基于参数化模型的遥感图像匀光算法的开题报告.docx

基于参数化模型的遥感图像匀光算法的开题报告
一、研究背景和研究意义
随着遥感技术的不断发展和普及，遥感图像已经广泛应用于地质勘探、资源调查、城市规划、农业生产等领域。不过，由于环境、天气等各种因素的影响，遥感图像中常常存在光照不均匀的问题，即图像的某些区域比其他区域亮度更高或更低，这会影响图像的质量和后续处理结果的准确性。因此，如何解决遥感图像的光照不均匀问题，是遥感图像处理研究的重要课题之一。
目前，针对遥感图像光照不均匀问题，已经有许多方法被提出。其中比较典型的方法是基于传统的统计学方法，如中值滤波、均值滤波等。然而，这些方法很难适应复杂的光照变化场景，而且处理效果也不尽如人意。近年来，基于深度学习的图像处理方法不断涌现，其中基于卷积神经网络（CNN）的方法也被应用于遥感图像处理领域。然而，基于深度学习的方法需要大量的数据和计算资源，使得这些方法在实际应用中受到了一定的限制。
因此，针对遥感图像光照不均匀问题，本研究计划基于参数化模型，开发一种高效且具有良好性能的遥感图像匀光算法，该算法可以用于提高遥感图像质量、改善遥感图像的视觉效果和增强遥感图像信息的提取能力。
二、研究内容和研究方法
本研究将设计和实现一种基于参数化模型的遥感图像匀光算法，该算法包括以下几个步骤：
1.光照估计：首先，利用图像处理方法，估计图像的光照分布情况。
2.参数化建模：基于光照估计结果，采用参数化建模技术，构建遥感图像光照变化场景的参数化模型。
3.光照校正：利用参数化模型，将图像的光照变化场景进行校正，得到光照均匀的遥感图像。
研究方法主要包括以下几个方面：
1.光照估计：采用传统的图像处理方法，如基于均值滤波、高斯滤波等方法，对遥感图像进行光照估计。
2.参数化建模：采用高斯混合模型（GMM）、线性模型、多项式模型等参数化建模技术，构建遥感图像光照变化场景的参数化模型。
3.光照校正：基于参数化模型，采用图像变换方法，对遥感图像进行光照校正。
三、预期研究成果
本研究的主要预期成果包括：
1.开发一种基于参数化模型的遥感图像匀光算法，该算法能够有效地处理光照不均匀的遥感图像，提高遥感图像质量和视觉效果。
2.对比和评估本算法与传统算法和基于深度学习的算法，在大量遥感图像数据集上的处理效果和计算效率。
3.实现一个基于参数化模型的光照估计和校正的图像处理软件，该软件可以方便地应用于遥感图像的处理和分析。
四、研究进度安排
本研究计划于2022年9月开始，预计研究周期为2年。具体的进度安排如下：
1.第一年：熟悉相关遥感图像处理技术；开展光照估计方法的研究和实现；梳理相关的参数化建模技术并进行测试和优化。
2.第二年：基于光照估计结果和参数化建模技术，开发基于参数化模型的遥感图像匀光算法；测试和评估该算法在有效性和效率方面的表现；撰写论文和相关技术文档。
五、参考文献
[1]高建华,蔡振华.基于快速相似性度量的照度校正算法[J].计算机应用,2019,39(8):2238-2243.
[2]Yang,Y.,Shi,J.,&Huang,T.(2010).AFastAlgorithmforMulti-ExposureImageFusion[J].IEEETransImageProcess,2010,19(9):2361-2372.
[3]Zhou,C.,Wang,Y.,&Lu,Z.(2015).AFastandEfficientAlgorithmforImageIilluminationCorrectionBasedonPiecewiseLinearTransformation[C]//7thInternationalConferenceonIntelligentHuman-MachineSystemsandCybernetics.IEEE,2015:103-106.