基于线性光谱分解的遥感图像大气灰霾环境效应去除技术

合集下载

基于深度学习的遥感图像去雾算法

综上所述，基于学习的方法在近些年内逐渐成为图像处理的主流方法且效果显著。本文基于实际的遥感图像中的有雾图像对经典的大气散射模型进行改进，将模型中多个参数统一到一个与输入相关的变量中，该变量随着输入图像不同而自适应调整，即将传统求解大气散射模型的透射率与大气光值的问题转换为对统一变量的估计与最小化误差。此时，根据遥感图像的特点建立粗尺度与细尺度相结合的端到端深度学习模型。首先对有雾图像进行粗尺度卷积，提取图像中低频特征信息，再将粗尺度网络卷积后的特征与细尺度卷积后的特征进行线性连接，随后利用细尺度网络对图像提取高频特征信息，最后得到有雾图像变量的信息。本文算法运用不同的训练集进行深度学习得到最终的最小化误差的变量，从而代入改进后的大气散射模型即可得到无雾图像。通过与其他算法的比较，可以得出本文算法在去雾效果上有较好的表现。
０引言
随着遥感技术的不断发展，遥感图像被广泛地运用于军事国防、灾害应急响应以及生态环境监测等领域。遥感在区域信息精细化上具有高科学价值，具有高空间分辨率、高频次、高性价比等特点［１］。应运而生的是遥感图像处理，遥感技术在进行图像处理过程中受到大气环境影响较大，尤其是可见光范围内的成像光谱。近些年来，由于雾霾的存在，在户外场景中拍摄的图像通常会遭受可见度差、对比度降低、图像画质模糊和颜色偏移的困扰［２］。虽然针对无雾图像的处理技术无论是从图像增强角度还是图像复原角度都已经发展成熟，但是针对有雾图像的处理技术的研究还远远不够。去雾技术就是一种应用于雾霾天气下的计算机视觉技术，它可以有效避免因为雾霾天气导致的图像质量退化，为后期的图像处理、图像分析、图像理解提供更加优质的数据结果。现阶段，去雾技术主要包含三种方法，并分别取得了一定的效果：

GeoEye-1遥感图像去雾霾方法比较

GeoEye-1遥感图像去雾霾方法比较吴寿江;李亮;宫本旭;龚梅【期刊名称】《国土资源遥感》【年(卷),期】2012(000)003【摘要】在多雨多雾地区,GeoEye -1 卫星获取遥感图像时常受到雾霾的影响.由于雾霾对电磁波有吸收、折射、反射和散射作用,导致遥感图像清晰度降低.因此,尽可能地消除雾霾对图像的影响,才能有效地提高遥感图像的质量.利用ENVI软件作为图像处理平台,分别选取了国内外常用的“同态滤波”、“小波变换”和本文提出的“波段计算组合”3种去雾霾方法对GeoEye -1图像进行去雾霾处理效果的研究对比.结果表明,利用“波段计算组合”方法去除GeoEye -1图像中的雾霾有很好的效果.%In the rainy and foggy areas, the images acquired by GeoEye - 1 satellite are often affected by haze. Because of the influence of the absorption, refraction, reflection and scattering role of the haze on the electromagnetic waves, the image clarity is decreased. Therefore, it is necessary to eliminate the impact of the haze on the image as much as possible so as to effectively improve the quality of images. Using ENVI software as an image processing platform, the authors selected the " homomorphic filtering" and " wavelet transform" methods commonly used in China and abroad and the "band calculation composition" method proposed in this paper to make a comparative study of the effects of haze elimination for the GeoEye - 1 image. The results show that the use of"band calculation composition" to remove the haze from GeoEye - 1 image has a good effect.【总页数】4页(P50-53)【作者】吴寿江;李亮;宫本旭;龚梅【作者单位】贵州省地质调查院,贵阳550004;贵州省地质调查院,贵阳550004;贵州省地质调查院,贵阳550004;贵州省地质调查院,贵阳550004【正文语种】中文【中图分类】TP751.1【相关文献】1.一种基于双模式成像的遥感图像去运动模糊方法 [J], 李奇;董文德;徐之海;冯华君;陈跃庭2.雾霾天气图像去雾霾方法比较研究 [J], 成晋军;张晓娟3.基于颜色空间变换的遥感图像去厚云方法 [J], 陈旭;林宏;强振平4.基于剪切波和全变分的农田遥感图像去噪去伪影方法 [J], 梅树立;李晓飞;赵海英;李丽;郭书君5.一种生成对抗网络的遥感图像去云方法 [J], 王军军;孙岳;李颖因版权原因，仅展示原文概要，查看原文内容请购买。

基于大气散射模型的雾霾天道路图像清晰化

基于大气散射模型的雾霾天道路图像清晰化基于大气散射模型的雾霾天道路图像清晰化一、引言近年来，雾霾天气持续加剧，给人们的生活和交通出行带来了很大的困扰。

雾霾天气中的道路图像常常受到大气粒子的散射影响，导致图像模糊不清，给车辆驾驶和交通监控带来了安全隐患。

因此，研究如何对雾霾天道路图像进行清晰化处理，对于提高交通安全性和可视化效果具有重要意义。

二、雾霾天大气散射模型雾霾天气中的道路图像模糊常常是由大气中的颗粒物散射引起的。

大气散射模型是描述光在大气中传播过程的数学模型。

根据光在大气中的传播特性，常用的大气散射模型包括Mie散射模型和Rayleigh散射模型。

1. Mie散射模型Mie散射模型适用于颗粒物尺寸较大的情况，例如大气中的雾霾颗粒。

Mie散射模型可以描述光在颗粒上的散射和吸收过程。

在图像处理中，可以利用Mie散射模型对雾霾天道路图像进行去雾处理。

该方法主要通过估计图像中散射光的强度，消除雾霾颗粒造成的影响，使道路图像恢复清晰度。

2. Rayleigh散射模型Rayleigh散射模型适用于颗粒物尺寸远小于光波长的情况。

在雾霾天气中，颗粒物的尺寸通常较小，因此Rayleigh散射模型更适用于描述光在大气中的传播。

然而，在实际应用中，Rayleigh散射模型对雾霾天道路图像的清晰化处理效果较差。

三、基于大气散射模型的道路图像清晰化方法1. 视频图像去雾算法雾霾天气中的道路图像往往是由连续的视频图像组成的。

因此，可以利用视频图像的时空信息，结合大气散射模型进行去雾处理。

该方法首先对视频图像序列进行背景建模，估计每帧图像中的散射光分布。

然后根据大气散射模型，去除散射光的影响，最终得到清晰的道路图像。

2. 多尺度图像去雾算法基于大气散射模型的道路图像清晰化还可以利用多尺度图像处理技术。

该方法通过将道路图像分解为不同尺度的图像，分别进行去雾处理。

首先对图像进行小波变换，得到不同尺度的图像分量。

然后根据大气散射模型，对每个尺度的图像进行去雾处理。

遥感技术在灰霾监测中的应用综述

遥感技术在灰霾监测中的应用综述遥感技术在灰霾监测中的应用综述一、前言灰霾是由于大气污染物密集在空气中而形成的，对人类健康和环境造成巨大威胁的一种大气污染现象。

近年来，灰霾问题愈发突出，严重影响了人民的生活质量和经济发展。

因此，灰霾的监测与预警成为当前大众关注的焦点之一。

遥感技术作为一种快速、广泛、非接触的数据采集方法，在灰霾监测中具有重要的应用价值。

本文将综述遥感技术在灰霾监测中的应用情况，以期为相关研究和灰霾治理工作提供参考。

二、遥感技术在灰霾监测中的原理遥感技术是指通过感知、记录和解释地球表面物理信息的一种手段，其中包括了航天器、地面站、数据处理与应用等部分。

在灰霾监测中，遥感技术主要利用遥感卫星、飞机等载体获取灰霾相关数据，通过数据处理和分析，得出灰霾的空间分布、浓度等信息。

常用的遥感技术包括光学遥感、红外遥感和微波遥感等。

光学遥感利用可见光和近红外光来感知地物的信息，适用于获取地表的反射特征、大气成分以及云、雾等大气干扰参数。

红外遥感则通过感知地物的辐射热能来获取信息，适用于观测地表温度、云的高度等参数。

微波遥感则是通过感知微波信号来获取地物的信息，适用于获取地表湿度、降水等参数。

这些遥感技术的共同特点是能够获取大面积、高精度的地表信息，对于灰霾的监测具有独特优势。

三、遥感技术在灰霾监测中的方法1. 光学遥感方法光学遥感方法是最常见的遥感技术之一，对灰霾的监测具有较好的效果。

光学遥感主要通过感知地表和大气的反射光谱来获取相关信息。

灰霾的主要成分是悬浮在空气中的颗粒物，这些颗粒物具有一定的光谱特征，可以通过光谱分析来判断其浓度和组分。

通过卫星遥感数据获取来的灰霾信息，可以通过光谱分析和统计方法进行处理和分析。

光谱分析可以通过比较不同波段反射率的变化来确定灰霾的类型和浓度。

统计方法则可以通过建立灰霾与遥感数据之间的统计关系来预测灰霾的空间分布。

2. 红外遥感方法红外遥感方法是利用地物的红外辐射特性来获取信息的一种遥感技术。

基于遥感图像频率域滤波的灰色线性中值去噪算法

n为滤波器级数这里n通过上式可以看出butterworth低通滤波器的衰减是连续的由于这种平滑过渡中包含有一定程度的细节信息故该滤波器滤波后的图像比理想低通滤波器滤波图像更清晰且没有指数低通滤波器衰减的速度快因此可以保留有更多的边缘信息灰色绝对关联度分析传统的线性或非线性滤波是对图像整体进行无差别的卷积运算这往往是对非噪声区同等程度地进行了增强处理使遥感图像特别是遥感图像中地物的边缘或灰度变化较为迅速的区域变得平滑对解译工作产生不利影响灰色绝对关联度的基本思想是按照各因素时间序列曲线变化态势的接近程度来计算关联度在本文的研究中灰色关联度包含两方面作用
６９８
桂林理工大学学报２着极大的不确定性。但由于二维的图像系统仍属于一种广义的能量系统，图像元素的灰度值均为正数，如果采用的方法得当，同样满足指数
３］能量变化的规律［，因此，可以认定，遥感图像
灰色绝对关联度的基本思想是按照各因素时
７］间序列曲线变化态势的接近程度来计算关联度［，
在本文的研究中，灰色关联度包含两方面作用。
（０）１２１噪声点的判断选取噪声图像为Ｘ本１，
噪声处理仍属于灰色系统处理的范畴１１频域平滑
［４］
。
３窗口为例分析，其中本窗口的９个像素的文以３× 灰度值按照升序排列组成比较序列：
１频率域滤波与灰色线性中值滤波组合去噪原理及算法说明
遥感图像中的噪声形成比较复杂，加之诸多随机和非随机因素的影响，使图像中噪声的表现往往也比较复杂，即使是较为简单的椒盐噪声，也
收稿日期：２０１３－１１－１３基金项目：国家自然科学基金项目（４１４６１０８９；４１１６１０７３）；广西自然科学基金项目（２０１０ＧＸＮＳＦＡ０１３００２）；广西空间信息３０５１１４０２；１２０７１１５－０６）；广西矿冶与环境科学实验中心项目与测绘重点实验室项目（桂科能１（ＫＨ２０１２ＺＤ００４）；广西 “ 八桂学者” 岗位专项经费项目；广西重点实验室系统性研究项目（２０１３ＺＤＸ０３）；广西研究生教育创新计划项目（ＹＣＳＺ２０１２０８３）作者简介：文鸿雁（１９６３ —），男，博士，教授，研究方向：现代变形监测理论与专题信息系统，ｇｌｉｔｅｗｈｙ＠１６３ｃｏｍ。引文格式：文鸿雁，郭锴，陈伟清．基于遥感图像频率域滤波的灰色线性中值去噪算法［Ｊ］．桂林理工大学学报，２０１４，３４（４）：６９７－７０３．

遥感技术在灰霾监测中的应用综述

遥感技术在灰霾监测中的应用综述遥感技术在灰霾监测中的应用综述灰霾作为一种严重影响人体健康和环境质量的大气污染物，近年来引起了广泛的关注。

为了有效地监测和管理灰霾，遥感技术被广泛应用于灰霾监测和评估中。

本文将对遥感技术在灰霾监测中的应用进行综述。

首先，遥感技术在灰霾监测中的应用主要包括两个方面，即灰霾遥感监测和灰霾特征参数提取。

通过遥感技术，可以获取灰霾的时空分布情况，以及灰霾的光学与遥感特征。

这些信息对于了解灰霾的来源、形成机制以及治理措施的制定都具有重要的参考价值。

在灰霾遥感监测方面，卫星遥感和无人机遥感是常用的手段。

卫星遥感可以通过遥感卫星获取大范围的灰霾监测数据，具有全球性和高时空分辨率的特点。

无人机遥感则可以获取灰霾的微观细节，可以在更短时间内获取数据，并且可以实时监测特定区域的灰霾情况。

通过这两种方式，可以及时了解灰霾的变化趋势，并为灰霾治理提供科学依据。

除了遥感监测外，遥感技术还可以用来提取灰霾的特征参数。

首先是光学厚度，通过计算遥感图像中灰霾的吸收和散射特性，可以得到灰霾的光学厚度。

光学厚度可以反映灰霾的密度和浓度，是评估灰霾程度的重要指标。

其次是颗粒物的质量浓度，通过对遥感图像中不同波段的反射率进行分析，结合气象条件和地理环境等因素，可以反推出灰霾中颗粒物的质量浓度。

此外，还可以通过红外遥感技术来探测灰霾中的有害气体浓度。

在遥感技术的应用中，还可以结合地面观测数据进行验证和修正。

地面观测可以提供更精确的灰霾数据，例如颗粒物质量浓度、气象参数等，可以用来评估遥感结果的准确性和可靠性。

综上所述，遥感技术在灰霾监测中的应用具有重要的意义。

通过遥感技术，我们可以实时获取灰霾的时空分布情况，并提取出灰霾的重要特征参数，从而为相关部门制定灰霾治理措施提供科学依据。

然而，遥感技术也面临一些挑战，如数据处理和分析的复杂性、遥感仪器的精度和解析度等方面仍需不断改进。

未来，随着遥感技术的进一步发展，相信它在灰霾监测和治理中的应用将会更加广泛和深入综上所述，遥感技术在灰霾监测中的应用可以及时了解灰霾的变化趋势，并为灰霾治理提供科学依据。

一种基于线性学习模型的图像去雾方法[发明专利]

专利名称：一种基于线性学习模型的图像去雾方法专利类型：发明专利
发明人：庄立运,王晓晖,居勇峰,季仁东,顾相平
申请号：CN202110042952.X
申请日：20210113
公开号：CN112712482A
公开日：
20210427
专利内容由知识产权出版社提供
摘要：本发明公开了一种基于线性学习模型的图像去雾方法，通过雾霾彩色图像的三个分量的协方差计算传输函数值中的参数；其次，提出了一种基于三变量(亮度、饱和度和色调)的线性模型来估计深度场景；为了得到线性模型的系数值，引入迭代算法，并利用雾霾图像对模型进行训练；然后利用一种基于多项式核引导滤波的线性模型预测环境光照值；最后，本发明所提算法通过物理模型得到去雾后的图像。

申请人：淮阴工学院
地址：223003 江苏省淮安市清江浦区枚乘东路1号
国籍：CN
代理机构：南京苏高专利商标事务所(普通合伙)
代理人：柏尚春
更多信息请下载全文后查看。

遥感技术在灰霾监测中的应用综述

遥感技术在灰霾监测中的应用综述
姜杰;查勇;袁杰;陈骁强;沈丹
【期刊名称】《环境监测管理与技术》
【年(卷),期】2011(023)002
【摘要】介绍了灰霾遥感监测的基本原理,论述了基于图像变换的TC法、HOT法和基于反演气溶胶光学厚度的灰霾遥感监测技术,以及造成灰霾天气的秸秆燃烧遥感监测方法.指出卫星遥感技术可以提供大尺度、长时间序列的污染物时空分布特征和变化趋势,以及全球性的大气环境综合遥感数据,是灰霾监测与综合治理的重要途径.
【总页数】4页(P15-18)
【作者】姜杰;查勇;袁杰;陈骁强;沈丹
【作者单位】南京邮电大学地理与生物信息学院,江苏南京210003;南京师范大学地理科学学院,江苏南京210046;南京师范大学地理科学学院,江苏南京210046;南京师范大学地理科学学院,江苏南京210046;南京师范大学地理科学学院,江苏南京210046;南京师范大学地理科学学院,江苏南京210046
【正文语种】中文
【中图分类】X87
【相关文献】
1.探讨遥感技术在大气环境监测中的应用综述 [J], 刘美玲;曹楠
2.矿产资源开发动态监测中遥感技术应用综述 [J], 蔡冬梅;李明哲;曹继如
3.遥感技术在土地调查与动态监测中的应用综述 [J], 翁玉坤;刘排英;王鹏生
4.遥感技术在环境监测中的应用综述 [J], 何理;郭鑫
5.中小河流治理及监测监管中的遥感技术应用综述 [J], 曲伟;庞治国;雷添杰;宋文龙;路京选;杨昆;谭亚男
因版权原因，仅展示原文概要，查看原文内容请购买。

一种光学遥感图像的快速降噪去霾算法

一种光学遥感图像的快速降噪去霾算法
许昕健;唐磊;匡乃亮;刘莹玉
【期刊名称】《微电子学与计算机》
【年(卷),期】2022(39)2
【摘要】针对光学遥感成像结果受噪声和雾霾影响而劣化的问题,提出了一种结合多帧融合降噪和暗通道先验法去霾的快速降噪去霾算法.针对星载计算机主频较低,算力有限的特点,本文在降噪阶段,将传统多帧融合算法的逐像素配准改为两级配准,在全局和局部分别使用绝对误差和(SAD)与相位相关配准;提出了一种基于配准结果的配准质量评价新方法,减少了评价时间;在去霾阶段,用高斯核与透射率模版卷积,替代了传统的精细化方法.实验结果表明,采用本文提出的算法可以使图像平均峰值信噪比(PSNR)提升8.97 dB,通过计算量优化,去霾耗时减少了73.41%.
【总页数】8页(P67-74)
【作者】许昕健;唐磊;匡乃亮;刘莹玉
【作者单位】西安微电子技术研究所
【正文语种】中文
【中图分类】TP391;TP751
【相关文献】
1.光学遥感图像变量分裂迭代快速复原算法
2.基于小面元方法的光学遥感图像快速匹配算法
3.单幅光学遥感图像中深灰色飞机的快速检测算法
4.单幅光学遥感图像
中深灰色飞机的快速检测算法5.一种基于轻量级深度网络的无参考光学遥感图像增强算法
因版权原因，仅展示原文概要，查看原文内容请购买。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

摘要：灰霾环境对遥感图像阳光在灰霾环境中的传输方法。据太阳光的传输方式，灰霾层看作是一个不均匀的半透明一透明层。根把
然后通过ＳＣＭＡＣ算法提取灰霾的端元信息，并利用最小二乘法反演去除灰霾后的遥感
ＣｉｅｅＡｃｄｍｙｏｏｏｉｌｃｎｅ，ｌｎ１０３，ｈｎｊｈｎｓａｅｆＧｅｌｇｃｉｃｓＢｅｇ００７ＣｉａａＳｅｉｔ
ＡｂｓｒｔＨａｅｈａｒａｎｕｎｅｏｅｏｅｓｎｓｎｍａｅ．Ｔｈｒｎｍｉｓｏｆｓｎｉｈｎｈｚｔａｃ：ｚｓｇｅｔｉｆｅｃｎｒｍｔｅｉｇｉｇｓｌｅｔａｓｓｉｎｏｕｌｔｉａｅｇｅｖｒｎｎｓａａｙｅａｎｙｎｉｏｍｅｔｉｎｌｚｄｍｉｌ．Ｆｉｓｌ，ｃｏｄｉｇｔｈｒｎｍｉｓｏｆｕｌｈ，ｈａｅｉｃｎｉｅｅｒｔｙａｃｒｎｏｔｅｔａｓｓｉｎｏｎｉｔｔｅｈｚｓｏｓｄｒｄｓｇａｏ — ｎｆｒｔａｓｕｅｔｔａｓｒｎａｅ．Ｔｈｎｔｅｅｄｍｅｂｒｏｈａｅｉｘｒｃｅｙｕｉｇｓａｎｎｕｉｍｒｎｌｃｎ — ｒｎｐａｅｔｌｙｒｏｅ．ｈｎ — ｍｅｆｔｅｈｚｓｅｔａｔｄｂｓｎｔｅＳＭＡＣＣｌｏｉｈｎｈａｅｉｅｔｅｓｎｍａｅｉｅｏｅｙｕｉｇａｌａｔｓｕｒｅｈｄ．ｈａｇｒｔｍａｄｔｅｈｚｎａｒｍｏｅｓｎｉｇｉｇｓｒｍｖｄｂｓｎｅｓ — ｑａｅｍｔｏＴｈｚｅｖｌｍｅｈｄｕｉｇｌｅｒｓｅｔａｅｏｐｏｉｉｎｉｅｙｅｅｔｖｏｈｅｏａｆｔｅｅｈａｅｒｍｏａｔｏｓｎｉａｐｃｒｌｄｃｍｎｓｔｏｓｖｒｆｃｉｅｆｒｔｅｒｍｖｌｏｈｈｚｔｉｈｒｈｇｒｌｗｅｏｏｏｃｎｒｔｏｎｒｍｏｅｓｎｓｎｍａｅｎａｅａｎｔｅｓｃｒｌａｅｗｉｈｅｔｅｉｈｏｏａｒｓｌｃｎｅｔａｉｎｉｅｔｅｉｇｉｇｓａｄｃｎｒｔｉｈｐｅｔａｉｏｍａｉｎｉｅｔｅｉｇｉａｅａｍａｌ．Ｆｉａｌ，ｈｔｏｓｃｍｐｒｄｗｉｈｔｔｏｐｅｉｎｆｒｔｏｎｒｍｏｅｓｎｓｎｍｇｓｍｘｉｌｙｎｌｔｅｍｅｈｄｉｏｙａｅｔｈｅａｍｓｈｒｃｃｒｅｔｏｔｏｏｒｃｉｎｍｅｈｄ．Ｔｈｅｕｔｓｏｈｔｔｉｌｅｒｓｃｒｌｄｃｍｐｓｔｏｔｏｓｂｔｅｒｔｅｅｒｓｌｈｗｓｔａｈｓｉａｐｅｔａｅｏｎｏｉｉｎｍｅｈｄｉｅｔｒｆｈｏ
ＹＯＦ－ｎＡｏｕｊ
（ＭＲＬＫｅａｏａｏｙｏｔｌｇｎｎｎｒｌｓｓｍｅｔＩｓｉｕｅｏｎｒｌｓｕｃｓｙＬｂｒｔｒｆＭｅａｌｅｙａｄＭｉｅａｅｓｎ，ｎｔｔｆｏＡｓｔＭｉｅａＲｅｏｒｅ
ＡｅｈｏｄｏｒＲｅｍｏｖｉｔｏｓＭｔｆｎｇＡｍｐｈｅｉａｅｉＲｅｏｅｒｃＨｚｎｍｔ
ＳｅｉｍａｅｎｓｎｇＩｇｓＢａｅｎＬｉｅｒＳｃｒｌＤｅｏｐｏｉｉｎｓｄｏｎａｐｅｔａｃｍｓｔｏ
图像。本文所述的线性光谱分解去霾方法对遥感图像中气溶胶浓度低／高的灰霾的去除效果都比较好，而且较大限度地保留了图像的光谱信息。最后把本文方法和大气校
正去霾方法进行了对比。结果表明，线性光谱分解的去霾效果较好。关键词：灰霾；辐射传输；大气校正；线性光谱分解；端元中图分类号：Ｐ０．４７文献标识码：Ａ８ＤＯ：１．６／．ｓ．７—７５０２７０Ｉ０９９ｊｓ１２８．１．．５３ｉｎ６８２００
文章编号：１７ —７５２１）７０２ —５６２８８（０２０—０００
基于线性光谱分解的遥感图像大气灰霾环境效应去除技术
姚佛军
（国地质科学院矿产资源研究所国土资源部成矿作用与资源评价重点实验室，北京１０３）中００７