学位论文 > 优秀研究生学位论文题录展示

可见光卫星图像的云检测算法研究

作　者: 周丽娟
导　师: 王卫卫
学　校: 西安电子科技大学
专　业: 计算数学
关键词: 可见光卫星图像云检测 SVM 结构纹理分解
分类号: TP391.41
类　型: 硕士论文
年　份: 2012年
下　载: 130次
引　用: 0次
阅　读: 论文下载

内容摘要

卫星可见光图像以其成像清晰度高，信息客观丰富，时效性以及实用性强等优点得到了广泛应用。但卫星可见光图像存在的一个主要问题是，云层的遮挡会降低图像中地面目标信息的可用性，某些有严重云层遮挡的图像甚至无法使用。这既增加了图像传输和处理的开销与时间，又降低了可见光卫星图像的使用价值，对后续的图像分类、目标检测以及识别等处理应用也产生了极大的负面影响。因此，云检测就成为卫星可见光图像处理的首要任务和关键技术之一。同时，云的物理特性和图像特性的复杂性使得云检测成为一大难点。本文利用图像结构纹理分解和支持向量机分类技术对卫星可见光图像的云检测问题进行了分析与研究，所得成果具有重要的理论意义和应用价值。论文首先综述了卫星可见光图像云检测的研究现状，包括研究背景、云检测的特点和检测方法等，并着重分析了支持向量机（SVM）分类技术和基于变分的图像结构纹理分解两种方法。通过对卫星可见光图像的结构纹理分解结果进行分析研究，我们发现，图像中尺度较大的云层部分被分解到结构分量，而其它小尺度细节被分解到纹理分量，利用图像的结构纹理分解可以有效地消除小尺度细节成分对云检测的干扰。其次，对基于支持向量机分类技术的云检测方法进行了理论分析和仿真实验。在此基础上，论文提出了一个基于SVM和结构纹理分解的云检测算法。该算法首先对卫星可见光图像进行结构纹理分解，并在结构图像中利用简单的阈值进行初步的云检测，然后以此检测结果引导SVM算法在原图中进行更精确地检测。数值实验表明，该算法能够有效地检测出云区，同时明显地减少对非云区的误判。

全文目录

摘要  3-4
Abstract  4-6
第一章绪论  6-10
  1.1 研究背景  6-7
  1.2 云检测方法介绍  7-8
  1.3 本文主要工作与内容安排  8-10
第二章 SVM 与图像的结构纹理分解  10-22
  2.1 支持向量机（SVM）  10-14
    2.1.1 SVM 基本介绍  10-11
    2.1.2 线性可分情况  11-12
    2.1.3 非线性可分情况  12-14
  2.2 结构纹理分解  14-21
    2.2.1 基本概念介绍  14-15
    2.2.2 结构纹理分解模型  15-19
    2.2.3 Vese-Osher 分解模型实验结果  19-21
  2.3 本章小结  21-22
第三章基于 SVM 分类技术的云检测算法  22-32
  3.1 基于 SVM 的云检测算法框架简介  22-23
  3.2 云层图像的特征分析与选取  23-26
  3.3 基于 SVM 的云检测算法  26-27
  3.4 数值实验结果与分析  27-30
  3.5 本章小结  30-32
第四章基于 SVM 和结构纹理分解的云检测算法  32-40
  4.1 基于结构纹理分解的云检测算法  32-34
  4.2 数值实验结果与分析  34-38
  4.3 本章小结  38-40
第五章总结与展望  40-42
  5.1 本文工作总结  40
  5.2 展望  40-42
致谢  42-44
参考文献  44-48
在读期间的研究成果  48-49

可见光卫星图像的云检测算法研究

内容摘要

全文目录

相似论文