卫星云图能从多角度展示各类云系特征及其演变过程，实现基于内容的云图检索在天气实况监测、气候研究等方面具有重要意义。为了优化云图的组合特征，增强其组合特征的泛化能力，本文提出一种结合稀疏表示和子空间投影的特征优化方法。首先分别提取云图的颜色、纹理以及形状三种特征，并对其组合特征进行转换分块；然后对每一块的特征进行稀疏表示，根据不同原子的方差来分组特征，得到显著特征和非显著特征；最后由分组特征的能量来计算得到子空间投影矩阵，将初始的组合特征在投影矩阵上进行投影，得到优化后的云图特征。实验结果表明，本文优化云图特征的方法在查准率、查全率上均优于常用的降维方法和云图检索技术，对组合特征具有较强的优化能力，在实时检索过程中时间复杂度低，是一种全新的检索方法。

提出一种基于TV-L1分解的红外云图超分辨率算法。该方法采用原始-对偶算法求解TV-L1图像分解模型, 将低分辨率云图分解为结构部分和纹理部分: 对结构部分采用软决策自适应插值(SAI)处理; 对纹理部分则基于非下采样Contourlet变换(NSCT)具有多方向和平移不变的特性, 构造非线性增益函数对其NSCT变换域系数进行处理, 然后对处理后的变换系数进行NSCT逆变换实现纹理增强。最后, 将处理后的结构部分和纹理部分组合起来得到重构的高分辨率云图。实验结果表明, 所提出的算法在视觉效果以及图像质量定量评价上均优于传统插值方法, 在实现两倍超分辨率时, 其峰值信噪比(PSNR)和结构相似度(SSIM)平均值分别提高了1.316 2~4.591 9 dB和0.007 1~0.020 6; 实现三倍超分辨率时PSNR和SSIM平均值分别提高了0.338 7~4.58 dB和0.001 8~0.041 7。由于SAI插值和非下釆样Contourlet变换准确表示了云图的不同形态特征, 故所提算法的超分辨率结果不但准确重建了云图中的结构部分, 而且有效保持了红外云图纹理和边缘。

针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损, 提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先, 根据破损区域的优先权值确定待修复像素, 对该像素的邻域进行分块处理。然后, 利用待修复块与各匹配块之间的结构相似度, 建立相应的冗余字典; 通过求解稀疏表示问题修复该破损区域。最后, 沿着等照度线不断更新优先权值, 实现整幅图像的修复。实验结果表明, 提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失, 也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示: 在云图存在局部区域缺失时, 修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50 dB和0.28 dB, 而且在纹理细节及边缘区域具有更好的视觉效果。

针对卫星云图数据量大, 但传输通道和存储空间相对狭小的问题, 本文提出了一种基于 Tetrolet变换的卫星云图分块压缩感知方法。该方法将 Tetrolet变换引入压缩感知的稀疏表示环节, 以刻画卫星云图细节丰富, 纹理复杂的特性, 而且将分块压缩感知与平滑投影 Landweber迭代方法结合用于云图重构, 以提高计算效率。同时, 为了进一步提高重构云图的质量, 本文对云图的稀疏表示提出了另一种改进方案, 首先对原始云图进行拉普拉斯金字塔分解, 将得到的低频分量和高频分量分别进行分块及采样, 并对低频及高频分量分别进行离散小波变换 (DWT)及 Tetrolet变换以实现稀疏表示, 此不仅可以发挥不同稀疏变换各自的优点, 而且充分利用了 Tetrolet变换在表示云图方向纹理和边缘等重要信息方面的优势。实验结果表明, 在相同采样率下, 本文方法的重构结果明显优于直接用 Tetrolet, DWT, Contourlet和 DCT变换对卫星云图进行稀疏表示的重构结果。

融合多通道的卫星云图可为监测和预报天气状况提供更加全面可靠的信息。本文提出一种采用抗混叠移不变Contourlet 变换(Aliasing-suppression and Shift-invariance Contourlet Transform, AS&SICT)的卫星云图融合方法。首先, 为了克服原始Contourlet 变换的频谱混叠及移变问题, 将抗混叠滤波器组与非下采样方向滤波器组相结合, 构造出AS&SICT; 然后, 对两通道卫星云图(红外与可见光)采用AS & SICT 分解成低频及若干高频方向子带, 对低频子带系数采取加权区域能量融合规则, 而对高频子带系数采取加权区域方差融合规则进行融合处理; 最后, 对融合后系数进行抗混叠移不变Contourlet 逆变换, 得到融合云图。实验结果表明, 本文方法融合的云图, 由于增添了可见光云图的纹理细节信息, 不仅提高了原始红外云图的分辨率, 而且较好地保留了红外云图的亮温信息。

局部二元模式 (LBP)是一种有效的图像局部纹理描述算子, 由于其具有良好的旋转不变性而被广泛应用于图像处理、计算机视觉等领域。本文着重分析 LBP纹理特征的相关特性, 并在其基础上进行适当改进, 提出均匀三模块局部二元模式 (UTPLBP)及其二次统计量纹理特征, 探索其在图像分割应用中的可行性。实验结果表明, 针对 Brodatz纹理合成图像, 利用 UTPLBP算子提取待分割图像的纹理特征, 在 SVM分类器下进行图像分割, UTPLBP纹理算子能够很好的描述图像的纹理信息, 其二次统计量纹理特征鲁棒性强并能对不同纹理图像进行正确区分。相比传统法, 本文方法正确率均在 93%以上。

红外图像易受噪声污染，为了改善红外图像的质量，提出了一种基于零树结构分类小波系数的红外图像降噪算法。该算法利用小波零树结构表达尺度间的相关性，通过空间自适应阈值将小波系数进行分类，并根据不同类系数的统计特性采用不同的先验分布模型，在贝叶斯框架下实现降噪。实验结果表明，本文算法在峰值信噪比 (PSNR)指标上优于传统算法；从视觉效果来看，该算法在有效去除图像噪声的同时能较好地保持空间细节，可以满足当前红外图像降噪的需求。

提出一种基于粒子群优化的多小波图像降噪方法。该方法首先根据图像降噪的特点，采用粒子群算法优化 CL多小波的前置滤波器 , 实现了图像多小波变换的自适应预滤波；接着对一幅含噪声图像进行多小波分解，根据多小波分解后的能量分布特性，对小波系数进行阈值处理；后经多小波反变换，得到重构图像。实验表明，本文方法的客观性能 (PSNR)和主观效果均优于传统小波去噪方法，同中值滤波和维纳滤波相比也有绝对优势。