《遥感数据质量改善之信息复原》PDF下载

  • 购买积分:11 如何计算积分?
  • 作  者:沈焕锋等培著
  • 出 版 社:北京:科学出版社
  • 出版年份:2018
  • ISBN:9787030569073
  • 页数:277 页
图书介绍:基于航空航天遥感技术,人们可以感知地球陆表信息,从而认识和理解各种现象和规律。其中,传感器观测影像是遥感信息的载体,其数据质量直接影响着遥感应用的广度与深度。由于遥感成像过程极其复杂,传感器、光照、大气、地形、地物、人为等因素都可能对影像质量产生影响,导致遥感信息出现偏差或缺失,降低了遥感数据的应用潜力。因此,进行遥感数据的质量改善,是遥感应用流程中非常重要的基础性工作。近年来,遥感影像的质量改善越来越受到广泛重视,国内外已开展了大量研究。然而,由于遥感降质因素多样,现有研究多针对其中的一种或几种因素,对遥感数据质量问题进行全面分析与处理的书籍国内外还未见出版。有鉴于此,基于作者多年的研究积累,特整理出版一套较为全面地介绍遥感影像质量改善的书籍。在影像质量改善的文献中,存在很多学术术语,如影像增强、影像复原、影像修复、影像校正、影像重建等等,它们之间往往界限模糊,更与使用者的习惯有关。为了进行统一区分,我们从遥感信息处理的角度出发,将其划分为三个层次,形成“遥感影像质量改善”三部曲,分别为《遥感信息复原》、《遥感信息校正》和《遥感信息重建》。本书是该套“三部曲”书籍的第一册,研究内容主

第1章 概述 1

1.1 研究背景与意义 1

1.2 研究内容 4

第2章 遥感影像复原方法及其最新进展 7

2.1 噪声与模糊退化模型 7

2.1.1 遥感影像的噪声模型 8

2.1.2 遥感影像的模糊模型 10

2.2 影像复原研究现状 11

2.2.1 空间域移动窗口法 11

2.2.2 变换域影像复原法 13

2.2.3 基于偏微分方程的复原方法 18

2.2.4 基于变分的复原方法 22

2.2.5 基于机器学习的复原方法 26

2.3 影像盲复原方法 30

2.3.1 基于MAP的盲复原方法 31

2.3.2 基于边缘预测的盲复原法 32

2.3.3 变分贝叶斯复原方法 33

2.4 变分正则化模型的数值求解方法 35

2.4.1 线性问题的数值解法 35

2.4.2 非线性问题的数值解法 38

2.5 本章总结 42

第3章 遥感影像脉冲噪声去除方法 49

3.1 脉冲噪声及其分布特征 49

3.1.1 固定值脉冲噪声 50

3.1.2 随机值脉冲噪声 50

3.2 经典的脉冲噪声去除方法 50

3.2.1 传统中值滤波 50

3.2.2 加权中值滤波 51

3.2.3 开关中值滤波 52

3.2.4 噪声探测方法 52

3.3 保持细节信息的迭代中值滤波 54

3.4 实验结果与分析 56

3.5 本章总结 60

第4章 遥感影像条带噪声去除方法 62

4.1 条带噪声成因与特性分析 62

4.1.1 条带噪声产生的原因 62

4.1.2 条带噪声的特性分析 63

4.2 经典的条带噪声去除方法 66

4.2.1 条带噪声的处理方法分类 66

4.2.2 空间域统计计算的条带噪声去除方法 68

4.2.3 变换域频率滤波的条带噪声去除方法 71

4.3 变分框架下的条带噪声去除方法 75

4.3.1 基于最大后验概率的条带噪声去除方法 75

4.3.2 基于校正系数估计的条带噪声去除方法 77

4.3.3 基于单向变差的条带去除方法 79

4.3.4 基于稀疏分布假设的条带去除方法 80

4.3.5 基于方向差分的斜向条带去除方法 83

4.4 实验结果与分析 86

4.4.1 模拟实验对比分析 86

4.4.2 真实实验对比分析 89

4.4.3 斜向条带噪声去除实验 95

4.5 本章总结 97

第5章 遥感影像光谱噪声去除方法 100

5.1 高光谱遥感影像噪声分析 100

5.2 变换域光谱噪声去除方法 104

5.2.1 主成分变换框架下的光谱去噪 104

5.2.2 基于小波域的空谱噪声分离 105

5.2.3 多维维纳滤波法 107

5.3 空谱联合的变分去噪方法 110

5.3.1 空间-光谱联合全变差模型 111

5.3.2 多通道非局部全变差模型 115

5.3.3 空谱分布式稀疏先验模型 118

5.3.4 基于低秩分解的高光谱去噪方法 124

5.4 实验结果与分析 126

5.4.1 模拟实验 127

5.4.2 真实实验 134

5.5 本章总结 139

第6章 遥感影像时序噪声去除方法 142

6.1 研究背景与意义 142

6.2 时序滤波方法综述 143

6.2.1 插值替换方法 144

6.2.2 卷积滤波法 146

6.2.3 频率域滤波法 147

6.2.4 曲线拟合法 149

6.2.5 顾及时空关系的重建方法 154

6.2.6 其他方法 155

6.3 移动加权谐波分析时序噪声去除方法 155

6.3.1 方法的基本原理 156

6.3.2 MWHA方法四步流程 157

6.3.3 实验与分析 160

6.4 顾及时序噪声特性的变分滤波方法 167

6.4.1 方法的基本原理 167

6.4.2 噪声去除实验 169

6.5 本章总结 172

第7章 单极化SAR影像相干斑噪声的抑制 175

7.1 相干斑形成机理及统计特性 175

7.1.1 相干斑形成机理 175

7.1.2 单极化SAR统计特性 176

7.2 单极化SAR影像去噪方法综述 179

7.2.1 局部窗口滤波算法 179

7.2.2 变换域滤波算法 182

7.2.3 基于偏微分方程的算法 183

7.2.4 变分去噪算法 184

7.2.5 基于图块计算的算法 185

7.2.6 基于机器学习与智能优化的算法 187

7.2.7 其他算法 188

7.2.8 SAR去噪效果的评价 188

7.3 单极化SAR非局部变分去噪方法 191

7.3.1 经典的SAR局部变分去噪算法 191

7.3.2 非局部正则化SAR变分去噪算法 192

7.4 实验与分析 195

7.4.1 模拟实验 195

7.4.2 真实实验 199

7.5 本章总结 202

第8章 全极化SAR影像相干斑噪声的抑制 206

8.1 PolSAR统计特性及去噪原则 206

8.1.1 PolSAR相干斑统计特性 206

8.1.2 PolSAR去噪原则 208

8.2 PolSAR影像滤波方法综述 209

8.2.1 局部窗口滤波算法 209

8.2.2 基于非局部均值的算法 210

8.2.3 偏微分去噪算法 211

8.2.4 变分去噪算法 212

8.2.5 基于机器学习与智能优化的去噪算法 213

8.2.6 PolSAR去噪效果的评价 213

8.3 自适应迭代优化的PolSAR AD滤波 215

8.3.1 PolSAR AD的基础模型 215

8.3.2 自适应迭代优化的PolSAR AD模型 216

8.4 实验与分析 224

8.4.1 模拟实验 224

8.4.2 真实实验 225

8.5 本章总结 231

第9章 范数自适应的正则化影像复原方法 234

9.1 正则化复原框架与模型 234

9.2 范数自适应的影像复原方法 236

9.2.1 范数自适应的数据一致性约束项 236

9.2.2 范数自适应的正则化先验 240

9.2.3 模型的优化求解 241

9.3 实验结果与分析 242

9.3.1 范数自适应数据一致性约束的验证 242

9.3.2 范数自适应先验模型的验证 243

9.3.3 联合框架的验证 246

9.4 本章总结 248

第10章 联合刃边提取与交替迭代的盲复原方法 250

10.1 引言 250

10.2 常用的模糊函数估计与盲复原方法 252

10.2.1 模糊函数估计方法 252

10.2.2 基于交替迭代最优化框架的影像盲复原 253

10.3 联合刃边提取与交替迭代的遥感影像盲复原 255

10.3.1 整体复原框架与求解 256

10.3.2 基于刃边提取的PSF初始估计 258

10.3.3 基于影像非参考评价指标的自动终止条件 261

10.4 实验结果与分析 262

10.4.1 参数选取、初始化与终止 263

10.4.2 模拟实验与分析 263

10.4.3 真实遥感影像实验与分析 272

10.5 本章总结 275