本文關(guān)鍵詞：基于對(duì)偶樹復(fù)小波變換和遷移支持向量回歸的遙感圖像薄云去除，由筆耕文化傳播整理發(fā)布。

【摘要】：衛(wèi)星遙感傳感器獲取的部分遙感圖像由于氣候的原因會(huì)產(chǎn)生不同程度的云覆蓋,大大降低了遙感圖像的利用率、影響其后期處理和應(yīng)用。對(duì)此類遙感圖像進(jìn)行云層去除,能有效提高衛(wèi)星圖像的利用率和可用性,也是遙感圖像預(yù)處理中一個(gè)十分重要的研究方向。本文針對(duì)目前應(yīng)用較為廣泛的陸地(Landsat)系列衛(wèi)星和環(huán)境一號(hào)(HJ一1)系列衛(wèi)星獲取的含薄云遙感圖像,提出了三種有效的薄云去除算法,主要內(nèi)容包括以下幾個(gè)方面：1.闡述了薄云去除研究的目的和意義,介紹了Landsat系列衛(wèi)星和環(huán)境一號(hào)A、B衛(wèi)星成像傳感器的主要參數(shù),分析了薄云去除算法的國內(nèi)外研究現(xiàn)狀,以及對(duì)偶樹復(fù)小波變換和支持向量機(jī)理論。2.提出一種基于對(duì)偶樹復(fù)小波變換的遙感圖像薄云去除算法。該算法是將含薄云的遙感圖像進(jìn)行多層對(duì)偶樹復(fù)小波變換,使得低頻系數(shù)中主要為薄云信息,高頻系數(shù)中主要為地物信息。通過對(duì)高頻補(bǔ)償和低頻抑制處理,有效去除遙感圖像中的薄云,恢復(fù)云覆蓋區(qū)域的地面信息。實(shí)驗(yàn)結(jié)果表明,該方法能有效去除薄云且具有較快的運(yùn)算速度。3.提出一種基于多方向?qū)ε紭鋸?fù)小波變換和遷移最小二乘支持向量回歸的遙感圖像薄云去除算法。在對(duì)偶樹復(fù)小波變換基礎(chǔ)上,結(jié)合方向?yàn)V波器組構(gòu)建了多方向?qū)ε紭鋸?fù)小波變換；根據(jù)遷移學(xué)習(xí)及最小二乘支持向量回歸理論構(gòu)建了遷移最小二乘支持向量回歸模型；借助與原始含云圖像同一位置的清晰多源多時(shí)相衛(wèi)星圖像,使用遷移最小二乘支持向量回歸對(duì)原始含云圖像的低頻系數(shù)進(jìn)行填充,原始圖像經(jīng)多方向?qū)ε紭鋸?fù)小波分解后的高頻系數(shù)采用自適應(yīng)增強(qiáng)函數(shù)進(jìn)行增強(qiáng),將處理后的高低頻系數(shù)重構(gòu)后獲得清晰無云的圖像,有效地降低了地物信息的損失。4.提出一種基于多方向?qū)ε紭鋸?fù)小波變換和遷移孿生支持向量回歸的遙感圖像薄云去除算法。根據(jù)孿生支持向量機(jī)和遷移學(xué)習(xí)理論構(gòu)建了域自適應(yīng)遷移孿生支持向量回歸模型。由于衛(wèi)星傳感器獲取遙感數(shù)據(jù)具有一定的周期,在獲得的可用同一位置多源多時(shí)相遙感圖像中,地物信息不可避免地會(huì)發(fā)生一些變化,此算法采用基于分類的變化檢測(cè)算法對(duì)原始圖像和多源多時(shí)相圖像進(jìn)行地物變化檢測(cè),對(duì)未發(fā)生變化的區(qū)域進(jìn)行遷移孿生支持向量回歸的方法預(yù)測(cè)該區(qū)域中的低頻系數(shù),對(duì)于發(fā)生變化的區(qū)域則對(duì)原始圖像該區(qū)域進(jìn)行對(duì)偶樹復(fù)小波分解,采用自適應(yīng)增強(qiáng)函數(shù)增強(qiáng)高頻并抑制低頻,最終重構(gòu)得到清晰無云圖像。
【關(guān)鍵詞】：遙感圖像 薄云去除 對(duì)偶樹復(fù)小波變換 支持向量回歸 遷移學(xué)習(xí)
【學(xué)位授予單位】：安徽大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類號(hào)】：TP751
【目錄】：

• 摘要3-5
• Abstract5-9
• 第一章 緒論9-15
• 1.1 研究背景與意義9-11
• 1.2 國內(nèi)外研究現(xiàn)狀11-13
• 1.3 本文研究內(nèi)容與組織結(jié)構(gòu)13-15
• 第二章 基于DT-CWT的遙感圖像薄云去除15-30
• 2.1 對(duì)偶樹復(fù)小波變換15-21
• 2.1.1 小波變換15-17
• 2.1.2 對(duì)偶樹復(fù)小波變換17-21
• 2.2 基于DT-CWT的薄云去除算法21-23
• 2.3 實(shí)驗(yàn)結(jié)果與分析23-29
• 2.4 本章小結(jié)29-30
• 第三章 基于M-DTCWT和T-LSSVR的遙感圖像薄云去除30-56
• 3.1 多方向?qū)ε紭鋸?fù)小波變換30-32
• 3.2 支持向量機(jī)32-38
• 3.2.1 支持向量機(jī)分類算法33-37
• 3.2.2 支持向量機(jī)回歸算法37-38
• 3.3 遷移最小二乘支持向量機(jī)38-41
• 3.3.1 遷移學(xué)習(xí)38
• 3.3.2 域自適應(yīng)遷移最小二乘支持向量機(jī)38-41
• 3.4 基于M-DTCWT和T-LSSVR的薄云去除算法41-43
• 3.4.1 低頻子帶系數(shù)處理42
• 3.4.2 高頻子帶系數(shù)處理42
• 3.4.3 薄云去除算法步驟42-43
• 3.5 實(shí)驗(yàn)結(jié)果與分析43-54
• 3.5.1 模擬實(shí)驗(yàn)43-47
• 3.5.2 真實(shí)數(shù)據(jù)實(shí)驗(yàn)47-54
• 3.6 本章小結(jié)54-56
• 第四章 基于M-DTCWT和T-TWSVR的遙感圖像薄云去除56-66
• 4.1 孿生支持向量機(jī)56-57
• 4.2 遷移孿生支持向量機(jī)57-59
• 4.3 基于M-DTCWT和T-TWSVR的薄云去除算法59-62
• 4.3.1 變化檢測(cè)59-60
• 4.3.2 算法步驟60-62
• 4.4 實(shí)驗(yàn)結(jié)果與分析62-65
• 4.5 本章小結(jié)65-66
• 第五章 總結(jié)與展望66-68
• 5.1 總結(jié)66-67
• 5.2 展望67-68
• 參考文獻(xiàn)68-74
• 致謝74-75
• 攻讀碩士期間發(fā)表的論文75
• 攻讀碩士期間參與的科研項(xiàng)目75

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 胡根生;黎曉伊;梁棟;黃林生;;基于對(duì)偶樹復(fù)小波變換的遙感圖像薄云去除[J];安徽大學(xué)學(xué)報(bào)(自然科學(xué)版);2016年01期

2 徐涵秋;;新型Landsat8衛(wèi)星影像的反射率和地表溫度反演[J];地球物理學(xué)報(bào);2015年03期

3 Gensheng Hu;Xiaoqi Sun;Dong Liang;Yingying Sun;;Cloud removal of remote sensing image based on multi-output support vector regression[J];Journal of Systems Engineering and Electronics;2014年06期

4 莊福振;羅平;何清;史忠植;;遷移學(xué)習(xí)研究進(jìn)展[J];軟件學(xué)報(bào);2015年01期

5 徐涵秋;唐菲;;新一代Landsat系列衛(wèi)星:Landsat 8遙感影像新增特征及其生態(tài)環(huán)境意義[J];生態(tài)學(xué)報(bào);2013年11期

6 高明亮;趙文吉;宮兆寧;赫曉慧;;基于環(huán)境衛(wèi)星數(shù)據(jù)的黃河濕地植被生物量反演研究[J];生態(tài)學(xué)報(bào);2013年02期

7 王敏;周磊;周樹道;葉松;;基于峰值信噪比和小波方向特性的圖像奇異值去噪技術(shù)[J];應(yīng)用光學(xué);2013年01期

8 李新宇;劉揚(yáng)陽;蔣雪娜;王守覺;;基于高維空間幾何信息學(xué)的遙感圖像去薄云算法[J];電子學(xué)報(bào);2011年05期

9 朱錫芳;吳峰;陶純堪;;基于小波閾值理論的光學(xué)圖像去云處理新算法[J];光子學(xué)報(bào);2009年12期

10 肖俊;宋壽鵬;丁麗娟;;空域同態(tài)濾波算法研究[J];中國圖象圖形學(xué)報(bào);2008年12期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前3條

1 金瑤;基于支持向量回歸機(jī)的無跡卡爾曼濾波設(shè)計(jì)與應(yīng)用[D];中國地質(zhì)大學(xué);2013年

2 羅旺;遙感圖像的變化檢測(cè)與標(biāo)注方法研究[D];電子科技大學(xué);2012年

3 曾紹華;支持向量回歸機(jī)算法理論研究與應(yīng)用[D];重慶大學(xué);2006年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前1條

1 張學(xué)敏;基于支持向量數(shù)據(jù)描述的遙感圖像病害松樹識(shí)別研究[D];安徽大學(xué);2014年

  本文關(guān)鍵詞：基于對(duì)偶樹復(fù)小波變換和遷移支持向量回歸的遙感圖像薄云去除，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：345529