Landsat卫星影像已经成为世界范围内长时间序列生态监测研究中最广泛使用的数据源。 在大中尺度区域的遥感应用研究中, 因季节、 光照、 气候等条件以及卫星重返周期和传感器的不同, 多景遥感影像拼接、 镶嵌后会存在斑块效应和色调不均匀现象。 在遥感云计算技术高速发展的今天, 探索快速且高效地基于云平台的Landsat色差条带修复方法具有重要意义。 提出了一种在Google Earth Engine(GEE)云平台上实现的基于随机森林算法的直方图影像均质化方法, 将1986年—2020年山西省Landsat Top of Atmosphere(TOA)和Surface Reflectance(SR)(Landsat 5 TM/7 ETM+/8 OLI)反演后的归一化植被指数影像NDVI作为研究数据, 以MOD13Q1(250 m分辨率)、 MOD13A1(500 m分辨率)和MOD13A2(1 km分辨率)MODIS数据集作为2000年后的验证数据, 分别对比影像修复前后的1986年—2020年山西省NDVI影像。 研究结果表明： (1)在35年的逐年影像分析中有20年的影像存在条带色差问题。 以1994年为例, 修复后的Landsat TOA和Landsat SR影像与修复前相比, 影像修复区的NDVI平均值分别增加了32.6%和29.03%, 剖面分析显示拟合度分别增加了0.162 3和0.118 0; (2)1986年—2020年一元线性回归趋势性分析结果表明, 修复后影像的拟合度更高, 长时序分析后逐年影像的波动幅度更小。 其中, Landsat TOA和SR影像修复后的斜率分别下降了0.006 2和0.006 7, R2分别提高了0.024 8和0.008 4; (3)对Landsat和MODIS影像进行Pearson相关性分析发现, 修复后的Landsat SR和TOA图像的相关系数平均提高了0.049和0.061(p<0.05), 其中, 修复后的Landsat SR和TOA影像与MOD13Q1、 MOD13A1、 MOD13A2影像相关系数分别提高了0.050、 0.047、 0.049和0.066、 0.060和0.059; (4)2000年—2020年Landsat和MODIS影像的时序分析结果显示, 修复后的Landsat影像整体趋势与MODIS影像更趋近, 修复后的Landsat TOA和SR影像的拟合度分别提升了0.058 6和0.031 9。 所提出的基于GEE云平台随机森林算法的快速影像修复方法, 实现了对长时间序列遥感影像NDVI反演结果的精确评估, 应用本方法可快速、 高效地解决影像镶嵌所造成的色差斑块和条带效应。

分析了多通道扫描成像辐射计(AGRI)条带噪声的主要来源,建立了条带噪声的图像退化模型,提出了一种基于直方图匹配与各向异性全变分正则化相结合的去条带(HMATV)方法。该方法首先使用直方图匹配抑制探测器像元间的非均匀性响应,接着利用各向异性全变分正则化模型去除剩余的条带噪声。使用定性和定量指标对各方法的处理结果进行评价,结果显示:与其他现有前沿的去条带方法相比,所提方法不仅获得了更优异的条带噪声去除效果,还有效保护了原始图像的细节信息。

传统的图像对比度增强技术容易造成图像的局部区域过分增强或增强不足等问题,因此提出了一种结合不可分小波分析和曲线拟合的图像对比度增强方法。该方法以标准清晰图像的均值和标准差作为图像对比度增强的理想目标,首先对同一目标的标准清晰图像和低对比度图像进行四通道不可分小波分解,然后利用曲线拟合的预测能力得出分解后具有相同频率通道和相同方向子图像的均值之间及标准差之间的函数关系,通过该函数关系和直方图匹配公式即可得到理想的增强后的子图像,最后将这些新的子图像进行不可分小波重构,并采用清晰度、标准差指标对图像对比度增强结果进行评价。实验结果表明,所提方法所得低对比度图像的增强效果较好,且得到了高清晰度图像。

提出了对非均匀场景同一区域成像的卫星姿态调整及基于直方图匹配的线阵CCD非线性相对辐射定标方法。当在轨卫星需要执行相对辐射定标任务时，首先计算初始偏流角并调整卫星偏航角进入在轨定标成像模式；然后在定标成像过程中控制卫星偏航角，使得线阵CCD阵列的所有像元能够依次对同一区域成像；最后基于直方图匹配方法建立高精度非线性相对辐射定标模型。仿真实验给出了不同姿态对应的定标成像情况下的偏航角调整大小与调整周期，并分析了引起偏流角误差的因素及其对偏流角的不确定性。该方法既不需要地面均匀定标场等，也不需要统计分析大量在轨图像数据；且每一轨都可以执行定标任务，避免了卫星不同轨数据之间的不稳定性所带来的定标源自身不可靠问题。

由于非下采样Contourlet变换(NSCT)域图像增强方法需要手动调节参数，无法实现自适应增强， 本文将直方图均衡化和NSCT域增强相结合，提出了一种基于NSCT系数直方图匹配的自适应图像增强算法。该算法首先对低对比度含噪原图像进行直方图均衡化，然后对原图和直方图均衡化后的图像分别进行NSCT分解，得到低频子带系数和各高频方向子带系数。对低频子带，将原图的低频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。对各个高频子带，则先进行阈值去噪，再将原图的各个高频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。最后,经NSCT重构得到增强后的最终图像。实验结果表明，本文方法增强效果明显优于直方图均衡化，与Contourlet变换增强法相比，实验所采用的两组图像的图像评价函数(EMEE)值分别提高了24.05%、16.97%、13.29%和20.63%，且与NSCT域非自适应增强法(人工选取参数)的处理效果相当。该方法无需手工调节参数，具有自适应性和实用性强的优点。

Toet的夜视图像近自然色染色算法对各颜色分量使用了基于线性变换的颜色传递技术, 染色结果易出现低对比度或过饱和现象, 从而造成细节信息的损失。针对此问题, 提出了结合多尺度融合与非线性颜色传递的微光与红外图像染色算法。选用亮度与色彩分离的 YCbCr颜色空间进行染色, 其中 Y分量应用基于冗余小波变换的可增强感兴趣目标的融合方法构造得到, 对 Cb、Cr分量使用基于直方图匹配的非线性颜色传递方法实现染色。实验结果表明, 本文方法可有效防止染色过程中出现的低对比度或过饱和现象, 能获得纹理细节更清晰, 目标更显著的染色图像。

为了综合利用多光谱遥感图像与全色遥感图像之间的互补信息,提出了一种方向金字塔框架变换(SPFT),并基于此变换提出了一种遥感图像融合算法。具体融合过程是将多光谱图像的每个波段分别与高分辨力全色图像进行融合,首先将高分辨力全色图像与多光谱图像的待融合波段进行直方图匹配,然后对该波段图像以及直方图匹配后的高分辨力全色图像分别进行方向金字塔框架变换分解,融合过程就是对两图像方向金字塔框架变换分解后的系数进行组合,最后对组合后的系数进行方向金字塔框架逆变换即可得到该波段图像与高分辨力全色图像的融合图像。实验结果表明该算法在性能上优于基于亮度色调饱和度(IHS)的彩色空间变换以及基于离散小波框架变换(DWFT)的遥感图像融合方法,尤其对源图像之间存在配准误差的情况。