變換更適合于紅外云圖的預(yù)處理。本文是在Xilinx公司的Zynq平臺(tái)上,采用軟硬件協(xié)同設(shè)計(jì)的方法實(shí)現(xiàn)多通道圖像數(shù)據(jù)的K-L變換。在K-L IP核的設(shè)計(jì)過程中,采用C語言編程實(shí)現(xiàn)K-L變換算法,經(jīng)VivadoHLS工具綜合后,優(yōu)化生成相應(yīng)的IP核。經(jīng)過C/RTL協(xié)同仿真驗(yàn)證可知,由C語言轉(zhuǎn)化的RTL級(jí)代碼準(zhǔn)確無誤,最后完成IP核的封裝工作。完成K-L IP核的設(shè)計(jì)后,在Zedboard開發(fā)板上進(jìn)行測試�；赯ynq的多光譜遙感圖像預(yù)處理系統(tǒng)包含圖像的采集、數(shù)據(jù)的緩存、算法的處理以及預(yù)處理后數(shù)據(jù)的傳輸四部分。經(jīng)過實(shí)驗(yàn)驗(yàn)證,采用K-L變換對(duì)三幅分辨率為640×480的圖像進(jìn)行一次預(yù)處理操作,PC純軟件大約需要5000毫秒,而Zynq軟硬件協(xié)同實(shí)現(xiàn)僅需要91毫秒,速度大幅提升。基于Zynq的多光譜遙感圖像的預(yù)處理技術(shù),具有實(shí)時(shí)、高效、便利的優(yōu)點(diǎn),在航空航天領(lǐng)域的研究和應(yīng)用中具有廣闊的前景。
[Abstract]:Geostationary meteorological satellite is a special remote sensing satellite, which is responsible for weather observation all-weather. According to the satellite cloud image it can monitor and warn the disastrous weather and ensure the safety of people's life and property. Because of the huge amount of multispectral remote sensing images, it is of practical significance to compress and fuse the multi-band infrared images before classification, to improve the resolution of cloud images, to alleviate the transmission pressure and to enhance the nocturnal detection ability. By analyzing the characteristics of multispectral remote sensing images, it is found that the infrared cloud images of each band have certain correlation, and the resolution is low, and the edges are blurred. From the point of view of data compression and fusion, two preprocessing methods, K-L transform and wavelet transform, are selected in this paper. Two transform algorithms are realized by Matlab programming, which synthesizes the visual effect and quantitative index of the image. It is concluded that K-L transform can effectively extract the cloud information with low correlation, and is closest to the visible cloud image at the same time. Wavelet transform retains more details of source image, and it is suitable for cloud image structure analysis after preprocessing. Therefore, K-L transform is more suitable for infrared cloud image preprocessing. In this paper, the K-L transform of multi-channel image data is realized on the Zynq platform of Xilinx Company by using the method of hardware and software co-design. In the design process of K-L IP kernel, the K-L transform algorithm is realized by C language programming. After the synthesis of VivadoHLS tools, the corresponding IP kernel is optimized. The C/RTL cosimulation results show that the RTL code transformed by C language is accurate and the encapsulation of IP core is finished. After the design of K-L IP core is completed, the test is carried out on the Zedboard development board. The multispectral remote sensing image preprocessing system based on Zynq includes four parts: image acquisition, data cache, algorithm processing and data transmission after preprocessing. The experimental results show that it takes about 5000 milliseconds to preprocess three images with 640 脳 480 resolution by K-L transform, while it takes 91 milliseconds for Zynq hardware / software co-implementation. Multi-spectral remote sensing image preprocessing technology based on Zynq has the advantages of real-time, high efficiency and convenience, and has a broad prospect in the research and application of aerospace.
【學(xué)位授予單位】：東華大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 ;斯波特5衛(wèi)星商業(yè)圖像分辨率將達(dá)2.5m[J];國際太空;1997年05期

2 冉隆科;;透過美國國家圖像和測繪局看美國重塑信息優(yōu)勢(shì)[J];現(xiàn)代兵器;2001年03期

3 秦奇;;谷延鋒:以圖像探索世界的智者[J];中國發(fā)明與專利;2013年11期

4 孫政,鄧俊輝,唐澤圣;基于狹縫圖像的四維光場模型[J];工程圖學(xué)學(xué)報(bào);2000年03期

5 王卓;焦淑紅;鄧?yán)?;基于降低圖像分辨率的紅外目標(biāo)跟蹤方法[J];應(yīng)用科技;2007年03期

6 謝超賢;蒙慧華;龍騰河;羅煥江;;淺談移動(dòng)DR系統(tǒng)在大規(guī)模體檢當(dāng)中的應(yīng)用[J];醫(yī)療衛(wèi)生裝備;2009年06期

7 王江寧;紀(jì)力強(qiáng);;昆蟲圖像特征研究[J];山東大學(xué)學(xué)報(bào)(工學(xué)版);2011年02期

8 南棟;畢篤彥;許悅雷;王世強(qiáng);婁小龍;;基于暗原色先驗(yàn)的圖像去霧算法[J];中南大學(xué)學(xué)報(bào)(自然科學(xué)版);2013年10期

9 賀召卿;張冰塵;詹學(xué)麗;李建雄;;利用機(jī)載SAR圖像仿真星載SAR圖像[J];現(xiàn)代雷達(dá);2006年06期

10 董銀文;苑秉成;王航宇;石釗銘;;圖像信息在艦炮遠(yuǎn)程對(duì)岸精確打擊中的應(yīng)用探討[J];電光與控制;2013年06期

相關(guān)會(huì)議論文 前10條

1 王江寧;紀(jì)力強(qiáng);;昆蟲圖像特征研究[A];第十五屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

2 楊德強(qiáng);蘇光大;徐天偉;;一種基于幻想臉的人臉圖像分辨率提升新技術(shù)[A];第二十七屆中國控制會(huì)議論文集[C];2008年

3 張莉;李佩臻;;用Photoshop對(duì)1：1萬DRG入庫數(shù)據(jù)的處理[A];全國測繪科技信息網(wǎng)中南分網(wǎng)第二十一次學(xué)術(shù)信息交流會(huì)論文集[C];2007年

4 任曉暉;龔勇清;;體全息存儲(chǔ)再現(xiàn)圖像分辨率實(shí)驗(yàn)研究[A];第十一屆全國光學(xué)測試學(xué)術(shù)討論會(huì)論文（摘要集）[C];2006年

5 廖熠;趙榮椿;;一種基于小波分層模型的自然景物圖像表面恢復(fù)算法[A];第十屆全國信號(hào)處理學(xué)術(shù)年會(huì)（CCSP-2001）論文集[C];2001年

6 劉達(dá);李樞平;;對(duì)DCI數(shù)字影院技術(shù)規(guī)范中圖像分級(jí)技術(shù)的理解[A];中國電影電視技術(shù)學(xué)會(huì)影視技術(shù)文集[C];2007年

7 湯敏;王惠南;;基于IDL語言的醫(yī)學(xué)圖像可視化初步研究[A];第十二屆全國圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2005年

8 趙源萌;鄧朝;張馨;張存林;;被動(dòng)式人體太赫茲安檢成像的分辨率增強(qiáng)算法研究[A];中國光學(xué)學(xué)會(huì)2011年學(xué)術(shù)大會(huì)摘要集[C];2011年

9 張尚軍;徐光;祁小江;;影響CR膠片質(zhì)量原因的探討[A];2009中華醫(yī)學(xué)會(huì)影像技術(shù)分會(huì)第十七次全國學(xué)術(shù)大會(huì)論文集[C];2009年

10 何東曉;隋守鑫;劉微;;高清透霧攝像機(jī)的研發(fā)及在交通領(lǐng)域的應(yīng)用[A];第八屆中國智能交通年會(huì)優(yōu)秀論文集——智能交通與安全[C];2013年

相關(guān)重要報(bào)紙文章 前10條

1 劉筱霞;陳永常;PHOTOSHOP中圖像分辨率的設(shè)置[N];中國包裝報(bào);2002年

2 王樹連;從購買圖像到租用衛(wèi)星[N];中國測繪報(bào);2003年

3 楊興平;如何抓取指定分辨率的圖像[N];中國電腦教育報(bào);2003年

4 李鑫;飛利浦200BW8商務(wù)人士明智新寵[N];電子資訊時(shí)報(bào);2007年

5 記者 曾遺榮邋通訊員 冷承秋 實(shí)習(xí)生 向哲林;美國一高科技公司將落戶武漢[N];湖北日?qǐng)?bào);2007年

6 唐鳳碧;正確運(yùn)用數(shù)碼相機(jī)分辨率[N];中國攝影報(bào);2007年

7 ;創(chuàng)維TWH-43L（DLP）光顯背投圖像不良的檢修[N];電子報(bào);2008年

8 WLF;細(xì)說分辨率[N];電腦報(bào);2003年

9 宏杉;感受專業(yè)動(dòng)力[N];中國計(jì)算機(jī)報(bào);2001年

10 宋連黨;家庭VCD像冊(cè)大制作[N];中國電腦教育報(bào);2003年

相關(guān)博士學(xué)位論文 前10條

1 吳輝群;慢性病信息管理系統(tǒng)中視網(wǎng)膜圖像的互操作性及其血管網(wǎng)絡(luò)定量分析研究[D];復(fù)旦大學(xué);2014年

2 田虎;單目圖像的深度估計(jì)[D];北京郵電大學(xué);2015年

3 唐玉芳;商品圖像分類算法研究[D];北京郵電大學(xué);2015年

4 賈勇;建筑物透視探測關(guān)鍵技術(shù)研究[D];電子科技大學(xué);2014年

5 黃仁杰;非可控條件下人臉識(shí)別中的若干問題研究[D];電子科技大學(xué);2015年

6 萬方;基于多幅圖像的三維結(jié)構(gòu)化場景重建技術(shù)研究[D];武漢大學(xué);2013年

7 馬鐘;視覺感知啟發(fā)的對(duì)象發(fā)現(xiàn)關(guān)鍵技術(shù)研究[D];西北工業(yè)大學(xué);2015年

8 張旭;面向局部特征和特征表達(dá)的圖像分類算法研究[D];合肥工業(yè)大學(xué);2016年

9 王洪;航空光電平臺(tái)圖像穩(wěn)定技術(shù)研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2012年

10 孫艷;基于內(nèi)容圖像檢索與敏感圖像過濾的若干算法研究[D];吉林大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 楊棟;面向CTA圖像的冠脈血管分割算法研究和血管狹窄度分析[D];浙江大學(xué);2015年

2 龔若皓;基于嵌入式移動(dòng)GPU的圖像編解碼并行優(yōu)化[D];西南交通大學(xué);2015年

3 曹福來;發(fā)動(dòng)機(jī)燃油噴霧圖像篩選及處理方法的分析研究[D];長安大學(xué);2015年

4 張弛;基于卷積神經(jīng)網(wǎng)絡(luò)的鞋印圖像分類算法研究[D];大連海事大學(xué);2016年

5 張貴平;圖像視點(diǎn)調(diào)整技術(shù)研究[D];南京大學(xué);2014年

6 李杰;高速圖像數(shù)據(jù)實(shí)時(shí)存儲(chǔ)與顯示關(guān)鍵技術(shù)研究[D];中北大學(xué);2016年

7 胡蓓蕾;基于圖像融合的水下圖像顏色恢復(fù)[D];中國海洋大學(xué);2015年

8 周黎;基于千兆網(wǎng)的高性能嵌入式圖像處理技術(shù)研究[D];中國科學(xué)院研究生院(光電技術(shù)研究所);2016年

9 顧幫忠;基于CCD的DR影像校正[D];東南大學(xué);2015年

10 張磊;鉚釘尺寸與表面缺陷在線檢測關(guān)鍵技術(shù)研究[D];西南交通大學(xué);2016年

，

本文編號(hào)：2259306