[论文解读] Identification and Classification of Phenomena in Multispectral Satellite Imagery Using a New Image Smoother Method and its Applications in Environmental Remote Sensing

Mostafa Kiani Shahvandi|arXiv (Cornell University)|Mar 17, 2020

Remote-Sensing Image Classification参考文献 8被引用 6

一句话总结

本文提出了一种基于全局梯度最小化的新型图像平滑方法，用于多光谱卫星影像，采用5×5有限差分模板以增强特征区分能力。该方法在伊朗北部的应用中，相较于传统的拉普拉斯滤波，在识别环境现象方面展现出更高的精度与速度，从而提升了遥感应用中的分类性能。

ABSTRACT

In this paper a new method of image smoothing for satellite imagery and its applications in environmental remote sensing are presented. This method is based on the global gradient minimization over the whole image. With respect to the image discrete identity, the continuous minimization problem is discretized. Using the finite difference numerical method of differentiation, a simple yet efficient 5*5-pixel template is derived. Convolution of the derived template with the image in different bands results in the discrimination of various image elements. This method is extremely fast, besides being highly precise. A case study is presented for the northern Iran, covering parts of the Caspian Sea. Comparison of the method with the usual Laplacian template reveals that it is more capable of distinguishing phenomena in the image.

研究动机与目标

• 开发一种专为多光谱卫星影像设计的快速且精确的图像平滑技术。
• 提升遥感应用中对环境现象的识别与分类能力。
• 解决现有平滑滤波器（如拉普拉斯）的局限性，后者常导致图像特征模糊或误分类。
• 将该方法应用于伊朗北部（里海附近）的实际环境监测中。
• 展示所提出方法在跨光谱波段区分细微图像元素方面的优越性。

提出的方法

• 该方法将图像平滑建模为在整个图像域上的全局梯度最小化问题。
• 通过有限差分数值方法对连续最小化问题进行离散化，推导出5×5像素卷积模板。
• 将推导出的模板通过卷积操作应用于多光谱图像的所有光谱波段。
• 该方法利用图像的离散特性，以确保计算效率与数值稳定性。
• 通过最小化图像中的梯度能量，强调边缘保持与特征增强。
• 所得平滑输出可更清晰地区分地表覆盖类型、水体及其他环境特征。

实验结果

研究问题

• RQ1 如何改进多光谱卫星影像中的图像平滑方法，以提升特征检测的准确性？
• RQ2 全局梯度最小化方法是否能在分类环境现象方面优于局部滤波器（如拉普拉斯）？
• RQ3 与标准平滑技术相比，所提出的5×5模板在计算效率与精度方面表现如何？
• RQ4 该方法在复杂地形中对细微环境特征的识别能力提升程度如何？
• RQ5 该方法在多光谱影像的不同光谱波段中表现如何？

主要发现

• 与标准拉普拉斯滤波相比，所提出方法在区分环境特征方面实现了显著更高的精度。
• 5×5有限差分模板实现了快速高效的处理，适用于大规模遥感应用。
• 该方法有效增强了多光谱图像的边缘与纹理细节，提升了分类准确性。
• 在伊朗北部的案例研究中，该方法成功区分了里海附近的多种地表覆盖类型与水体。
• 全局梯度最小化方法在降低噪声的同时保留了关键图像结构，优于局部平滑技术。
• 该方法在多个光谱波段中表现出稳健性能，表明其在多光谱分析中的广泛适用性。