CN107301633A - 在云雾干扰下遥感成像的仿真方法 - Google Patents
在云雾干扰下遥感成像的仿真方法 Download PDFInfo
- Publication number
- CN107301633A CN107301633A CN201710517275.6A CN201710517275A CN107301633A CN 107301633 A CN107301633 A CN 107301633A CN 201710517275 A CN201710517275 A CN 201710517275A CN 107301633 A CN107301633 A CN 107301633A
- Authority
- CN
- China
- Prior art keywords
- cloud
- mrow
- msub
- transmitance
- mist
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 239000003595 mist Substances 0.000 title claims abstract description 63
- 230000005540 biological transmission Effects 0.000 claims abstract description 11
- 230000008859 change Effects 0.000 claims description 9
- 230000004323 axial length Effects 0.000 claims description 4
- 238000000149 argon plasma sintering Methods 0.000 claims description 3
- 238000002834 transmittance Methods 0.000 claims description 3
- 230000018109 developmental process Effects 0.000 claims 1
- 238000011160 research Methods 0.000 abstract description 9
- 238000005516 engineering process Methods 0.000 abstract description 7
- 238000011156 evaluation Methods 0.000 abstract description 6
- 238000004422 calculation algorithm Methods 0.000 abstract description 4
- 238000011282 treatment Methods 0.000 abstract description 4
- 238000000034 method Methods 0.000 description 18
- 238000004088 simulation Methods 0.000 description 15
- 238000003384 imaging method Methods 0.000 description 11
- 230000008569 process Effects 0.000 description 9
- 230000010287 polarization Effects 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 230000000007 visual effect Effects 0.000 description 2
- 240000002853 Nelumbo nucifera Species 0.000 description 1
- 235000006508 Nelumbo nucifera Nutrition 0.000 description 1
- 235000006510 Nelumbo pentapetala Nutrition 0.000 description 1
- 230000033228 biological regulation Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000005094 computer simulation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000375 direct analysis in real time Methods 0.000 description 1
- 238000012063 dual-affinity re-targeting Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000686 essence Substances 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000005065 mining Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011369 optimal treatment Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- VMXUWOKSQNHOCA-UKTHLTGXSA-N ranitidine Chemical compound [O-][N+](=O)\C=C(/NC)NCCSCC1=CC=C(CN(C)C)O1 VMXUWOKSQNHOCA-UKTHLTGXSA-N 0.000 description 1
- 238000002310 reflectometry Methods 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 230000008719 thickening Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T5/00—Image enhancement or restoration
- G06T5/77—Retouching; Inpainting; Scratch removal
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10032—Satellite or aerial image; Remote sensing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30181—Earth observation
Landscapes
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Image Processing (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种在云雾干扰下遥感成像的仿真方法。其步骤包括：1、初始化；2、如果p＝0，设定云层透过率t为0至1之间的常数，转向步骤6；否则，执行步骤3；3、如果p＝1，取传输介质衰减系数β为大于0的一个常数，并计算透过率t，转向步骤6；否则，执行步骤4；4、如果p＝2，将K个椭圆形区域的云层透过率ti叠加生成总的透过率t，然后转向步骤6；否则，执行步骤5；5、当输入的参数p不是0、1或2，不开展仿真；6、根据云层透过率t，计算并输出遥感仿真图像。本发明操作简便，不依赖于遥感成像的硬件***，成本低，为研究单幅图像去云雾处理技术提供丰富的图片数据，便于验证和客观评价去云处理算法。
Description
技术领域
本发明属于遥感图像处理技术邻域，涉及一种使用计算机模拟受云雾干扰的遥感成像过程，生成遥感图像的技术。
背景技术
云雾是对地遥感成像过程中的常见干扰源，使得遥感图像对比度低，景物不清晰。数字图像处理技术能有效减少遥感图像中云雾的影响，增强图像清晰度和可读性，降低重复采集目标图像的成本，应用灵活，成为遥感领域的研究热点。
在众多去云雾处理方法中，单幅遥感图像去云雾方法只需一幅图像，图像采集成本低、周期短，效率高，灵活性强。然而由于不能直接获取云区内的景物信息，此类方法去云雾处理难度高。在单幅遥感图像去云雾处理研究中，由于缺少对应的无云清晰图像来参照，一般通过计算处理结果的平均亮度、梯度、熵、标准差等参数来客观评估单幅图像去云处理算法。但是，研究发现，这些参数值和主观评价结果往往不一致，甚至有很大差别，很难通过参数确定最佳的处理效果。为此，迫切需要研究遥感成像仿真方法，依据清晰的参照图像，产生有云雾覆盖的遥感图像，从而客观检验和正确评价去云处理算法。
国外从上世纪90年代就开始研究遥感成像仿真方法。2001年，德国宇航中心研制了可用于仿真包括场景、大气及传感器在内遥感成像过程的应用软件SENSOR，在高光谱成象仪的在轨模拟和性能评测中发挥了重要作用。2002年，美国NASA开发了仿真传感器的ART软件和高光谱遥感仿真***，用于生成多光谱或高光谱模拟图像。2004年，法国生物圈空间研究中心开发了DART传输模型，可根据三维场景和地物二向反射模型，按照大气条件、传感器***要求，模拟生成可见光和近红外波段的遥感图像。美国罗彻斯特理工学院基于航空光学遥感器物理模型，开发了具有偏振成像仿真功能的DIRSIG(The Digital Imaging andRemote Sensing Image Generation Model)数字成像和遥感图像生成模型。
在国内，中科院长春光机所和中科院安徽光机所分别开发了包含三维虚拟场景和传感器***响应的遥感成像模拟仿真软件。福建师范大学林如强等将叶面积指数和大气辐射传输模型相结合，给出航天遥感图像模拟方法。中国科学技术大学黄红莲等提出基于空基偏振图像或强度图像来实现光学遥感偏振成像仿真的方法。西安电子科技大学黄晓敏等研究了机载可见光遥感***成像物理特性，开展了机载可见光遥感***成像的全链路仿真。
以上研究成果均是通过仿真整个链路的成像过程，研究成像过程中外界和内在环节的各因素，实现优化设计遥感器，提高遥感产品的精度和使用价值。相关产品通常研发成本高，仿真计算量大，较少关注云雾干扰问题。
发明内容
针对现有技术中存在的上述问题，本发明目提供一种在云雾干扰下遥感成像的仿真方法。本发明的方法对选定的图片，通过计算机程序设计，在虚拟环境下，仿真遥感成像过程，生成受云雾干扰的遥感图像，为研究单幅图像去云雾处理技术提供丰富的图片数据，便于检验和客观评价去云处理算法。
本发明的技术方案如下：
在云雾干扰下遥感成像的仿真方法，包括如下步骤：
步骤1：初始化：输入已知的一幅清晰无云雾的遥感图像J，和用于选择仿真云雾覆盖类型的参数p；选择太阳光入射强度L和云层衰减系数α为一常数，其中0<α<1；设图像J的像素数为M×N；
步骤2：如果p＝0，那么设定云层透过率t为0至1之间的某个常数，转向步骤6，开展具有均匀云雾覆盖的遥感成像仿真；否则，执行步骤3；
步骤3：如果p＝1，那么取传输介质衰减系数β为大于0的一个常数，并选择一个角度，计算透过率t，转向步骤6；否则，执行步骤4；
步骤4：如果p＝2，那么先产生K个椭圆形区域，并随机产生各椭圆的长轴长和短轴长，长轴与水平正向的夹角也是随机数，其中K为大于0的整数；第i个区域的云层透过率ti为0至1之间的一个随机的常数，而此区域以外的透过率为0；将所有K个椭圆形区域的云层透过率ti叠加起来，生成总的透过率t，然后转向步骤6；否则，执行步骤5；
步骤5：当输入的参数p不是0、1或2，则输入无效，不能开展仿真；
步骤6：根据计算得到的云层透过率t，计算并输出遥感仿真图像。
进一步，步骤3中，按照以下公式计算透过率t：
t＝e-βd(x,y)
d(x,y)＝xcosφ+ysinφ
其中，d表示景物到遥感卫星相机的传输路径长度，β表示与光散射相关的传输介质衰减系数；(x,y)表示像素点的位置，x和y的取值范围分别为[1,N]、[1,M]，φ表示云层厚度渐变的方向，φ取值范围为-90°至90°。
进一步，步骤4中，每个椭圆形区域表示为：
每个椭圆形区域的透过率函数表示为：
其中，θi表示该椭圆长轴与水平正方向的夹角，ai和bi表示第i个椭圆的半长轴和半短轴长度，(x0,y0)表示云中心在图像中所处的位置，ki取0和1之间的一个常数值，表示第i个均匀覆盖云的透过率。
进一步，步骤6中，按照以下公式计算遥感仿真图像I：
I＝L(1-t)+αJt。
与现有技术相比，本发明具有如下有益效果：
(1)对于已有无云雾干扰的清晰遥感图像，只需修改参数，即能开展受云雾干扰的遥感成像模拟，操作简便。
(2)本发明通过计算机程序实现，不需要遥感卫星实地拍摄，对硬件设备无要求，也不受天气状况影响，成本低。
(3)本发明能输出包含云雾均匀覆盖、浓度渐变的遥感图像，或局部包含云雾的遥感图像，能为研究单幅遥感图像去云处理技术提供丰富的图像数据，实现去云处理结果图像与原始图像的客观对比。
附图说明
图1是受云雾干扰的遥感成像模型。
图2是遥感成像仿真流程图。
图3是实施例一的原图。
图4是当t＝0.6时，实施例一仿真得到均匀云雾覆盖的结果图。
图5是当t＝0.4时，实施例一仿真得到均匀云雾覆盖的结果图。
图6是当β＝3，φ＝60°时，实施例一得到云雾浓度渐变的云层透过率等高线图。
图7是当β＝3，φ＝60°时，实施例一得到云雾浓度渐变的仿真结果图。
图8是当β＝2，φ＝45°时，实施例一得到云雾浓度渐变的云层透过率等高线图。
图9是当β＝2，φ＝45°时，实施例一得到云雾浓度渐变的仿真结果图。
图10是当β＝1.5，φ＝-60°时，实施例一得到云雾浓度渐变的云层透过率等高线图。
图11是当β＝1.5，φ＝-60°时，实施例一得到云雾浓度渐变的仿真结果图。
图12是当β＝3时，实施例一得到中心附近云雾局部覆盖的仿真结果图。
图13是当β＝2.5时，实施例一得到(350,285)位置附近云雾局部覆盖的仿真结果图。
具体实施方式
在云雾干扰状态下，遥感卫星对地成像的过程如图1所示，卫星捕获的遥感成像信息主要有两部分组成。
首先，从太阳发出射向地面的光线，经过云层反射而被卫星捕获。设这部分成像信息为I1。
其次，另一部分太阳光透过云层照射到地面，被地面景物体反射，而射回天空，同时再次穿过云层，最终被卫星捕获。设这部分成像信息为I2。
如果太阳光初始强度为L，云层透射率为t，云层衰减系数和地面景物反射率分别为α和r，那么遥感成像过程可表示为
I＝I1+I2＝L(1-t)+αLrt (1)
其中I表示卫星拍摄的遥感图像。
若大气中没有云雾，那么α＝t＝1,卫星拍摄得到的遥感图像只包含地物信息，这即是无云雾遮挡的清晰遥感图像，可表示为
J＝Lr (2)
则(1)式可修改为
I＝L(1-t)+αJt (3)
云层透射率t反映了云层覆盖的薄厚、云层浓度的变化以及云的分布状况，可表示为
其中d表示景物到遥感卫星相机的传输路径长度，β表示与光散射相关的传输介质衰减系数。云层透过率t越大，云层的遮挡作用越不明显。当β＝0时，t＝1，此时无云干扰。由于t的取值范围为0-1之间的小数，而d>0，因此限定β>0。
由以上分析可见，在已有清晰无云的对地遥感图像J情况下，依据公式(3)和(4)，可模拟不同云雾覆盖状态下的遥感成像，输出受云雾遮盖的遥感图像。为此考虑如下情形。
(1)当t为与传输路径长度无关的常数时，遥感图像中的云层将均匀覆盖。
(2)当β为常数时，即t＝e-dβ，此时β决定了t值所反映的云雾变化状况。由于β>0时，随着d的增大，t值逐渐减小，云层变厚，透过率降低，遥感图像中景物随着距离增加越来越模糊。设遥感图像像素数为M×N，以(x,y)表示像素点的位置，x和y的取值范围分别为[1,N]、[1,M]。为便于说明，规定在图像坐标系中，坐标原点位于图像的左上角，x沿水平方向，且向右为正方向，y沿垂直方向，向下为正方向。为便于模拟云层浓度可以沿着需要的方向渐变，对于每个像素点对应的传输距离d表示为
d(x,y)＝xcosφ+ysinφ (5)
其中φ表示云层厚度渐变的方向，指的是该变化方向与水平正方向(从左向右为正)的夹角。φ取值范围为-90°至90°，规定从水平正方向转向该渐变方向，若顺时针转动，则为φ正，否则为负。沿着渐变方向，云层透过率逐渐增强，图像变清晰。当φ＝0°时，云层沿着水平方向，从左往右逐渐变薄。当φ＝90°时，云层沿竖直方向，从上往下逐渐变薄。
(3)对于局部云覆盖的情况，云区中心比较厚，从中心往四周云层变薄，但云层厚度随距离的变化无规律可循。因此，实际云层覆盖可近似看作是由很多个具有不同轴长的椭圆形均匀覆盖的云层叠加而成的，由此可模拟云层局部覆盖状态下的遥感成像。
每个均匀覆盖云的椭圆区域可表示为式(6)，那么它们的透过率函数可表示为式(7)。
其中θi表示该椭圆长轴与水平正方向的夹角，以模拟云的不同走向。ai和bi表示第i个椭圆的半长轴和半短轴长度。(x0,y0)表示云中心在图像中所处的位置。ki取一个0和1之间的一个随机常数值，表示第i个均匀覆盖云的透过率。
本发明提出的在云雾干扰下遥感成像的仿真方法，具体步骤包括：
步骤1初始化。输入已知的一幅清晰无云雾的遥感图像J，和用于选择仿真云雾覆盖类型的参数p。选择太阳光入射强度L和云层衰减系数α为某一常数，其中0<α<1。设图像J的像素数为M×N。
步骤2如果p＝0，那么设定云层透过率t为0至1之间的某个常数，转向步骤6，开展具有均匀云雾覆盖的遥感成像仿真。否则，执行步骤3。
步骤3如果p＝1，那么取传输介质衰减系数β为大于0的一个常数，并选择一个角度φ，根据公式(4)和(5)，此时，公式(4)转化为t＝e-βd(x,y)，计算透过率t，转向步骤6。否则，执行步骤4。
步骤4如果p＝2，那么先产生K个椭圆形区域，并随机产生各椭圆的长轴长和短轴长，长轴与水平正向的夹角也是随机数，其中K为大于0的整数。第i个区域的云层透过率ti为0至1之间的一个随机的常数，而此区域以外的透过率为0。将所有K个椭圆形区域的云层透过率ti叠加起来，生成总的透过率t，然后转向步骤6。否则，执行步骤5。
步骤5当输入的参数p不是0、1或2，则输入无效，不能开展仿真。
步骤6根据计算得到的云层透过率t，按照公式(3)，计算并输出遥感仿真图像。
下面结合附图及实施例对本发明作进一步描述。
实施例一
选择1幅原始图像，如图3所示。该图是在晴天利用低空无人机航拍得到的，可见图片中地面景物很清晰。该图像素个数为512×512。
为方便起见，选择太阳光入射强度L为1，云层衰减系数α为0.9。
当选择参数p＝0时，t选为0.6，那么按照公式(3)，得到的仿真结果如图4所示，可见仿真结果中图片整体能见度降低，云雾对景物的遮挡较为均匀。若t选为0.4，得到的仿真图如图5所示，相比于图4，地面景物能见度更低，遮挡更严重，但覆盖的云雾仍较均匀。
当选择参数p＝1时，取β＝3，φ＝60°，得到的透过率等高线图如图6所示，可见，透过率沿着与水平正向成60°的方向逐渐增大。仿真图像如图7所示，沿着该方向景物逐渐变清晰。当β＝2，φ＝45°时，透过率等高线图如图8所示，仿真图像如图9所示，透过率沿着对角线方向逐渐增大，图像中景物也逐渐变清晰。当β＝1.5，φ＝-60°时，透过率等高线图如图10所示，可见透过率沿着与水平正向成-60°方向变化，沿着该方向，透过率逐渐增加。仿真图像如图11所示，其中景物沿着相应的方向越来越清晰。比较图7、图9和图11，发现，相同条件下，云雾浓度随着β值改变而改变。β值越大，云层遮挡越严重。可见，本发明能选定云雾浓度渐变的走向，产生遥感成像仿真图。
当选择参数p＝2时，取β＝3，K＝8，(x0,y0)取为图像中心，仿真图像如图12所示，图中心附近区域有明显的云雾覆盖，其余部分景物很清楚，和原图一致。取β＝2.5，(x0,y0)取为(350,285)时，仿真图像如图13所示，云区处于坐标(350,285)附近，且浓度较图12弱。可见，本发明能通过调整(x0,y0)值规定局部覆盖的云雾在图中出现的位置，通过调整β值改变云层厚度。
综上所述，本发明是一种模拟云雾干扰下遥感成像过程，输出数字遥感图像的方法，包括如下步骤：(1)输入已知的一幅清晰无云雾的遥感图像和用于选择仿真云雾覆盖类型的参数p，选择太阳光入射强度L和云层衰减系数α为某一常数，其中0<α<1。(2)如果p＝0，那么，设定云层透过率t为0至1之间的某个常数，转向步骤(6)，开展具有均匀云雾覆盖的遥感成像仿真。(3)如果p＝1，那么取传输介质衰减系数β为大于0的一个常数，并取一个角度计算透过率t，转向步骤(6)，开展受到浓度渐变云层覆盖的遥感成像仿真。(4)如果p＝2，那么先产生K个椭圆形区域，第i个区域的云层透过率ti为0至1之间的一个常数，而此区域以外的透过率为0。将所有K个椭圆形区域的云层透过率ti叠加起来，生成总的透过率t，然后转向步骤(6)，开展具有局部云层覆盖的遥感成像仿真。否则，执行步骤5。(5)此时输入的参数p无效，不能开展仿真，结束运行。(6)根据计算得到的云层透过率t，按照遥感成像模型公式，计算并输出遥感仿真图像。本发明操作简便，不依赖于遥感成像的硬件***，成本低，为研究单幅图像去云雾处理技术提供丰富的图片数据，便于验证和客观评价去云处理算法。
以上所述仅为本发明的较佳实施例而已，并不用以限制本发明。凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (4)
1.在云雾干扰下遥感成像的仿真方法，包括如下步骤：
步骤1：初始化：输入已知的一幅清晰无云雾的遥感图像J，和用于选择仿真云雾覆盖类型的参数p；选择太阳光入射强度L和云层衰减系数α为一常数，其中0<α<1；设图像J的像素数为M×N；
步骤2：如果p＝0，那么设定云层透过率t为0至1之间的某个常数，转向步骤6，开展具有均匀云雾覆盖的遥感成像仿真；否则，执行步骤3；
步骤3：如果p＝1，那么取传输介质衰减系数β为大于0的一个常数，并选择一个角度，计算透过率t，转向步骤6；否则，执行步骤4；
步骤4：如果p＝2，那么先产生K个椭圆形区域，并随机产生各椭圆的长轴长和短轴长，长轴与水平正向的夹角也是随机数；第i个区域的云层透过率ti为0至1之间的一个随机的常数，而此区域以外的透过率为0；将所有K个椭圆形区域的云层透过率ti叠加起来，生成总的透过率t，然后转向步骤6；否则，执行步骤5；
步骤5：当输入的参数p不是0、1或2，则输入无效，不能开展仿真；
步骤6：根据计算得到的云层透过率t，计算并输出遥感仿真图像。
2.根据权利要求1所述的在云雾干扰下遥感成像的仿真方法，其特征在于：步骤3中，按照以下公式计算透过率t：
t＝e-βd(x,y)
d(x,y)＝xcosφ+ysinφ
其中，d表示景物到遥感卫星相机的传输路径长度，β表示与光散射相关的传输介质衰减系数；(x,y)表示像素点的位置，x和y的取值范围分别为[1,N]、[1,M]，φ表示云层厚度渐变的方向，φ取值范围为-90°至90°。
3.根据权利要求1所述的在云雾干扰下遥感成像的仿真方法，其特征在于：步骤4中，每个椭圆形区域表示为：
<mrow>
<mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<msub>
<mi>cos&theta;</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<msub>
<mi>sin&theta;</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<msubsup>
<mi>a</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo>+</mo>
<mfrac>
<msup>
<mrow>
<mo>&lsqb;</mo>
<mrow>
<mrow>
<mo>(</mo>
<mrow>
<mi>x</mi>
<mo>-</mo>
<msub>
<mi>x</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<msub>
<mi>sin&theta;</mi>
<mi>i</mi>
</msub>
<mo>+</mo>
<mrow>
<mo>(</mo>
<mrow>
<mi>y</mi>
<mo>-</mo>
<msub>
<mi>y</mi>
<mn>0</mn>
</msub>
</mrow>
<mo>)</mo>
</mrow>
<msub>
<mi>cos&theta;</mi>
<mi>i</mi>
</msub>
</mrow>
<mo>&rsqb;</mo>
</mrow>
<mn>2</mn>
</msup>
<msubsup>
<mi>b</mi>
<mi>i</mi>
<mn>2</mn>
</msubsup>
</mfrac>
<mo><</mo>
<mn>1</mn>
</mrow>
每个椭圆形区域的透过率函数表示为：
其中，θi表示该椭圆长轴与水平正方向的夹角，ai和bi表示第i个椭圆的半长轴和半短轴长度，(x0,y0)表示云中心在图像中所处的位置，ki取0和1之间的一个随机常数值，表示第i个均匀覆盖云的透过率。
4.根据权利要求1所述的在云雾干扰下遥感成像的仿真方法，其特征在于：步骤6中，按照以下公式计算遥感仿真图像I：
I＝L(1-t)+αJt。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710517275.6A CN107301633B (zh) | 2017-06-29 | 2017-06-29 | 在云雾干扰下遥感成像的仿真方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201710517275.6A CN107301633B (zh) | 2017-06-29 | 2017-06-29 | 在云雾干扰下遥感成像的仿真方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN107301633A true CN107301633A (zh) | 2017-10-27 |
| CN107301633B CN107301633B (zh) | 2020-07-28 |
Family
ID=60135168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201710517275.6A Active CN107301633B (zh) | 2017-06-29 | 2017-06-29 | 在云雾干扰下遥感成像的仿真方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN107301633B (zh) |
Cited By (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035150A (zh) * | 2018-04-24 | 2018-12-18 | 湖南省有色地质勘查研究院 | 一种基于光谱修正的遥感影像数据去雾方法 |
| CN112686861A (zh) * | 2020-12-30 | 2021-04-20 | 浙江省土地信息中心有限公司 | 一种土地利用变化遥感监测分析方法、装置及智能终端 |
| CN114862994A (zh) * | 2022-03-25 | 2022-08-05 | 武汉大学 | 基于柏林噪声的静态云雾仿真生成方法 |
| CN116188633A (zh) * | 2023-04-25 | 2023-05-30 | 之江实验室 | 一种仿真遥感影像生成的方法、装置、介质及电子设备 |
| CN117523026A (zh) * | 2024-01-08 | 2024-02-06 | 北京理工大学 | 面向红外遥感成像的云雾图仿真方法、***、介质及终端 |
| CN114862994B (zh) * | 2022-03-25 | 2024-07-26 | 武汉大学 | 基于柏林噪声的静态云雾仿真生成方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1653193A1 (de) * | 2004-10-29 | 2006-05-03 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Eliminierung von Schatteneffekten in Fernerkundungsdaten über Land |
| CN102338869A (zh) * | 2011-06-20 | 2012-02-01 | 北京师范大学 | 下行短波辐射和光合有效辐射数据的反演方法及*** |
| CN103926634A (zh) * | 2014-03-12 | 2014-07-16 | 长江水利委员会长江科学院 | 一种基于面向对象分类的白天陆地辐射雾的遥感监测方法 |
| CN104537678A (zh) * | 2015-01-15 | 2015-04-22 | 常州工学院 | 一种从单幅遥感图像中去除云雾的方法 |
| CN104574412A (zh) * | 2015-01-22 | 2015-04-29 | 浙江大学 | 一种非均匀云雾条件下的遥感图像去雾方法 |
| CN105096272A (zh) * | 2015-08-19 | 2015-11-25 | 常州工学院 | 一种基于双树复小波的除雾方法 |
-
2017
- 2017-06-29 CN CN201710517275.6A patent/CN107301633B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| EP1653193A1 (de) * | 2004-10-29 | 2006-05-03 | Deutsches Zentrum für Luft- und Raumfahrt e.V. | Verfahren zur Eliminierung von Schatteneffekten in Fernerkundungsdaten über Land |
| CN102338869A (zh) * | 2011-06-20 | 2012-02-01 | 北京师范大学 | 下行短波辐射和光合有效辐射数据的反演方法及*** |
| CN103926634A (zh) * | 2014-03-12 | 2014-07-16 | 长江水利委员会长江科学院 | 一种基于面向对象分类的白天陆地辐射雾的遥感监测方法 |
| CN104537678A (zh) * | 2015-01-15 | 2015-04-22 | 常州工学院 | 一种从单幅遥感图像中去除云雾的方法 |
| CN104574412A (zh) * | 2015-01-22 | 2015-04-29 | 浙江大学 | 一种非均匀云雾条件下的遥感图像去雾方法 |
| CN105096272A (zh) * | 2015-08-19 | 2015-11-25 | 常州工学院 | 一种基于双树复小波的除雾方法 |
Non-Patent Citations (5)
| Title |
|---|
| CARR P, HERTLEY R: "Improved single image dehazing using geometry", 《DIGITAL IMAGE COMPUTING : TECHNIQUES AND APPLICATIONS,》 * |
| XIAO C , GAN J: "Fast image dehazing using guided joint bilateral filter", 《THE VISUAL COMPUTER》 * |
| 吴峰 等: "基于云层系数的遥感图像去云雾算法", 《光学技术》 * |
| 周丽雅: "受云雾干扰的可见光遥感影像信息补偿技术研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
| 徐双双: "基于混合像元分解的高光谱图像去雾方法的研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109035150A (zh) * | 2018-04-24 | 2018-12-18 | 湖南省有色地质勘查研究院 | 一种基于光谱修正的遥感影像数据去雾方法 |
| CN109035150B (zh) * | 2018-04-24 | 2019-05-10 | 湖南省有色地质勘查研究院 | 一种基于光谱修正的遥感影像数据去雾方法 |
| CN112686861A (zh) * | 2020-12-30 | 2021-04-20 | 浙江省土地信息中心有限公司 | 一种土地利用变化遥感监测分析方法、装置及智能终端 |
| CN114862994A (zh) * | 2022-03-25 | 2022-08-05 | 武汉大学 | 基于柏林噪声的静态云雾仿真生成方法 |
| CN114862994B (zh) * | 2022-03-25 | 2024-07-26 | 武汉大学 | 基于柏林噪声的静态云雾仿真生成方法 |
| CN116188633A (zh) * | 2023-04-25 | 2023-05-30 | 之江实验室 | 一种仿真遥感影像生成的方法、装置、介质及电子设备 |
| CN117523026A (zh) * | 2024-01-08 | 2024-02-06 | 北京理工大学 | 面向红外遥感成像的云雾图仿真方法、***、介质及终端 |
| CN117523026B (zh) * | 2024-01-08 | 2024-03-29 | 北京理工大学 | 面向红外遥感成像的云雾图仿真方法、***、介质及终端 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN107301633B (zh) | 2020-07-28 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN107301633A (zh) | 在云雾干扰下遥感成像的仿真方法 | |
| CN105027562B (zh) | 用于将数字信息投影到真实环境中的真实对象上的方法和*** | |
| JP2021182404A (ja) | 日常シーン復元エンジン | |
| CN108010085A (zh) | 基于双目可见光相机与热红外相机的目标识别方法 | |
| JP2569272B2 (ja) | 電気光学的ターゲットおよび背景シミュレーション | |
| CN104867179B (zh) | 一种全谱段光学成像仪遥感影像仿真方法 | |
| CN102346922B (zh) | 航天遥感载荷成像几何畸变三维可视化仿真方法 | |
| CN109445456A (zh) | 一种多无人机集群导航方法 | |
| CN102243074A (zh) | 基于光线追踪技术的航空遥感成像几何变形仿真方法 | |
| CN108932742A (zh) | 一种基于遥感图像分类的大规模红外地形场景实时渲染方法 | |
| CN106803256A (zh) | 一种基于投影卷积网络的三维形状分割及语义标记方法 | |
| CN106530337A (zh) | 基于图像灰度引导的非局部立体像对密集匹配方法 | |
| CN108414998A (zh) | 一种卫星激光测高仪回波波形模拟仿真方法及设备 | |
| CN111223191A (zh) | 面向机载增强合成视景***的大规模场景红外成像实时仿真方法 | |
| CN108447337A (zh) | 基于虚拟现实的仿真飞行实现方法 | |
| CN103123670A (zh) | 基于纹理的红外粗糙海面动态仿真方法 | |
| CN110296717A (zh) | 一种事件数据流的处理方法及计算设备 | |
| CN108573508A (zh) | 信息处理装置、信息处理方法和存储介质 | |
| CN110455281A (zh) | 暗弱小天体光学导航特征成像模拟方法 | |
| CN107451957A (zh) | 一种星载tdi cmos相机成像仿真方法及设备 | |
| CN103761762B (zh) | 一种基于OpenGL着色器的红外成像仿真方法 | |
| CN108734772A (zh) | 基于Kinect fusion的高精度深度图像获取方法 | |
| CN103234552A (zh) | 光学导航目标星模拟仿真图像生成方法 | |
| CN103743488A (zh) | 遥感卫星地球临边背景特性的红外成像仿真方法 | |
| CN106202801A (zh) | 一种天基光学空间碎片监视图像中目标运动拖尾仿真方法 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |