• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Nonlinear processes in geophysics >Regularization destriping of remote sensing imagery
【24h】

Regularization destriping of remote sensing imagery

机译：遥感影像的正则化去块

获取原文
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

We illustrate the utility of variational destriping for ocean color images from both multispectral and hyperspectral sensors. In particular, we examine data from a filter spectrometer, the Visible Infrared Imaging Radiometer Suite (VIIRS) on the Suomi National Polar Partnership (NPP) orbiter, and an airborne grating spectrometer, the Jet Population Laboratory's (JPL) hyperspectral Portable Remote Imaging Spectrometer (PRISM) sensor. We solve the destriping problem using a variational regularization method by giving weights spatially to preserve the other features of the image during the destriping process. The target functional penalizes qthe neighborhood of stripes/q (strictly, directionally uniform features) while promoting data fidelity, and the functional is minimized by solving the Euler–Lagrange equations with an explicit finite-difference scheme. We show the accuracy of our method from a benchmark data set which represents the sea surface temperature off the coast of Oregon, USA. Technical details, such as how to impose continuity across data gaps using inpainting, are also described.
机译：我们说明了从多光谱和高光谱传感器对海洋彩色图像进行变分去条纹的实用性。特别是，我们检查了来自过滤器光谱仪，Suomi国家极地合作伙伴（NPP）轨道器上的可见红外成像辐射仪套件（VIIRS）和机载光栅光谱仪，Jet人口实验室（JPL）高光谱便携式远程成像光谱仪（ PRISM）传感器。通过在空间上赋予权重以保留图像的其他特征，我们使用变分正则化方法解决了图像分离问题。目标函数对条纹的邻域（严格来说是方向均匀的特征）进行惩罚，同时提高了数据保真度，并且通过使用显式有限差分方案求解Euler-Lagrange方程来最小化函数。我们从基准数据集中证明了我们方法的准确性，该基准数据集代表了美国俄勒冈州沿海的海面温度。还描述了技术细节，例如如何使用修补在数据间隙之间施加连续性。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号