【摘要】：隨著遙感技術(shù)與圖像處理領(lǐng)域的相關(guān)技術(shù)的不斷發(fā)展,遙感技術(shù)已經(jīng)廣泛應(yīng)用于土地、林業(yè)、農(nóng)業(yè)、軍事偵查、海洋環(huán)境評(píng)估、地圖制作等等多種領(lǐng)域。而遙感圖像在成像過(guò)程中極易受到云的干擾,多少遙感圖像不可避免的會(huì)有一些區(qū)域被云層覆蓋,從而使得圖像清晰度降低,增加了目視解譯的難度,造成物力財(cái)力的浪費(fèi)。在遙感圖像領(lǐng)域,根據(jù)云層的光學(xué)厚度不同,可以將其分為兩類(lèi):薄云和厚云;厚云往往完全遮掩了地表信息,沒(méi)有參考圖像的輔助,往往難以去除;而薄云常呈半透明狀,其下墊面的信息仍然可以被利用。因此,為從帶有薄云的遙感圖像中將地物清晰度恢復(fù),本文將對(duì)抗式生成網(wǎng)絡(luò)算法應(yīng)用到遙感圖像薄云去除上。本文的研究工作與內(nèi)容如下:首先,由于衛(wèi)星重訪周期限制,帶有薄云-晴朗無(wú)云的遙感圖像的成對(duì)訓(xùn)練數(shù)據(jù)集難以準(zhǔn)確獲取。針對(duì)此問(wèn)題,本文使用對(duì)抗生成網(wǎng)絡(luò)生成的薄云信息圖像,利用云傳輸模型從清晰遙感圖像仿真帶有薄云的遙感圖像,從而提出一種制作仿真成對(duì)數(shù)據(jù)集的方法。其次,針對(duì)薄云去除問(wèn)題,本文提出一種基于對(duì)抗式生成網(wǎng)絡(luò)的遙感圖像的薄云去除方法,利用自制仿真數(shù)據(jù)集訓(xùn)練對(duì)抗生成網(wǎng)絡(luò)學(xué)習(xí)無(wú)云遙感圖像的數(shù)據(jù)分布,測(cè)試其在自制仿真數(shù)據(jù)集的表現(xiàn),研究數(shù)據(jù)集的制作與網(wǎng)絡(luò)訓(xùn)練過(guò)程,優(yōu)化調(diào)整損失函數(shù)與網(wǎng)絡(luò)參數(shù)。再次,針對(duì)基于云霧傳輸模型的薄云去除方法中薄云信息提取不夠完善的問(wèn)題,本文設(shè)計(jì)并提出一種使用對(duì)抗生成網(wǎng)絡(luò)提取薄云信息的方法,利用自制仿真數(shù)據(jù)集訓(xùn)練,并最終利用其提取的薄云信息與云傳輸模型去除圖像的薄云,在自制仿真數(shù)據(jù)集上測(cè)試其效果,并優(yōu)化調(diào)整損失函數(shù)與網(wǎng)絡(luò)參數(shù)。最后,分別在真實(shí)的帶有薄云的遙感圖像數(shù)據(jù)集與仿真數(shù)據(jù)集上,對(duì)比傳統(tǒng)方法,與本文提出的方法的表現(xiàn),總結(jié)分析傳統(tǒng)方法與本文提出方法的優(yōu)缺點(diǎn)。
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類(lèi)號(hào)】：TP751
【圖文】：

像元相對(duì)于晴空線(xiàn)向右上方偏移，云越厚，像元向右上方的偏移量越大。由此得到HOT 的方法。圖2-4 晴空線(xiàn)示意圖[21]首先計(jì)算像元與晴空線(xiàn)的距離作為 HOT 值，系數(shù)的方向垂直于晴空線(xiàn)，數(shù)值大小與偏離晴空線(xiàn)的程度成比例。HOT=B1sinθ-B3cosθ-|I|cosθ (2-18)其中B1,B3分別為T(mén)M1TM3的 DN 值，θ為 CL 的傾角，I為晴空線(xiàn)的縱截距。圖2-5 紅藍(lán)波段散點(diǎn)圖[47]傳統(tǒng) HOT 方法需要手動(dòng)選擇晴空區(qū)。故基于暗通道先驗(yàn)的知識(shí)提出一種自動(dòng)檢測(cè)無(wú)云區(qū)的方法：在晴朗的圖像區(qū)域大多數(shù)圖像存在至少一個(gè)亮度值很低的通道，正

3的 DN 值，θ為 CL 的傾角，I為晴空線(xiàn)的縱截距。圖2-5 紅藍(lán)波段散點(diǎn)圖[47]傳統(tǒng) HOT 方法需要手動(dòng)選擇晴空區(qū)。故基于暗通道先驗(yàn)的知識(shí)提出一種自動(dòng)檢測(cè)無(wú)云區(qū)的方法：在晴朗的圖像區(qū)域大多數(shù)圖像存在至少一個(gè)亮度值很低的通道，正

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉增偉;;關(guān)于遙感圖像云檢測(cè)方法研究進(jìn)展[J];數(shù)字通信世界;2019年04期

2 徐秋曄;李玉;林文杰;趙泉華;;基于信息聚類(lèi)的遙感圖像分割[J];中國(guó)礦業(yè)大學(xué)學(xué)報(bào);2017年01期

3 彭晏飛;周娟;訾玲玲;;于衛(wèi)星地域遙感圖像分割方法研究仿真[J];計(jì)算機(jī)仿真;2017年01期

4 盛啟慧;李啟明;;航空遙感圖像幾何校正模型的效果比較[J];現(xiàn)代計(jì)算機(jī)(專(zhuān)業(yè)版);2017年17期

5 劉寧波;孫艷麗;王杰;;基于場(chǎng)景語(yǔ)義的遙感圖像目標(biāo)識(shí)別[J];現(xiàn)代電子技術(shù);2017年11期

6 王超英;;統(tǒng)計(jì)學(xué)習(xí)在海上遙感圖像背景去噪的算法研究[J];艦船科學(xué)技術(shù);2017年12期

7 姚銳;付卓新;;關(guān)于森林資源二類(lèi)調(diào)查中遙感圖像的應(yīng)用分析[J];北京農(nóng)業(yè);2016年01期

8 李哲學(xué);;改進(jìn)高斯混合模型的遙感圖像增強(qiáng)方法[J];激光雜志;2016年07期

9 雷笑笑;;試論遙感圖像在師范地理教學(xué)中的應(yīng)用[J];山西青年;2017年03期

10 舒建文;周云真;;航空遙感圖像中道路檢測(cè)方法研究與仿真[J];計(jì)算機(jī)仿真;2013年09期

相關(guān)會(huì)議論文 前10條

1 李剛;張金榮;朱雷;汪林林;;基于多方向模糊形態(tài)學(xué)的彩色遙感圖像邊緣檢測(cè)算法[A];2009年全國(guó)開(kāi)放式分布與并行計(jì)算機(jī)學(xué)術(shù)會(huì)議論文集(上冊(cè))[C];2009年

2 王耀南;王紹源;孫煒;;基于二次規(guī)劃的神經(jīng)網(wǎng)絡(luò)遙感圖像的恢復(fù)[A];中國(guó)圖象圖形科學(xué)技術(shù)新進(jìn)展——第九屆全國(guó)圖象圖形科技大會(huì)論文集[C];1998年

3 羅睿;張永生;范永弘;鄧雪清;;遙感圖像基于內(nèi)容查詢(xún)的研究與實(shí)踐[A];第十三屆全國(guó)遙感技術(shù)學(xué)術(shù)交流會(huì)論文摘要集[C];2001年

4 陳東;龐怡杰;黃勇杰;;大傾斜航空遙感圖像快速自動(dòng)鑲嵌技術(shù)[A];圖像 仿真 信息技術(shù)——第二屆聯(lián)合學(xué)術(shù)會(huì)議論文集[C];2002年

5 彭Z

本文編號(hào)：2742749