CN111179185B - 一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 - Google Patents
一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 Download PDFInfo
- Publication number
- CN111179185B CN111179185B CN201911229175.9A CN201911229175A CN111179185B CN 111179185 B CN111179185 B CN 111179185B CN 201911229175 A CN201911229175 A CN 201911229175A CN 111179185 B CN111179185 B CN 111179185B
- Authority
- CN
- China
- Prior art keywords
- remote sensing
- msr
- sensing image
- value
- dynamic
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 66
- 238000012937 correction Methods 0.000 title claims abstract description 43
- 238000005554 pickling Methods 0.000 title abstract description 12
- 238000012545 processing Methods 0.000 claims abstract description 25
- 101100083446 Danio rerio plekhh1 gene Proteins 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 13
- 230000001186 cumulative effect Effects 0.000 claims description 9
- 238000009825 accumulation Methods 0.000 claims description 6
- 239000002253 acid Substances 0.000 claims description 4
- 230000004927 fusion Effects 0.000 claims description 2
- 238000003672 processing method Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 claims 1
- 238000012805 post-processing Methods 0.000 claims 1
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract 1
- 238000005516 engineering process Methods 0.000 description 4
- 238000003384 imaging method Methods 0.000 description 4
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000011835 investigation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Classifications
-
- G06T5/80—
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
- G06T2207/10041—Panchromatic image
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Abstract
本发明涉及一种基于云腌膜和MSR的遥感影像色彩纠正方法及系统，步骤一：利用云腌膜，重建遥感影像；步骤二：利用MSR方法，处理遥感影像；步骤三：计算Dynamic值；步骤四：最大最小值拉伸，生成色彩纠正结果。本发明克服了现有技术的不足，很好地解决了遥感影像的偏色、色彩对比度的不足、普通纠正引起的过曝等问题，自动化程度、方法普适程度、色彩还原程度均较高，能够大幅度降低人工色彩纠正处理成本，该方法可以应用于大量遥感影像的色彩纠正中，具有广阔的应用前景和价值。
Description
技术领域
本发明属于遥感与计算机处理交叉领域技术领域，涉及一种基于云腌膜和MSR的遥感影像色彩纠正方法及系统。
背景技术
遥感技术兴起于20世纪60年代，目前遥感技术已广泛应用气象、海洋、农业、国土、水利、测绘、环保等行业。与传统监测方法相比，遥感技术具有时效性、广泛性、客观性、经济性等诸多独特优势。
我国遥感卫星技术起步较晚，1975年发射的第一颗遥感卫星初步解决了国家调查急需卫星遥感源的问题；但是我国遥感卫星技术发展迅速，目前，我国已发射的系列卫星包括风云(FY)系列、中巴地球资源(CBERS)系列、环境(HJ)系列卫星、资源(ZY)系列卫星、遥感系列卫星、高分(GF)系列卫星等，也已建成了对气象、陆地、海洋的观测系统。遥感卫星通过实时对地成像观测，为气候预测、环境监测与保护、国土资源勘查、路网设计、农作物估产、防灾减灾等提供了海量的数据支持。
由于卫星遥感影像成像过程中会受到诸多因素的影响，会造成遥感影像色彩与真实地物色彩有偏差，同时因为工作需求不同对于遥感影像上的地物解译有不同的需求，因此需要对遥感影像进行色彩纠正处理，以消除或减弱成像过程中由于传感器因素(如曝光条件、系统处理差异、成像特性)、拍摄因素(如获取时间、拍摄角度、拍摄环境)及拍摄对象(如高低起伏地形、地物属性不同)等的影响而使遥感影像色彩偏离真实地物色彩的现象。
发明内容
本发明解决的技术问题是：克服现有技术的不足，提出一种基于云腌膜和MSR的遥感影像色彩纠正方法及系统，针对遥感影像特性，利用云腌膜改进了MSR方法，有效解决了原有MSR方法的色彩纠正结果对比度不高、处理有云影像会出现云偏色问题。
本发明解决技术的方案是：
一种基于云腌膜和MSR的遥感影像色彩纠正方法，该方法的步骤包括：
(1)利用云腌膜，重建遥感影像，生成重建后的遥感影像；
(2)利用MSR方法，处理遥感影像，生成MSR处理后结果；
(3)利用MSR处理后结果，计算Dynamic值；
(4)利用Dynamic值，进行最大最小值拉伸，生成色彩纠正结果。
进一步的，输入的遥感影像为遥感卫星相机采集到的多光谱与全色融合后影像，包含红、绿、蓝、红外四个波段。
进一步的，所述步骤(1)遥感影像重建，具体为：
(1.1)利用云腌膜，分波段计算无云覆盖区的像素均值；
(1.2)利用各个波段无云覆盖区的像素均值，替换影像中云覆盖区的像素值，完成遥感影像的重建。
进一步的，所述步骤(2)MSR处理方法为：
(2.1)按大、中、小三个尺度对遥感影像进行高斯模糊，得到每个尺度下的模糊结果；
(2.2)对每个尺度下的模糊结果进行加权累加计算，得到MSR处理后结果。
进一步的，对每个尺度下的模糊结果进行加权累加计算，得到MSR处理后结果为：log[R(x,y)]＝log[R(x,y)]+weight(i)*(log[I(x,y)]-log[Li(x,y)])
式中：log[R(x,y)]是MSR处理结果，i是尺度，weight(i)是每个尺度对应的权重，I(x,y)是重建后的遥感影像，Li(x,y)是每个尺度高斯模糊后的结果。
进一步的，所述步骤(3)Dynamic值计算方法为：
(3.1)分波段统计累积直方图，并计算直方图99％处对应的像素值max1；
(3.2)分波段计算MSR处理后结果的均值mean和方差stdv；
(3.3)分波段利用max1、mean、stdv计算Dynamic值；
(3.4)计算4个波段的Dynamic均值，即为最终Dynamic值finalDynamic。
进一步的，分波段利用max1、mean、stdv计算Dynamic值，即：
Dynamicband＝(max1-mean)/stdv
式中：Dynamicband是每个波段的Dynamic值，max1是累积直方图99％处对应的像素值，mean和stdv是MSR处理后结果的均值和方差。
进一步的，最终Dynamic值finalDynamic＝∑Dynamicband/band
式中：finalDynamic是最终的Dynamic值，Dynamicband是每个波段的Dynamic值，band是波段数。
进一步的，所述步骤(4)最大最小值拉伸方法为：
(4.1)分波段利用mean、stdv、finalDynamic计算min和max值；
(4.2)利用min和max值进行最大最小值值拉伸，并增加溢出判断，使大于255的值等于255。
一种基于云腌膜和MSR的遥感影像色彩纠正系统，
包括：遥感影像重建模块：用于利用云腌膜重建遥感影像；
MSR处理模块：用于对重建后的遥感影像进行MSR处理；
Dynamic计算模块：用于计算得到最终的Dynamic值；
最大最小值拉伸模块：用于对MSR处理后结果进行最大最小值拉伸，并生成最终的色彩纠正结果。
本发明与现有技术相比的有益效果是：
(1)本发明利用云腌膜，将影像中云覆盖区的像素值替换成无云覆盖区的像素均值，完成遥感影像的重建，有效解决了原有MSR方法的色彩纠正结果云偏色、云周围地物纠正后色彩偏暗的问题，有利于色彩纠正真实度的提升；
(2)本发明利用动态生成的Dynamic值进行后续的最大最小值拉伸，综合考虑了输入影像自身的色彩特性，有效解决了色彩对比度低的遥感影像色彩纠正后对比度不足、色彩对比度高的遥感影像色彩纠正后过曝的问题，同时解决了因大气影响而造成的遥感影像偏蓝问题，使得本方法可以纠正不同地区、不同时相、不同地物情况下的遥感影像，显著提高了色彩纠正的普适性；
(3)本发明可对多种情况下的遥感影像进行自动化的色彩纠正处理，能够大范围地处理遥感影像，大幅度地提高处理效率，降低人工处理成本。
附图说明
图1为本发明实施流程图。
具体实施方式
下面结合实施例对本发明作进一步阐述。
本发明提出了一种基于云腌膜和MSR的遥感影像色彩纠正方法及系统，用于遥感影像的自动化色彩纠正。利用云腌膜，重建遥感影像；其次利用MSR方法，处理遥感影像；然后计算得出最终的Dynamic值；最后进行最大最小值拉伸，生成色彩纠正结果。
如图1所示，本发明提出的基于云腌膜的多尺度Retinex遥感影像色彩纠正方法具体步骤如下：
步骤一：利用云腌膜，重建遥感影像，生成重建后的遥感影像；具体为：
(1.1)利用云腌膜，分波段计算无云覆盖区的像素均值，即有
mean_nocloud＝∑DN_nocloud/nocloud
式中：mean_nocloud是无云覆盖区的像素均值，DN_nocloud是无云覆盖区的像素值总和，nocloud是无云像素个数。
(1.2)利用各个波段无云覆盖区的像素均值，替换影像中云覆盖区的像素值，完成遥感影像的重建，即
DN_cloud＝mean_nocloud
式中：mean_nocloud是无云覆盖区的像素均值，DN_cloud是云覆盖区的像素值。
步骤二：利用MSR方法，处理遥感影像，生成MSR处理后结果；具体为：
(2.1)按大、中、小三个尺度对遥感影像进行高斯模糊，得到每个尺度下的模糊结果；
(2.2)对每个尺度下的模糊结果进行加权累加计算，得到MSR处理后结果，即有：
log[R(x,y)]＝log[R(x,y)]+weight(i)*(log[I(x,y)]-log[Li(x,y)])
式中：log[R(x,y)]是MSR处理结果，i是尺度，weight(i)是每个尺度对应的权重，I(x,y)是重建后的遥感影像，Li(x,y)是每个尺度高斯模糊后的结果，本方法中i设为3，分为大、中、小三个尺度。
步骤三：利用MSR处理后结果，计算Dynamic值；具体为：
(3.1)分波段统计累积直方图，并计算99％处对应的像素值max1；
(3.2)分波段计算MSR处理后结果的均值mean和方差stdv；
(3.3)分波段利用max1、mean、stdv计算Dynamic值，即：
Dynamicband＝(max1-mean)/stdv
式中：Dynamicband是每个波段的Dynamic值，max1是累积直方图99％处对应的像素值，mean和stdv是MSR处理后结果的均值和方差；
(3.4)计算4个波段的Dynamic均值，即为最终Dynamic值finalDynamic；
finalDynamic＝∑Dynamicband/band
式中：finalDynamic是最终的Dynamic值，Dynamicband是每个波段的Dynamic值，band是波段数，本方法中band值为4；
步骤四：利用Dynamic值，进行最大最小值拉伸，生成色彩纠正结果；具体为：
(4.1)分波段利用mean、stdv、finalDynamic计算min和max值，即有：
max＝mean+finalDynamic×stdv
min＝mean-finalDynamic×stdv
式中：max和min是利用各个通道的mean、stdv、finalDynamic计算得出的拉伸最大最小值。
(4.2)利用min和max值进行最大最小值值拉伸，并增加溢出判断。
基于上述方法，本发明还提出了一种基于多尺度Retinex的遥感影像色彩纠正系统，包括：遥感影像重建模块、MSR处理模块、Dynamic计算模块、最大最小值拉伸模块。
遥感影像重建模块：用于利用云腌膜重建遥感影像；
MSR处理模块：用于对重建后的遥感影像进行MSR处理；
Dynamic计算模块：用于计算得到最终的Dynamic值；
最大最小值拉伸模块：用于对MSR处理后结果进行最大最小值拉伸，并生成最终的色彩纠正结果。
实施例：
本发明实施流程图如图1所示。基于多尺度Retinex的遥感影像色彩纠正方法包括以下步骤：
步骤一：利用云腌膜，重建遥感影像，生成重建后的遥感影像。具体为：
(1.1)利用云腌膜，分波段计算无云覆盖区的像素均值；
(1.2)利用各个波段无云覆盖区的像素均值，替换影像中云覆盖区的像素值，完成遥感影像的重建，生成重建后的结果。
步骤二：对于步骤(1)生成的重建后结果进行MSR处理，生成MSR处理后结果。具体为：
(2.1)本发明中尺度数为3，分别按1000、2000、3000的尺度对遥感影像进行高斯模糊，得到每个尺度下的模糊结果；
(2.2)本发明中设定每个尺度的权重都为1/3，对每个尺度下的模糊结果进行加权累加计算，得到MSR处理后结果。
步骤三：对于步骤(2)生成的MSR处理后结果进行最终的Dynamic值计算；具体为：
(3.1)分波段统计累积直方图，并计算直方图99％处对应的像素值max1；
(3.2)分波段计算MSR处理后结果的均值mean和方差stdv；
(3.3)分波段利用max1、mean、stdv计算Dynamic值；
(3.4)计算4个波段的Dynamic均值，即为最终Dynamic值finalDynamic；
步骤四：基于步骤(2)生成的MSR处理后结果，利用finalDynamic值计算得出的max和min值进行最大最小值拉伸，生成色彩纠正结果；具体为：
(4.1)分波段利用mean、stdv、finalDynamic计算min和max值；
(4.2)利用min和max值进行最大最小值值拉伸，并增加溢出判断。
实验结果：为了对本发明进行性能评估，对位于我国不同地区的1景GF1影像、1景GF2影像、1景ZY302影像、1景GF1B影像进行了色彩纠正，并将纠正结果与原影像进行了对比分析。分析结果显示，本发明的算法能有效缓解原遥感影像偏蓝、原有MSR方法的色彩纠正结果云偏色、色彩纠正后建筑物易过曝的问题，色彩还原度较高，可以满足实际生产需求。
从实验结果来看，本发明在大量遥感影像色彩纠正方面具有较高的还原度和普适性，且自动化程度高，不需要人工干预，能够大幅度降低人工成本，具有广阔的应用前景和价值。
本发明虽然已以较佳实施例公开如上，但其并不是用来限定本发明，任何本领域技术人员在不脱离本发明的精神和范围内，都可以利用上述揭示的方法和技术内容对本发明技术方案做出可能的变动和修改，因此，凡是未脱离本发明技术方案的内容，依据本发明的技术实质对以上实施例所作的任何简单修改、等同变化及修饰，均属于本发明技术方案的保护范围。
Claims (8)
1.一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于，该方法的步骤包括：
(1)利用云掩膜，重建遥感影像，生成重建后的遥感影像；
(2)利用MSR方法，处理遥感影像，生成MSR处理后结果；
(3)利用MSR处理后结果，计算Dynamic值；
(4)利用Dynamic值，进行最大最小值拉伸，生成色彩纠正结果；
所述步骤(3)Dynamic值计算方法为：
(3.1)分波段统计累积直方图，并计算直方图99％处对应的像素值max1；
(3.2)分波段计算MSR处理后结果的均值mean和方差stdv；
(3.3)分波段利用max1、mean、stdv计算Dynamic值；
(3.4)计算4个波段的Dynamic均值，即为最终Dynamic值finalDynamic；
分波段利用max1、mean、stdv计算Dynamic值，即：
Dynamicband＝(max1-mean)/stdv
式中：Dynamicband是每个波段的Dynamic值，max1是累积直方图99％处对应的像素值，mean和stdv是MSR处理后结果的均值和方差。
2.根据权利要求1所述的一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于：输入的遥感影像为遥感卫星相机采集到的多光谱与全色融合后影像，包含红、绿、蓝、红外四个波段。
3.根据权利要求1所述的一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于：所述步骤(1)遥感影像重建，具体为：
(1.1)利用云掩膜，分波段计算无云覆盖区的像素均值；
(1.2)利用各个波段无云覆盖区的像素均值，替换影像中云覆盖区的像素值，完成遥感影像的重建。
4.根据权利要求1所述的一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于：所述步骤(2)MSR处理方法为：
(2.1)按大、中、小三个尺度对遥感影像进行高斯模糊，得到每个尺度下的模糊结果；
(2.2)对每个尺度下的模糊结果进行加权累加计算，得到MSR处理后结果。
5.根据权利要求4所述的一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于：对每个尺度下的模糊结果进行加权累加计算，得到MSR处理后结果为：log[R(x,y)]＝log[R(x,y)]+weight(i)*(log[I(x,y)]-log[Li(x,y)])式中：log[R(x,y)]是MSR处理结果，i是尺度，weight(i)是每个尺度对应的权重，I(x,y)是重建后的遥感影像，Li(x,y)是每个尺度高斯模糊后的结果。
6.根据权利要求1所述的一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于：最终Dynamic值finalDynamic＝∑Dynamicband/band
式中：finalDynamic是最终的Dynamic值，Dynamicband是每个波段的Dynamic值，band是波段数。
7.根据权利要求4所述的一种基于云掩膜和MSR的遥感影像色彩纠正方法，其特征在于：所述步骤(4)最大最小值拉伸方法为：
(4.1)分波段利用mean、stdv、finalDynamic计算min和max值；
(4.2)利用min和max值进行最大最小值值拉伸，并增加溢出判断，使大于255的值等于255。
8.一种基于云掩膜和MSR的遥感影像色彩纠正系统，其特征在于，
包括：遥感影像重建模块：用于利用云掩膜重建遥感影像；
MSR处理模块：用于对重建后的遥感影像进行MSR处理；
Dynamic计算模块：用于计算得到最终的Dynamic值；
最大最小值拉伸模块：用于对MSR处理后结果进行最大最小值拉伸，并生成最终的色彩纠正结果；
Dynamic值计算方法为：
(3.1)分波段统计累积直方图，并计算直方图99％处对应的像素值max1；
(3.2)分波段计算MSR处理后结果的均值mean和方差stdv；
(3.3)分波段利用max1、mean、stdv计算Dynamic值；
(3.4)计算4个波段的Dynamic均值，即为最终Dynamic值finalDynamic；
分波段利用max1、mean、stdv计算Dynamic值，即：
Dynamicband＝(max1-mean)/stdv
式中：Dynamicband是每个波段的Dynamic值，max1是累积直方图99％处对应的像素值，mean和stdv是MSR处理后结果的均值和方差。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911229175.9A CN111179185B (zh) | 2019-12-04 | 2019-12-04 | 一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201911229175.9A CN111179185B (zh) | 2019-12-04 | 2019-12-04 | 一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN111179185A CN111179185A (zh) | 2020-05-19 |
| CN111179185B true CN111179185B (zh) | 2023-07-18 |
Family
ID=70650124
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201911229175.9A Active CN111179185B (zh) | 2019-12-04 | 2019-12-04 | 一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN111179185B (zh) |
Families Citing this family (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117456192B (zh) * | 2023-12-21 | 2024-05-07 | 广东省海洋发展规划研究中心 | 一种遥感影像色彩校正方法、装置、设备及存储介质 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1614392A (zh) * | 2004-11-30 | 2005-05-11 | 南京农业大学 | 一种智能农机载高光谱采集方法 |
| CN1744688A (zh) * | 2005-09-14 | 2006-03-08 | 上海广电（集团）有限公司中央研究院 | 一种基于最大最小值进行动态视频层次处理的方法 |
| RU2010117813A (ru) * | 2010-05-04 | 2010-12-27 | Попик Павел Иванович (RU) | Способ повышения уровня (отношения) сигнал-шум при применении "принципа затухания помехи" |
| CN101963664A (zh) * | 2010-09-28 | 2011-02-02 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
| CN102044070A (zh) * | 2011-01-10 | 2011-05-04 | 北京师范大学 | 一种基于Retinex的非线性彩色图像增强方法 |
| CN102968631A (zh) * | 2012-11-22 | 2013-03-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 |
| CN109785371A (zh) * | 2018-12-19 | 2019-05-21 | 昆明理工大学 | 一种基于归一化互相关和sift的太阳图像配准方法 |
| CN110175964A (zh) * | 2019-05-30 | 2019-08-27 | 大连海事大学 | 一种基于拉普拉斯金字塔的Retinex图像增强方法 |
-
2019
- 2019-12-04 CN CN201911229175.9A patent/CN111179185B/zh active Active
Patent Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN1614392A (zh) * | 2004-11-30 | 2005-05-11 | 南京农业大学 | 一种智能农机载高光谱采集方法 |
| CN1744688A (zh) * | 2005-09-14 | 2006-03-08 | 上海广电（集团）有限公司中央研究院 | 一种基于最大最小值进行动态视频层次处理的方法 |
| RU2010117813A (ru) * | 2010-05-04 | 2010-12-27 | Попик Павел Иванович (RU) | Способ повышения уровня (отношения) сигнал-шум при применении "принципа затухания помехи" |
| CN101963664A (zh) * | 2010-09-28 | 2011-02-02 | 中国科学院东北地理与农业生态研究所 | 基于水陆地物分类信息的微波遥感混合像元分解方法 |
| CN102044070A (zh) * | 2011-01-10 | 2011-05-04 | 北京师范大学 | 一种基于Retinex的非线性彩色图像增强方法 |
| CN102968631A (zh) * | 2012-11-22 | 2013-03-13 | 中国科学院、水利部成都山地灾害与环境研究所 | 山区多光谱遥感卫星影像的自动几何纠正与正射校正方法 |
| CN109785371A (zh) * | 2018-12-19 | 2019-05-21 | 昆明理工大学 | 一种基于归一化互相关和sift的太阳图像配准方法 |
| CN110175964A (zh) * | 2019-05-30 | 2019-08-27 | 大连海事大学 | 一种基于拉普拉斯金字塔的Retinex图像增强方法 |
Non-Patent Citations (1)
| Title |
|---|
| 遥感影像匹配技术在地震形变监测中的应用研究;董晓燕等;《黄河水利职业技术学院学报》;20190415(第02期);第37-41页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN111179185A (zh) | 2020-05-19 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN111899194A (zh) | 一种遥感影像中云和云阴影的去除方法 | |
| CN110569797B (zh) | 地球静止轨道卫星影像山火检测方法、系统及其存储介质 | |
| CN111881816B (zh) | 一种长时序的河湖围埂养殖区域监测方法 | |
| Zhao et al. | An attention encoder-decoder network based on generative adversarial network for remote sensing image dehazing | |
| WO2022000397A1 (zh) | 低照度图像增强方法、装置及计算机设备 | |
| CN110148093B (zh) | 一种基于暗通道先验的图像去雾改进方法 | |
| CN109447917B (zh) | 基于内容和特征及多尺度模型的遥感图像雾霾消除方法 | |
| CN111178149B (zh) | 一种基于残差金字塔网络的遥感影像水体自动提取方法 | |
| CN111738954B (zh) | 一种基于双层空洞U-Net模型的单帧湍流退化图像去畸变方法 | |
| CN114998141B (zh) | 基于多分支网络的空间环境高动态范围成像方法 | |
| CN111145102A (zh) | 一种基于卷积神经网络的合成孔径雷达图像去噪方法 | |
| CN111275652A (zh) | 一种去除城市遥感图像中雾霾的方法 | |
| CN111179185B (zh) | 一种基于云腌膜和msr的遥感影像色彩纠正方法及系统 | |
| Zhao et al. | A multi-scale U-shaped attention network-based GAN method for single image dehazing | |
| CN112598590B (zh) | 基于深度学习的光学遥感时间序列影像重建方法及系统 | |
| CN106971402B (zh) | 一种基于光学辅助的sar图像变化检测方法 | |
| CN117422653A (zh) | 一种基于权重共享和迭代数据优化的低光照图像增强方法 | |
| Liang et al. | Multi-scale and multi-patch transformer for sandstorm image enhancement | |
| CN115689941A (zh) | 一种跨域生成对抗的sar影像补偿方法及计算机可读介质 | |
| CN114972075A (zh) | 一种基于残差学习和混合域注意力的高光谱图像去噪方法 | |
| CN113743373A (zh) | 基于深度学习的高分遥感影像耕地变化检测装置及方法 | |
| CN108563674B (zh) | 基于rs和gis的海域地理要素测量方法、系统及装置 | |
| Chen et al. | GADO-Net: an improved AOD-Net single image dehazing algorithm | |
| Wang et al. | Three-channel cascade network for underwater image enhancement | |
| CN117372307B (zh) | 一种多无人机协同探测分布式图像增强方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201130 Address after: 1201, block a, building 1, yard 65, Zhichun Road, Haidian District, Beijing 100048 Applicant after: CHINA SURVEY SURVEYING AND MAPPING TECHNOLOGY Co.,Ltd. Address before: 100094, Beijing, Yongfeng Haidian District industrial base, No. 5 East Feng Feng Road Applicant before: CHINA CENTRE FOR RESOURCES SATELLITE DATA AND APPLICATION |
|
| TA01 | Transfer of patent application right | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |