【摘 要】
:
目前主流的卫星都采用线阵推扫成像模式,例如海洋一号D卫星、高分七号卫星、资源三号卫星、SPOT卫星、IKONOS卫星等,但是推扫成像过程中线阵探测器上探元之间响应不一致、空间复杂的电磁环境等因素会导致采集的遥感影像中存在条带噪声。条带噪声会降低遥感影像的数据质量,影响数据的解译,限制数据的可用性。条带噪声检测可以及时发现遥感影像的质量问题,同时有助于发现有问题的探元,对预处理系统进行预警以重新进行
论文部分内容阅读
目前主流的卫星都采用线阵推扫成像模式,例如海洋一号D卫星、高分七号卫星、资源三号卫星、SPOT卫星、IKONOS卫星等,但是推扫成像过程中线阵探测器上探元之间响应不一致、空间复杂的电磁环境等因素会导致采集的遥感影像中存在条带噪声。条带噪声会降低遥感影像的数据质量,影响数据的解译,限制数据的可用性。条带噪声检测可以及时发现遥感影像的质量问题,同时有助于发现有问题的探元,对预处理系统进行预警以重新进行探元的相对辐射校正,因此对线阵推扫式卫星影像条带噪声检测方法进行研究具有重要的意义和应用价值。本文的主要研究内容和创新点归纳如下:(1)针对单列条带噪声的检测,本文设计了基于分块梯度的条带噪声检测方法。本文对条带噪声的产生机理和特性进行了深入的了解和分析,针对单列条带噪声的特点,设计了基于分块梯度的条带噪声检测方法。该方法采用分块和投票融合的策略,并结合基于梯度的条带噪声检测方法,得到了更好的单列条带噪声检测结果。(2)针对单列多列混合类型条带噪声的检测,本文设计了基于间隔采样的快速变分条带噪声检测方法。该方法以条带噪声成分变分建模和优化求解为基础,通过间隔采样和构建带间隔采样参数的条带噪声成分估计模型,完成条带噪声成分的快速求解,然后对条带噪声成分列均值进行一元离群点检测和后处理,定位条带噪声。由于采用间隔采样的策略,该方法在不损失条带噪声检测精度的情况下显著提高了检测效率。(3)条带噪声检测实验。本文设计了条带噪声检测方法对比实验,分析了基于分块梯度的条带噪声检测方法和基于间隔采样的快速变分条带噪声检测方法的有效性;本文还设计了模拟数据实验和GF-7、HY-1D等真实影像的条带噪声检测实验,分析了两种方法的适用场景,其中,基于分块梯度的条带噪声检测方法对单列条带噪声遥感影像的检测效果更好,基于间隔采样的快速变分条带噪声检测方法对混合类型条带噪声遥感影像的检测效果更好;此外,本文还在HY-1D影像条带噪声检测的基础上进行了问题探元定位分析,可对遥感影像生产预处理系统相对辐射校正进行预警。
其他文献
<正>随着科技的不断发展,电子产品已成为家家户户的必备品。也就是说,孩子一出生便会受到各种电子产品的吸引。因此,幼儿园进行近视防控是时代发展的必然趋势,因为幼儿的戴眼镜普遍率越来越高。通过近视防控策略,可有效解决这一问题,可以让幼儿健康地成长与发展。作为幼儿园的工作人员,作为幼儿成长路上的引路人,教师有责任与义务进行近视防控。但是,近视防控并不是说防控就能防控的,而是需要一定的方法,所以下列对近视
光合作用是地球上最重要的生物化学反应,光合作用的强弱直接影响生物的产量。水稻作为四大主粮作物之一,在灌浆期极易遭受高光强胁迫。先前的研究主要集中于光能高效吸收、传递与转化的调控过程与其分子机理,而对水稻在高光强胁迫下如何耗散过剩能量,如何启动自身的光保护机制与光修复机制的报道较少。因此,探究水稻在高光强胁迫下的响应机制对高光效育种具有重要意义。本研究以梗稻品种日本晴为受体材料,采用CRISPR/C
棉花是世界上重要的经济作物之一,棉纤维、棉籽等作为原材料在纺织、油料等领域应用广泛。棉花本身不仅是研究植物异源多倍化的模式生物,同时也是研究细胞伸长、植物基因组进化的良好模式作物。其中,陆地棉(n=2x=26,AD1)的种植面积最大,而亚洲棉(n=x=13,A2)作为陆地棉可能的祖先A0的后代,也具有重要的研究价值。根据最新组装的基因组数据,陆地棉中转座元件含量占到了64.06%,亚洲棉中该比例更
重金属镉和抗生素磺胺是畜牧业中常见的污染物,在养殖废水中经常同时存在,水体中抗生素与重金属相互作用,对水生植物产生显著的毒性,因此研究抗生素与重金属的联合污染风险在环境毒性评估方面有着重要的意义。本文研究了两种沉水植物苦草(Vallisneria natans(Lour.)Hara)和黑藻(Hydrilla verticillata(L.f.)Royle)在14天磺胺(0.1、0.5、1、2.5、
随着工农业的快速发展,大量除草剂和杀菌剂被投放到农田中。这些化学试剂随着农业用水汇入江河湖泊,将对水生生态系统造成极大威胁。硝磺草酮是近年来新兴的三酮类除草剂,铜作为各类杀菌剂的主要成分在农业中广泛使用,二者在环境中共存易造成复合污染,然而硝磺草酮和铜对水生植物的单一及联合毒性尚不清楚,在水生生态系统中的复合污染类型未知。本文利用水培法,探究水生植物苦草(Vallisneria natans(Lo
随着图像拼接的应用范围越来越广,复杂场景下的图像拼接成为研究的热点。目前的研究方向主要分为传统图像处理算法方向与深度学习算法方向。这些算法都围绕图像拼接的基本框架进行改进与创新。图像拼接基本框架包含图像对齐、图像融合两个阶段。本文也围绕图像对齐与图像融合分别对传统图像处理算法与深度学习算法提出了改进。在传统图像处理方向,本文提出了两个改进。图像对齐模型从最初的全局单应矩阵发展为受一定约束的网格变形
图像去雨旨在去除含雨图像中的雨线并恢复干净的背景,在室外监控、自动驾驶等领域具有重要应用价值。近些年,以神经网络为核心的深度学习技术大大促进了图像去雨的发展。目前大多数去雨算法通过设计优秀的去雨网络,在合成雨图中取得了显著的效果,但是当应用于真实场景时,仍存在一些问题:(1)忽略雨水的先验信息,导致算法对不同类型的雨线鲁棒性较差;(2)缺少对应的真值参考图像,导致真实雨图的去雨结果主要依赖于定性分
高分辨率遥感图像多类别舰船检测对于海洋监测管理、军事海防预警等具有重要意义,但当前舰船检测仍面临诸多难点。舰船目标具有长宽比大、尺度差异大和方向任意的特点,在港口呈现出并排甚至密集排列,同时船只类别信息标注稀少等,这都给多类别舰船目标检测带来巨大的挑战。本文重点探索高分辨率遥感图像舰船目标的检测问题,分别从数据集、密集舰船检测和半监督多类别舰船检测三个方面开展研究,主要工作和贡献如下:(1)针对当
实例分割作为高分辨率遥感图像信息提取的一类重要技术,在定位目标的同时,还会对目标进行实例级的语义分割。不同于目标检测技术使用简单矩形框表征目标,实例分割使用更加精细的目标轮廓,从而能够提取出更加精确的特征用于典型地物目标提取,如建筑物、汽车、舰船等。然而,实例分割在遥感图像中的应用存在几个问题:一是遥感图像中的目标往往具有任意方向性,该特性影响着现有实例分割模型对密集排列目标的分割效果;二是遥感图
随着社会的持续发展,企业与群众对电力系统可靠性的要求也在提升,配电网故障辨识与保护动作有利于线路的全面分析与检修,具有重要意义。但随着逆变器型分布式电源(Inverter Interfaced distributed generator,IIDG)的广泛应用,其接入在带来积极作用的同时,也使得传统故障辨识方法与短路电流保护的应用效果受到影响。为此,本文从数据驱动角度出发,研究了配电网短路故障辨识方