当前位置: > 论文范文 > 60000字论文范文基于小波极大值的高频遥感数据噪声滤波研究

60000字论文范文基于小波极大值的高频遥感数据噪声滤波研究

论文类型:论文范文
论文字数:60000字
论点:光谱,遥感,成像
论文概述:

高光谱数据的突出特点是在真实反映地物表层信息的基础上引入了第三维的反射率光谱曲线,对于地物类型的识别以及定量分析提供了有力依据。

论文正文:

第一章导言

1.1高光谱遥感导论
1.1.1高光谱遥感技术
高光谱遥感成像技术是在多光谱遥感成像技术的基础上发展起来的。在可见光至短波红外波段,光谱分辨率为纳米级,光谱波段众多,达到数十甚至数百个波段,每个光谱波段通常是连续的。因此,高光谱遥感通常也被称为成像光谱遥感。与多光谱图像相比,高光谱遥感图像最显著的特点是光谱分辨率大大提高,能够反映地物光谱的细微特征。特性,在探测和识别地表和大气物种、评估和测量光谱中反映的物质含量、描述地面物体的分布空以及监测地面物体的周期性变化等应用领域中发挥着重要作用。宽带遥感不能探测地面物体的光谱特征,但在高光谱遥感中可以实现这一要求。一般来说,表层物质的吸收峰深度约为40纳米宽,而高光谱遥感的带宽大多保持在lOnm以内。因此,高光谱数据的高光谱分辨率可以区分地表物质的诊断光谱特征。与多光谱技术相比,高光谱遥感不仅具有更多的可选通道,而且完全改变了以往以定性分析和解释为目的的遥感分析方法和应用水平。利用高光谱遥感数据可以实现新的定量方法的研究,而不仅仅局限于宽带遥感中使用的统计方法。对于包含各种地面物体的遥感图像,多光谱图像可以区分不同的地面物体,但不能用于识别。高光谱图像不仅可以区分不同的地物,还可以达到识别的目的。高光谱技术可以说比以往任何其他遥感技术更清楚地反映了遥感分析和物质识别的原理和丰富内涵,也为遥感技术从定性解释发展到定量分析提供了机会空。
1.1.2国外成像光谱仪系统简介
1.1.2.1导航空成像光谱仪[/BR/]1983年,世界上第一台成像光谱仪AIS-1在美国喷气推进实验室成功研制,在矿物测绘、植被、化学和其他应用方面显示出巨大潜力。此后,世界上许多国家在成像光谱仪的开发上相继取得了重大进展:美国机载可见红外成像光谱仪(AVIRIS)、美国德达勒斯公司的MIVIS、德国GER公司的79波段机载成像光谱仪(DAIS-7915)、加拿大的爆发射线成像光谱仪(FLI)以及在此基础上开发的小型机载成像光谱仪(AIS)、芬兰机载多用途成像光谱仪(DAISA)、德国反射成像光谱仪(AMIN-10和AMIN-22)、美国海军研究所的高光谱数字图像采集测试仪(HYDCE)其中,AVIRIS极大地促进了高光谱遥感技术的发展和应用[2】。AVIRIS是美国地面探测卫星系统,目前在高光谱混合像元分解研究中应用最为广泛。它的成像范围涵盖从红外线到可见光的不同波长范围。成像系统有224个成像带,覆盖0.4个阳性?2.5阳波长范围;光谱分辨率为朗恩,分辨率在空之间为20rn。这颗卫星的飞行高度为20公里,速度为730公里/小时;主要覆盖北美、欧洲和南美部分地区。
近年来,在新技术支持下开发的高光谱系统极大地提高了其稳定性、探测效率和综合技术性能。其中代表性的有澳大利亚的HyMap、美国的Probe、加拿大ITRES公司的系列产品和美国GER公司为德士古石油公司专门开发的TEEMS系统。HyMap是高光谱制图员的缩写,其光谱范围为0。45岁?两个乐队共有126个。3点同时5毫米?500万?我和8岁?LOMm在其两个波长范围内有两个额外的波段可供选择,因此总共有128个波段。HyMap数据显示了辐射校准、光谱校准和信噪比方面的高性能。总光谱校准精度优于0。低于2.0?2.5所附短波红外波段的信噪比高于500:1。加拿大ITRES公司开发的成像光谱仪分为三个系列:可见光至近红外范围的CASI系列成像、短波红外范围的SASI系列成像和热红外范围的TABI系列成像。系统的光谱分辨率可达2。2nm到近红外波段,并具有视场角大的优点。图像行的扫描宽度可以达到1480像素。sebass是美国航空航天公司开发的一种空增强型宽带阵列光谱仪系统(SEBASS)。这是一个没有任何移动部件的固定成像仪。它有两个光谱区域:中波红外,3。0~5。5微米和0。025微米带宽。长波红外线,7。8岁。13.5微米,带宽0.04微米。它在中波红外区有100个波段,在长波红外区有142个波段。所用探测器的有效频率为120赫兹,温度灵敏度为+/-0.05摄氏度,信噪比大于2000。SEBASS等热红外光谱仪为更好地反映地面物体的性质提供了宝贵的数据源,并已应用于环境监测、植被生长和坡度监测、农业和林业资源测绘、地质测绘和勘探等许多领域。

1.2高光谱图像噪声简介...................17-19
1.2.1噪声源...................17-19
1.2.2高光谱噪声的特征...................19[/比尔/] 1.4本文研究...................22-24
第2章高光谱数据噪声分析和图像质量评价方法……24-32
2.1高光谱遥感数据质量评估...................24[/比尔/] 2.2客观评价方法...................24-27[/溴/] 2.3高光谱数据噪声分析...................27-30
2.4本章概述...................30-32
第3章小波分析...................32-47
3.1小波分析概述...................32-37
3.2小波基函数...................37-41 [/BR/] 3.2.1经典小波样...................37-39 [/BR/] 3.2.2正交小波...................39-40
3.2.3双正交小波...................40-41
3.3小波去噪方法...................41-46
3.4本章概述...................46-47
第四章高光谱遥感数据光谱域噪声滤波……47-67[/比尔/] 4.1实验数据...................47-48 [/BR/] 4.2小波方法及参数选择...................48-54
4.3高光谱数据光谱域小波去噪...................54-57
4.3.1小波变换谱域噪声滤波...................54-57 [/BR/] 4.4用WTD法检查和比较谱域噪声消除...................57-66 [/BR/] 4.5本章概述...................66-67

结论

高光谱数据的突出特点是引入了基于地面物体表面信息真实反映的三维反射光谱曲线,为地面物体类型的识别和定量分析提供了强有力的基础。然而,由于高光谱图像成像过程中仪器和拍摄环境的不可避免的影响,在光谱域中不同程度地引入了噪声,这不仅降低了数据质量,掩盖了地物的光谱特征,直接影响了高光谱数据的应用。因此,对于高光谱数据,去除图像光谱域中的噪声是后续分析和应用的必要前提。本文以FISS地面成像光谱仪和ARISIS数据为研究对象。基于小波分析,提出了高光谱数据光谱域噪声滤波的WTD方法。该方法基于图像像素谱,逐像素去除谱曲线噪声,最终实现图像的谱域噪声滤波。本文的主要研究内容和成果如下:
1。简述了高光谱遥感的数据特征和噪声特征。从图像数据的均方偏差、相关性和反射光谱曲线等方面分析了高光谱图像的噪声和数据质量。本文所涉及的研究数据视觉质量较好,但图像的光谱域存在明显的噪声,需要进行滤波。
2。本文对高光谱数据光谱域噪声的去除主要基于小波变换。因此,本文简要介绍了小波变换的原理和应用。列举了几种常见的小波基函数,重点阐述了小波变换中涉及的三种去噪方法:基于小波模极大值的去噪方法、基于小波变换尺度相关的去噪方法和基于阈值小波分析的去噪方法。

参考

[1]张冰,高连如。高光谱图像分类和目标检测。北京:科学出版社,2011:1-5。
[2]童庆喜,张冰。郑兰芬。高光谱遥感-原理、技术和应用。北京:高等教育出版社。
[3]朱美华。遥感图像高光谱特征研究。[·德】。山东科技大学。2007.
[4]陈志刚。舒炯。高光谱图像光谱域噪声去除的经验模式分解方法[[]。红外和毫米波杂志。2008年,第27卷,第5期。
[5]徐睿。基于小波变换的遥感图像降噪融合技术研究。天津大学,2008。
[6]郭天生。基于小波变换的图像去噪研究。兰州:兰州理工大学,2010。
[7]王芳。小波分析在信号去噪中的应用研究。西华大学,2009。[8]马德民。高光谱图像质量评价杂志。2004.
[9]王强。导航空高光谱遥感光谱域噪声滤波应用研究(1)。上海:华东师范大学。2006.
[10]孙雷。小波结构理论及其在高光谱遥感图像去噪和压缩中的应用。国防科技大学。2010