咨询与建议

看过本文的还看了

相关文献

该作者的其他文献

文献详情 >融合引导滤波和迁移学习的薄云图像中地物信息恢复算法 收藏

融合引导滤波和迁移学习的薄云图像中地物信息恢复算法

Information Recovery Algorithm for Ground Objects in Thin Cloud Images by Fusing Guide Filter and Transfer Learning

作     者:胡根生 周文利 梁栋 鲍文霞 HU Gensheng;ZHOU Wenli;LIANG Dong;BAO Wenxia

作者机构:安徽大学计算智能与信号处理教育部重点实验室安徽合肥230039 安徽大学电子信息工程学院安徽合肥230601 偏振光成像探测技术安徽省重点实验室安徽合肥230031 

出 版 物:《测绘学报》 (Acta Geodaetica et Cartographica Sinica)

年 卷 期:2018年第47卷第3期

页      面:348-358页

核心收录:

学科分类:083002[工学-环境工程] 0830[工学-环境科学与工程(可授工学、理学、农学学位)] 081802[工学-地球探测与信息技术] 08[工学] 0818[工学-地质资源与地质工程] 081602[工学-摄影测量与遥感] 0816[工学-测绘科学与技术] 

基  金:国家自然科学基金(61672032 61401001) 偏振光成像探测技术安徽省重点实验室开放基金(2016-KFKT-003) 

主  题:遥感图像 信息恢复 图像融合 引导滤波 迁移学习 

摘      要:薄云覆盖遥感图像使图像上的地物信息模糊。本文给出了一种融合引导滤波和迁移学习的薄云图像中地物信息恢复算法。首先利用多方向非抽样对偶树复小波变换对薄云目标图像和无云引导图像进行多分辨率分解,再对分解后的低频子带分别进行支持向量引导滤波和迁移学习,对分解后的高频子带利用修正的Laine增强函数进行增强,然后应用基于区域能量的选择和加权相结合的方法对引导滤波输出和迁移学习模型预测的低频子带进行融合,最后对增强后的高频子带和融合后的低频子带进行多方向非抽样对偶树复小波逆变换重构,获得地物信息恢复图像。Landsat-8 OLI多光谱图像的试验结果表明,支持向量引导滤波能够有效保留目标图像的地物细节信息,域自适应的迁移学习能有效扩展可利用的多源多时相遥感图像范围,通过融合引导滤波和迁移学习能有效去除遥感图像上的薄云,获得较好的地物信息恢复效果。

读者评论 与其他读者分享你的观点

用户名:未登录
我的评分