基于对偶树复小波变换和迁移支持向量回归的遥感图像薄云去除

发布时间：2017-05-04 18:06

  本文关键词：基于对偶树复小波变换和迁移支持向量回归的遥感图像薄云去除，由笔耕文化传播整理发布。

【摘要】：卫星遥感传感器获取的部分遥感图像由于气候的原因会产生不同程度的云覆盖,大大降低了遥感图像的利用率、影响其后期处理和应用。对此类遥感图像进行云层去除,能有效提高卫星图像的利用率和可用性,也是遥感图像预处理中一个十分重要的研究方向。本文针对目前应用较为广泛的陆地(Landsat)系列卫星和环境一号(HJ一1)系列卫星获取的含薄云遥感图像,提出了三种有效的薄云去除算法,主要内容包括以下几个方面：1.阐述了薄云去除研究的目的和意义,介绍了Landsat系列卫星和环境一号A、B卫星成像传感器的主要参数,分析了薄云去除算法的国内外研究现状,以及对偶树复小波变换和支持向量机理论。2.提出一种基于对偶树复小波变换的遥感图像薄云去除算法。该算法是将含薄云的遥感图像进行多层对偶树复小波变换,使得低频系数中主要为薄云信息,高频系数中主要为地物信息。通过对高频补偿和低频抑制处理,有效去除遥感图像中的薄云,恢复云覆盖区域的地面信息。实验结果表明,该方法能有效去除薄云且具有较快的运算速度。3.提出一种基于多方向对偶树复小波变换和迁移最小二乘支持向量回归的遥感图像薄云去除算法。在对偶树复小波变换基础上,结合方向滤波器组构建了多方向对偶树复小波变换；根据迁移学习及最小二乘支持向量回归理论构建了迁移最小二乘支持向量回归模型；借助与原始含云图像同一位置的清晰多源多时相卫星图像,使用迁移最小二乘支持向量回归对原始含云图像的低频系数进行填充,原始图像经多方向对偶树复小波分解后的高频系数采用自适应增强函数进行增强,将处理后的高低频系数重构后获得清晰无云的图像,有效地降低了地物信息的损失。4.提出一种基于多方向对偶树复小波变换和迁移孪生支持向量回归的遥感图像薄云去除算法。根据孪生支持向量机和迁移学习理论构建了域自适应迁移孪生支持向量回归模型。由于卫星传感器获取遥感数据具有一定的周期,在获得的可用同一位置多源多时相遥感图像中,地物信息不可避免地会发生一些变化,此算法采用基于分类的变化检测算法对原始图像和多源多时相图像进行地物变化检测,对未发生变化的区域进行迁移孪生支持向量回归的方法预测该区域中的低频系数,对于发生变化的区域则对原始图像该区域进行对偶树复小波分解,采用自适应增强函数增强高频并抑制低频,最终重构得到清晰无云图像。
【关键词】：遥感图像 薄云去除 对偶树复小波变换 支持向量回归 迁移学习
【学位授予单位】：安徽大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TP751
【目录】：

• 摘要3-5
• Abstract5-9
• 第一章 绪论9-15
• 1.1 研究背景与意义9-11
• 1.2 国内外研究现状11-13
• 1.3 本文研究内容与组织结构13-15
• 第二章 基于DT-CWT的遥感图像薄云去除15-30
• 2.1 对偶树复小波变换15-21
• 2.1.1 小波变换15-17
• 2.1.2 对偶树复小波变换17-21
• 2.2 基于DT-CWT的薄云去除算法21-23
• 2.3 实验结果与分析23-29
• 2.4 本章小结29-30
• 第三章 基于M-DTCWT和T-LSSVR的遥感图像薄云去除30-56
• 3.1 多方向对偶树复小波变换30-32
• 3.2 支持向量机32-38
• 3.2.1 支持向量机分类算法33-37
• 3.2.2 支持向量机回归算法37-38
• 3.3 迁移最小二乘支持向量机38-41
• 3.3.1 迁移学习38
• 3.3.2 域自适应迁移最小二乘支持向量机38-41
• 3.4 基于M-DTCWT和T-LSSVR的薄云去除算法41-43
• 3.4.1 低频子带系数处理42
• 3.4.2 高频子带系数处理42
• 3.4.3 薄云去除算法步骤42-43
• 3.5 实验结果与分析43-54
• 3.5.1 模拟实验43-47
• 3.5.2 真实数据实验47-54
• 3.6 本章小结54-56
• 第四章 基于M-DTCWT和T-TWSVR的遥感图像薄云去除56-66
• 4.1 孪生支持向量机56-57
• 4.2 迁移孪生支持向量机57-59
• 4.3 基于M-DTCWT和T-TWSVR的薄云去除算法59-62
• 4.3.1 变化检测59-60
• 4.3.2 算法步骤60-62
• 4.4 实验结果与分析62-65
• 4.5 本章小结65-66
• 第五章 总结与展望66-68
• 5.1 总结66-67
• 5.2 展望67-68
• 参考文献68-74
• 致谢74-75
• 攻读硕士期间发表的论文75
• 攻读硕士期间参与的科研项目75

【参考文献】

中国期刊全文数据库 前10条

1 胡根生;黎晓伊;梁栋;黄林生;;基于对偶树复小波变换的遥感图像薄云去除[J];安徽大学学报(自然科学版);2016年01期

2 徐涵秋;;新型Landsat8卫星影像的反射率和地表温度反演[J];地球物理学报;2015年03期

3 Gensheng Hu;Xiaoqi Sun;Dong Liang;Yingying Sun;;Cloud removal of remote sensing image based on multi-output support vector regression[J];Journal of Systems Engineering and Electronics;2014年06期

4 庄福振;罗平;何清;史忠植;;迁移学习研究进展[J];软件学报;2015年01期

5 徐涵秋;唐菲;;新一代Landsat系列卫星:Landsat 8遥感影像新增特征及其生态环境意义[J];生态学报;2013年11期

6 高明亮;赵文吉;宫兆宁;赫晓慧;;基于环境卫星数据的黄河湿地植被生物量反演研究[J];生态学报;2013年02期

7 王敏;周磊;周树道;叶松;;基于峰值信噪比和小波方向特性的图像奇异值去噪技术[J];应用光学;2013年01期

8 李新宇;刘扬阳;蒋雪娜;王守觉;;基于高维空间几何信息学的遥感图像去薄云算法[J];电子学报;2011年05期

9 朱锡芳;吴峰;陶纯堪;;基于小波阈值理论的光学图像去云处理新算法[J];光子学报;2009年12期

10 肖俊;宋寿鹏;丁丽娟;;空域同态滤波算法研究[J];中国图象图形学报;2008年12期

中国博士学位论文全文数据库 前3条

1 金瑶;基于支持向量回归机的无迹卡尔曼滤波设计与应用[D];中国地质大学;2013年

2 罗旺;遥感图像的变化检测与标注方法研究[D];电子科技大学;2012年

3 曾绍华;支持向量回归机算法理论研究与应用[D];重庆大学;2006年

中国硕士学位论文全文数据库 前1条

1 张学敏;基于支持向量数据描述的遥感图像病害松树识别研究[D];安徽大学;2014年

  本文关键词：基于对偶树复小波变换和迁移支持向量回归的遥感图像薄云去除，，由笔耕文化传播整理发布。

本文编号：345529