基于小波变换的遥感影像薄云去除研究

摘要

20世纪80年代以来,新兴技术迅速出现、不断发展。随着遥感技术的逐步成熟，高分辨率的遥感影像被广泛应用于气象预测、城市规划、变化监测、信息采集等各个方面。然而，由于绝大多数遥感卫星获取得到的影像为光学遥感影像，这类影像很容易受到恶劣天气的影响，这种情况给遥感影像在各个领域内的有效利用造成了极大的干扰。尤其是对作为测绘行业产品的遥感影像而言，若影像被云雾覆盖将直接导致对地物识别的困难，影响工作的效率。　　单景遥感影像的清晰程度是决定遥感影像质量的关键因素。清晰程度高的影像相应的有效性和利用率也更高。为了得到清晰易判读的遥感影像，本文详细介绍了遥感薄云影像的成像模型以及涉及到的相关理论。在此基础上，对常用的几种遥感影像薄云去除方法进行了理论研究和实验对比。其中包括直方图匹配法、拉普拉斯图像增强法、同态滤波法、小波变换法等，并对其中的小波变换法进行了深入的探讨。结合图像处理的相关知识对影像的去云模型进行讨论，对小波变换的遥感影像薄云去除方法进行了改进，最后以单景Landsat8 OLI影像作为实验数据进行去云实验，从主观和客观两方面对影像进行评价，证明该改进方法较其他方法能够取得很好的实验结果。　　本文阐述的改进方法通过选择影像对应的最佳小波基函数以及小波分解层数，将小波分解得到的近似系数利用频域内的高频强调滤波进行处理。通过时域和频域内对影像的处理实现两种方法的优势互补，能够极大程度地保留数据源影像的细节信息，并且对云噪声有很好的去除效果。

目录

声明

1绪论

1.1研究背景

1.2研究意义

1.3国内外研究现状

1.4本文的主要内容

2遥感图像薄云去除相关理论

2.1云雾的成像机理

2.2傅立叶变换

2.3小波变换

2.4 本章小结

3遥感影像薄云去除方法

3.1薄云处理的直方图匹配算法

3.2薄云处理的拉普拉斯增强算法

3.3薄云处理的同态滤波算法

3.4结果比较

3.5本章小结

4基于小波变换的遥感薄云去除

4.1传统小波变换的去云原理以及实现

4.2小波基的选择

4.3小波分解层数选择

4.4改进的小波变换去云方法

4.5本章小结

5结果评价与分析

5.1 MATLAB简介

5.2实验数据说明

5.3统计评价参数的选定

5.4对比试验

5.5本章小结

6总结与展望

6.1主要研究工作及结论

6.2存在的问题及展望

致谢

参考文献