基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
遥感影像利用率低的重要原因之一是在卫星的成像过程中,传感器故障或者厚云等天气原因经常造成缺失的情况,降低了影像的利用率.对比分析三种方法(直接修复、局部线性直方图、加权线性回归方法)的重建效果,并针对以上方法仅利用单幅影像重建,没有综合利用多时相信息、无法同时实现去云和条带的不足,提出了利用时间序列影像生成合成影像的方法,达到去云和条带的效果.结果显示,对比方法中,加权线性回归方法修复效果最佳,其重建结果与真值相关系数最高达0.87;所提方法可同时去除云和条带区域,相关系数最高达0.76,因此对于改造时间序列影像数量和质量具有较好作用.
推荐文章
基于动态时间规整算法的时间序列遥感影像树种分类
动态时间规整算法
时间序列
树种分类
欧式距离
基于ODL双字典学习的遥感影像超分辨率重建
在线双字典
超分辨率重建
稀疏表示
正则化参数
遥感影像
基于时间序列遥感影像及DTW算法的塞罕坝林场树种识别研究
时间序列
DTW算法
遥感影像
树种识别
归一化植被指数
基于“高分一号”遥感影像水体提取方法的对比分析
“高分一号”
水体提取
单波段阈值法
谱间关系法
模型法
广州市
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 遥感影像缺失重建方法对比与时间序列合成
来源期刊 现代测绘 学科 工学
关键词 影像缺失 方法对比 时间序列 影像合成
年,卷(期) 2019,(5) 所属期刊栏目 理论研究
研究方向 页码范围 22-27
页数 6页 分类号 TP751
字数 4728字 语种 中文
DOI
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 李满春 南京大学地理与海洋科学学院 179 3429 32.0 49.0
2 李宁 南京大学地理与海洋科学学院 102 1222 17.0 29.0
3 程亮 南京大学地理与海洋科学学院 37 394 11.0 18.0
9 季辰 南京大学地理与海洋科学学院 1 0 0.0 0.0
13 曾繁轩 南京大学地理与海洋科学学院 1 0 0.0 0.0
14 闵开付 南京大学地理与海洋科学学院 1 0 0.0 0.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (7)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2006(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(1)
  • 参考文献(1)
  • 二级参考文献(0)
2019(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
影像缺失
方法对比
时间序列
影像合成
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
现代测绘
双月刊
1672-4097
32-1694/P
大16开
江苏省南京市北京西路75号
1978
chi
出版文献量(篇)
2052
总下载数(次)
3
论文1v1指导