导读:本文包含了全色遥感图像论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,全色,遥感,光谱,算法,锐化,影像。
全色遥感图像论文文献综述
云红全,章启恒,田振坡,刘驰[1]（2019）在《基于图像融合的高分全色遥感影像变化检测》一文中研究指出针对同一地区不同时期的全色高分辨遥感影像,提出一种基于影像融合的变化检测算法。首先采用基于匹配点的叁角网校正方法对两景影像进行几何校正,然后选用基于迭代多元变化检测(IR-MAD)的相对辐射校正方法进行辐射一致性处理,接着对经几何一致性处理、辐射一致性处理后两张影像进行显着性融合,采用Mean-Shift分割算法对融合影像进行分割,选用方向梯度直方图(HOG)特征获取影像纹理强度图,最后通过比较分割块纹理变化获得变化检测结果。以Toposys激光雷达系统搭载相机拍摄的全色影像对该算法进行了检验,并使用单一时期影像为分割对象进行对比实验结果。实验结果表明,以融合影像为分割对象的结果远优于以单一时期影像为分割对象的变化检测结果,极大地减少了误检和漏检,在城市、郊区等地区人工地物变化监测中有一定的应用价值。(本文来源于《测绘与空间地理信息》期刊2019年04期）
高瑞超,雷力军,张存柱[2]（2019）在《基于稀疏表示的多光谱与全色遥感图像融合新方法》一文中研究指出针对多光谱图像和全色图像融合问题,提出了一种基于稀疏表示的多光谱与全色遥感图像融合新方法。首先对多光谱图像进行IHS变换,得到I亮度分量,然后采用滑动窗口技术对I亮度分量和全色图像分块,利用过完备字典和正交匹配算法(OMP)得到I亮度分量和全色图像的稀疏系数,采用Sigmoid函数对稀疏系数进行融合。文中使用Quick Bird卫星数据验证本文提出方法的有效性。实验结果表明,相比于传统方法,本文方法得到的融合图像具有较好的光谱特性,保留了更多的空间细节信息。(本文来源于《港工技术》期刊2019年02期）
李杰,李玉,王玉,赵泉华[3]（2018）在《结合最大似然算法和波利亚罐模型的全色遥感图像分类》一文中研究指出最大似然(ML)算法是一种应用广泛的遥感图像监督分类方法,该算法对样本区域的选择有很高的精度要求,选择难度降低了算法的效率。为此,本文提出了一种结合ML算法和波利亚罐模型的全色遥感图像分类方法。首先由ML算法得到各像素分属各类别的概率,根据得到概率计算此像素的罐模型中不同颜色小球的数量,完成图像罐模型的建立;根据波利亚罐模型随机采样过程,结合邻域,更新中心像素的罐模型中各类颜色小球的组成,直到各类小球数量比例达到稳定,得到最终分类结果。该方法可以进一步精确地对图像进行分类,且对样本选择无要求,简化了分类过程;分别对合成图像和真实遥感图像进行了试验,取得了较好的试验结果;定性和定量分析结果验证了该方法的可行性及有效性。(本文来源于《测绘通报》期刊2018年04期）
王玉,李玉,赵泉华[4]（2018）在《基于区域的多尺度全色遥感图像分割》一文中研究指出针对边缘信息不足导致的图像误分割问题,提出一种基于区域的多尺度全色遥感图像分割方法.首先,利用曲波变换对图像进行多尺度分析,获取多尺度分解图像;然后,利用规则划分技术将其图像域划分成一系列子块,结合统计方法,建立基于区域的多尺度统计分割模型;接着设计可逆变马尔可夫链蒙特卡罗(RJMCMC)算法求解该分割模型;最后,利用所提出方法对全色遥感图像进行分割实验,实验结果表明,所提出方法能够有效解决图像误分割问题,并较好地实现图像分割.(本文来源于《控制与决策》期刊2018年03期）
张景新[5]（2016）在《多光谱与全色遥感图像融合算法研究》一文中研究指出在遥感技术中,为了探测地球表面的地物特性,需要空间分辨率良好的图像,全色图像可以很好地完成这一目的。同时,为了区分地表上的不同覆盖物,多光谱图像同样也必不可少。而现如今遥感卫星能够提供的图像只能是高空间分辨率的全色图像或者是低空间分辨率的多光谱图像,而通过图像融合就可以实现高分辨率的多光谱图像,这便是图像融合的意义所在。本文主要是针对多光谱图像和全色图像融合为核心而开展的研究。针对这一问题主要研究了以下内容:(1)介绍分析遥感技术中多光谱图像与全色图像融合的目的和意义,以及现如今国内外的研究现状。(2)介绍了在图像融合前必不可少的环节即图像配准和图像融合的概念和层次。也着重阐述了现如今图像融合领域的评价标准,包含主观评价指标和客观评价指标,其中客观评价指标包括信息熵、均值、标准差、平均梯度等。同时分析了四种比较常见的传统算法,分别为Brovey变换法、IHS变换法、PCA变换法以及高斯滤波法。最后,对这四种传统融合算法进行实验仿真,并根据评价方法对仿真结果进行评价,得出其中相对较好的两种算法为IHS变换法和PCA变换法。(3)针对IHS变换法进行改进。介绍了小波变换的理论知识和在图像融合领域的应用。针对小波变换的平移变异性问题,引入SIDWT变换,提出了一种基于区域分割的图像融合算法,着重对图像融合规则进行详述,给出实验流程,并进行实验仿真分析和比较,验证该算法的有效性。(4)针对PCA变换法进行改进。详细阐述了 Contourlet变换的原理,其中包括拉普拉斯变换和方向滤波器的介绍。基于此,提出了 PCA-Contourlet变换结合多目标粒子优化算法的图像融合方法,对于Contourlet变换后的高低频融合规则进行了阐述,对多目标粒子优化的过程进行了介绍,给出了算法的流程图。最后,通过实验仿真和主客观评价证明了算法的有效性。(本文来源于《哈尔滨工程大学》期刊2016-05-01）
万智萍[6]（2014）在《结合方向小波的多光谱与全色遥感图像融合算法》一文中研究指出针对现有的遥感图像融合算法所得融合图像存在边缘清晰度不高与光谱保持能力较差等问题,根据方向小波变换的高效性与方向选择性,提出了一种结合方向小波的多光谱与全色遥感图像融合算法。该算法采用人眼的视觉特性首先对待融合图像进行预处理,并根据小波变换的分解特性,对低频子带小波系数采用基于能量比的图像融合规则,而对高频子带则采用基于纹理一致性的融合规则。实验结果表明:该算法能够在保留多光谱图像信息的基础上,得到清晰度较高的融合图像,其中对中等分辨率图像的融合处理效果最佳。(本文来源于《遥感技术与应用》期刊2014年04期）
刘晓,易维宁,乔延利,崔文煜[7]（2013）在《基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真》一文中研究指出高空间分辨率全色遥感图像在军事侦察、地面监视等领域具有较高的应用价值.为模拟星载全色遥感图像,提出了一种由艇载遥感成像系统获取的低空遥感图像为数据源的高空间分辨率全色遥感图像仿真方法.首先将低空宽视场图像按典型地物类型进行监督分类,其次将低空宽视场图像与多光谱图像按不同地物类型分类拟合,并将多光谱拟合结果合成高空间分辨率全色仿真图像,最后对高空间分辨率全色仿真图像进行仿真精度评价.相比星载全色遥感图像,仿真图像同样具备高空间分辨率、全色波段、宽视场等特点.仿真方法可为星载全色遥感图像仿真提供较准确的数据支撑.(本文来源于《红外与毫米波学报》期刊2013年05期）
陶旭婷,和红杰,陈帆,尹忠科[8]（2014）在《基于局部相关性的遥感图像全色锐化算法》一文中研究指出为了增强多光谱图像的空间分辨率同时避免出现严重的光谱扭曲,对插值放大后的多光谱图像和原始全色图像分别作相同层数的非下采样轮廓波变换分解.在相应低频子带中,分别选取以待融合像素点为中心,大小为5×5的滑动窗口,计算待融合像素点的局部相关系数与四阶相关系数.如果局部相关系数大于四阶相关系数,说明该位置上的地物存在相似的光谱特征,因此用全色图像的高频系数替代多光谱图像的高频系数;反之,保持多光谱图像的高频系数不变.最后将多光谱图像的低频系数和替换后的高频系数进行非下采样轮廓波逆变换得到融合图像.采用Landsat 7遥感图像,对比给出了本文与现有同类最新文献融合结果及其主客观评价指标.实验结果表明,本文算法在提高空间分辨率与保持光谱信息两个方面都具有较好的效果.(本文来源于《光子学报》期刊2014年03期）
李增顺[9]（2013）在《多光谱和全色遥感图像融合算法研究》一文中研究指出如何从多光谱图像和全色图像中合理地提取和整合出有效信息，克服单一图像数据本身的局限性，最终实现对观测目标的准确表达，成为了研究的热点。本文主要研究了基于小波变换、NSCT的多源遥感图像融合算法。首先，介绍了多源遥感图像融合技术的研究背景、现状和意义，分析探讨了目前融合算法中存在的问题和未来的研究方向。接着对常见的图像融合算法和融合图像的质量评价标准进行了介绍，并通过仿真实验从主观和客观上对常见融合算法的优缺点进行了分析。其次，对小波分析理论进行了深入研究，在小波变换的基础上，对常用的融合规则进行了优化组合，通过仿真结果的分析，得出各融合规则的优缺点，然后研究了离散分形布朗随机模型和分形维数的求取方法，在分维数的基础上设计了高频系数融合规则。通过仿真实验，验证了该融合算法在增强图像空间分辨率和保持光谱特性方面都取得了良好的效果。最后，将àtrous小波变换和NSCT结合得到一种基于àtrous-NSCT的图像分解方法，并将其应用于多光谱和全色图像融合中。在高频系数融合规则上，对基于分形维数的规则进行了改进；在低频系数的融合规则上，确立了基于拉普拉斯能量和的加权融合规则，同时针对多光谱图像和全色图像的特点，建立了一种以信息熵、清晰度、相似系数为目标函数多目标优化模型，用NSGA-II多目标优化算法对该模型进行求解，将求解出的系数作为低频融合规则的加权系数。实验结果表明，文中算法在图像光谱信息保留和纹理细节信息等方面具有良好的性能。(本文来源于《燕山大学》期刊2013-05-01）
陈婷,汪爱华,王智勇[10]（2013）在《基于过渡区特征的全色遥感图像冰雪识别》一文中研究指出针对全色图像的冰雪识别问题,以过渡区理论为基础,提出基于过渡区特征的冰雪识别方法。首先利用K-均值聚类方法分离云、雪与其他地物,再通过SUSAN(smallest univalue segment assimilating nucleus)边缘检测提取过渡区图像;然后设立描述过渡区大小的特征量——厚度,并与过渡区的均值和方差特征量组合成特征向量,用以分析过渡区特征,识别具有冰雪过渡区特征的点,构成冰雪边界;最后经过边界生长和区域填充,实现冰雪识别。以"北京一号"小卫星全色图像为遥感数据源,应用该方法及过渡区阈值法、迭代自组织法和面向对象纹理分析法分别提取冰雪覆盖区。该方法的冰雪识别精度达到97.39%,明显高于其他识别方法,表明该方法能获得较高精度的冰雪识别结果和丰富的边缘信息,可为云雪分离及雪线提取等方法研究提供参考。(本文来源于《国土资源遥感》期刊2013年02期）
全色遥感图像论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对多光谱图像和全色图像融合问题,提出了一种基于稀疏表示的多光谱与全色遥感图像融合新方法。首先对多光谱图像进行IHS变换,得到I亮度分量,然后采用滑动窗口技术对I亮度分量和全色图像分块,利用过完备字典和正交匹配算法(OMP)得到I亮度分量和全色图像的稀疏系数,采用Sigmoid函数对稀疏系数进行融合。文中使用Quick Bird卫星数据验证本文提出方法的有效性。实验结果表明,相比于传统方法,本文方法得到的融合图像具有较好的光谱特性,保留了更多的空间细节信息。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
全色遥感图像论文参考文献
[1].云红全,章启恒,田振坡,刘驰.基于图像融合的高分全色遥感影像变化检测[J].测绘与空间地理信息.2019
[2].高瑞超,雷力军,张存柱.基于稀疏表示的多光谱与全色遥感图像融合新方法[J].港工技术.2019
[3].李杰,李玉,王玉,赵泉华.结合最大似然算法和波利亚罐模型的全色遥感图像分类[J].测绘通报.2018
[4].王玉,李玉,赵泉华.基于区域的多尺度全色遥感图像分割[J].控制与决策.2018
[5].张景新.多光谱与全色遥感图像融合算法研究[D].哈尔滨工程大学.2016
[6].万智萍.结合方向小波的多光谱与全色遥感图像融合算法[J].遥感技术与应用.2014
[7].刘晓,易维宁,乔延利,崔文煜.基于艇载遥感成像数据的高空间分辨率全色遥感图像仿真[J].红外与毫米波学报.2013
[8].陶旭婷,和红杰,陈帆,尹忠科.基于局部相关性的遥感图像全色锐化算法[J].光子学报.2014
[9].李增顺.多光谱和全色遥感图像融合算法研究[D].燕山大学.2013
[10].陈婷,汪爱华,王智勇.基于过渡区特征的全色遥感图像冰雪识别[J].国土资源遥感.2013
论文知识图
