Továbbfejlesztett térképezés szuper felbontású multispektrális képekkel geostacionárius műholdak számára

Az al-voxel szintű nagy pontosságú képregisztrációs algoritmus munkafolyamata, amely orientált gyors és forgatott rövid (ORB) funkciókivonás és intenzitás alapú regisztrációs folyamat kombinációján alapul. RANSAC: véletlenszerű minta konszenzus.

A munkában használt két vizsgálati terület.

Eredeti GF-4 kép (a) és a sávban regisztrált kép (b) összehasonlítása.

Az 1. kísérlet szuperfelbontású rekonstrukciójának (SRR) eredményei az (a) bilinear interpoláció (BI), (b) iteratív hátsó vetület (IBP), (c) konvex halmazokra vetítés (POCS) és (d) kevert felhasználásával ritka reprezentáció nem konvex, nagy rendű teljes variáció (MSR-NCHOTV) módszerek. Az 1., 2. és 3. utótagú panelek a bal oldali oszlopban a megfelelő panel helyi részletnagyítási területét mutatják.

Az 1. kísérlet szuperfelbontású rekonstrukciójának (SRR) eredményei az (a) bilinear interpoláció (BI), (b) iteratív hátsó vetület (IBP), (c) konvex halmazokra vetítés (POCS) és (d) kevert felhasználásával ritka reprezentáció nem konvex magas rendű teljes variáció (MSR-NCHOTV) módszerek. Az 1., 2. és 3. utótagú panelek a bal oldali oszlopban a megfelelő panel helyi részletnagyítási területét mutatják.

Képélesség (a) és SNR (b) az 1. kísérlethez.

Az 5. kísérlet SRR képéből kiválasztott 512 mintapont eloszlása, amelyet a javasolt MSR-NCHOTV algoritmus segítségével nyertünk.

Az 1. kísérlet SRR képeinek osztályozási eredményei, amelyeket az (a) BI, (b) POCS, (c) IBP, (d) MSR-NCHOTV alkalmazásával kaptunk.

Az SRR képek a 2. kísérlethez, amelyeket az (a) BI, (b) POCS, (c) IBP, (d) MSR-NCHOTV alkalmazásával kaptunk. Az 1., 2. és 3. utótagú panelek a bal oldali oszlopban a megfelelő panel helyi részletnagyítási területét mutatják.

Képélesség (a) és SNR (b) a 2. kísérlethez.

A 2. kísérletben kapott SRR képből kiválasztott 509 mintapont eloszlása, amelyet a javasolt MSR-NCHOTV algoritmus segítségével nyertünk.

Osztályozási eredmények a 2. kísérlet SRR képeire, amelyeket az (a) BI, (b) POCS, (c) IBP, (d) MSR-NCHOTV alkalmazásával kaptunk.

Absztrakt

1. Bemutatkozás

2. Módszertan

2.1. A távérzékelési képek lebontási modellje

2.2. Vegyes ritka ábrázolás nem konvex magasabb rendű teljes variáció alapján

2.3. Multispektrális képek osztályozása MSR-NCHOTV alkalmazásával

2.4. Sub-Voxel-szintű közös regisztráció a képsávok között

3. Kísérleti adatok és előkezelés

3.1. Kísérleti adatok

3.2. Kutatási terület

ÉSZ 39 ° 00 ′ és 117 ° 20 ′

118 ° 00 ′. Az adatokat 2018. augusztus 24-én 10: 40-kor szerezték be. A Binhai New térség 153 km tengerparttal rendelkezik, a szárazföldi terület 2270 km 2 és a tenger területe 3000 km 2. A terület éghajlati jellemzői a kontinentális meleg, mérsékelt égövű monszun éghajlat és a tengeri éghajlat összetevőit tartalmazzák.

ÉSZ 37 ° 23 ′ és 121 ° 43 ′

KH 122 ° 19 ′, teljes területe 1645 km 2, a partja pedig 155,88 km. A kerületben kontinentális monszun éghajlat van, négy különböző évszakkal.