研究論文
楊曉梅研究組在遙感缺失信息多尺度自適應(yīng)稀疏重構(gòu)研究取得進(jìn)展
文章來源： | 發(fā)布時間：2018-05-28 | 【打印】 【關(guān)閉】
針對光學(xué)高分辨率遙感影像中的云覆蓋問題，通過引入塊稀疏表征與自適應(yīng)鄰域約束，提出了一種基于字典學(xué)習(xí)的迭代塊修復(fù)的凸優(yōu)化模型與算法。此法能夠較完美地重構(gòu)出云覆蓋區(qū)域的地表信息，且能保證影像中結(jié)構(gòu)與紋理特征的一致性。
此外，受傳感器失靈以及惡劣的成像條件影響，光學(xué)遙感數(shù)據(jù)中還存在著其它形式的缺失信息，如Landsat-7條帶現(xiàn)象與定量遙感產(chǎn)品的缺失數(shù)據(jù)等，限制和影響了遙感數(shù)據(jù)的可用性。考慮到影像特征的多尺度特性，研究人員發(fā)展了一種多尺度自適應(yīng)的稀疏字典學(xué)習(xí)方法來重構(gòu)遙感缺失信息。此方法根據(jù)缺失信息的鄰域語義特性，自適應(yīng)確定待修復(fù)塊的尺寸與一致性約束因子，并選擇相應(yīng)級別的多尺度字典來進(jìn)行稀疏修復(fù)。結(jié)果表明，其能夠完美保留紋理區(qū)空間信息的語義完整性與結(jié)構(gòu)細(xì)節(jié)信息的連貫性，避免條帶效應(yīng)與平滑效應(yīng)。
相關(guān)論文：
l F. Meng, X. Yang, C. Zhou, et al. (2018), Multiscale Adaptive Reconstruction of Missing Information for Remotely Sensed Data Using Sparse Representation. Remote Sensing Letters, 2018, 9(5): 457-466
https://doi.org/10.1080/2150704X.2018.1439198
l F. Meng, X. Yang, C. Zhou and Z. Li, (2017), A sparse dictionary learning-based adaptive patch inpainting method for thick clouds removal from high-spatial resolution remote sensing imagery. Sensors, 17(9), 2130.
http://doi.org/10.3390/s17092130
附件下載：