1、“.....为了有效降低干扰，恢复高频信息的呈现，有研究者提出了高维空间几何信息学理论，以此实现去薄云目的。将原始遥感图像视为高维几何空间中的个点，即把图像映射为高维空间中的矢量。假设维空间中的图像存在向量为与其计算方法为向量的模值向量，的夹角余弦值将向量到向感图像增强与融合算法研究南京理工大学，王敏，周树道，刘志华，黄峰，梁妙元遥感图像薄云薄雾的去除处理方法实验室研究与探索，王守觉，梁先扬图像变形计算方法及其应用计算机辅助设计与图形学学报，作者单位湖南省永州职业技术学院湖南省永州市摘要遥感图像中存在的薄云薄雾在很大程度上影响着遥感图像清晰度，因此，本文针对含薄云薄雾的遥感图像分别提出了基于高维空对于卫星遥感图像去薄云薄雾计算机算法分析论文原稿维空间中的图像存在向量为与其计算方法为向量的模值向量......”。

2、“.....由于遥感图像的高低频信息受薄云覆盖情况影响，因此，可引入高斯滤波器对图像中高低频信息进行分离，其函数形式为。首先，将原始向量与不同参数设臵的滤波器进行卷积运算，得到高维空间中子空间下能够清晰显示通过滤进行再次运算，以此得到较为清晰的云效果图像。卫星遥感去薄雾的算法算法算法又分单尺度算法与多尺度算法，其中，单尺度算法可表示为，其中及分别表示图像中位臵上的像素亮度值照明强度函数及反射函数。存在较小标准差的图像经增色后，能有效突出图像的细节信息，但存在较大标准差的图像，其却只能显示出遥感图像去薄云薄雾计算机算法分析论文原稿。基于高维空间几何信息学的遥感图像去薄云算法对低高频子空间下的向量与向量分别进行抑制与增益，实现去薄云增强目的，其算法步骤为分别利用滤波器的卷积运算与高维几何分解计算......”。

3、“.....低尺度子空间图像变换关系为，∈，将原始遥感图像视为高维几何空间中的个点，即把图像映射为高维空间中的矢量。假设维空间中的图像存在向量为与其计算方法为向量的模值向量，的夹角余弦值将向量到向量的投影向量记为向量到向量的垂直向量记为。由于遥感图像的高低频信息受薄云覆盖情况影响，因此，可引入高斯滤波器对图像中高低频信息进行分离，其函数形式为。首先，将原晰度，因此，本文针对含薄云薄雾的遥感图像分别提出了基于高维空间几何信息学的去薄云及基于算法和色度比的图像增强去雾算法。关键词遥感图像去薄云薄雾计算机算法前言云与雾是常见的自然天气现象，其能降低大气的能见度，导致遥感平台不能获取到清晰图像，最终无法读取到图像中的地物信息，降低了遥感图像的应用价值。因此，有必要对遥感图像进行去薄云去薄雾处理。现去薄云目的......”。

4、“.....但其无法提高含雾图像的对比度，因此，必须对算法处理过的图像直方图进行校正。当处理过的图像超出了显示设备所能显示的灰度范围，其相应的图像对比度将会降低，从而影响观察者对图像中细节信息的捕获，为此，可对其进行对比度的线性拉伸针对分辨率为遥感图像中薄云的目的。对于卫星遥感图像去薄云薄雾计算机算法分析论文原稿。摘要遥感图像中存在的薄云薄雾在很大程度上影响着遥感图像清晰度，因此，本文针对含薄云薄雾的遥感图像分别提出了基于高维空间几何信息学的去薄云及基于算法和色度比的图像增强去雾算法。关键词遥感图像去薄云薄雾计算机算法前言云与雾是常见的自然天气现象，其能降低大气的能见度，导的色调及细节信息，再现彩色图像。将原始遥感图像视为高维几何空间中的个点，即把图像映射为高维空间中的矢量。假设维空间中的图像存在向量为与其计算方法为向量的模值向量......”。

5、“.....由于遥感图像的高低频信息受薄云覆盖情况影响，因此，可引入高斯滤波器对图像中高低频信息进对于卫星遥感图像去薄云薄雾计算机算法分析论文原稿去薄云计算机算法基于高维空间几何信息学的遥感图像去薄云算法原理薄云引起的干扰主要集中于图像的低频位臵，很大程度上削弱了遥感图像的高频信息。为了有效降低干扰，恢复高频信息的呈现，有研究者提出了高维空间几何信息学理论，以此实现去薄云目的。数分别为，则可计算出个谱段的去雾结果，对计算结果中每个谱段进行定的线性拉伸并合成彩色图像，实现去雾，如下图所示结束语高维空间几何信息学下去薄云算法能有效去除薄云对图像清晰度的影响，增强图像边缘信息，基于算法和色度比的图像增强算法克服了图像色彩畸形与色彩偏灰等问题，实现去薄雾。摘要遥感图像中存在的薄云薄雾在很大程度上影响着遥感图像清原图像的边缘更自然......”。

6、“.....与时，复原图像将达到最佳显示效果。将经定变换后的两个子空间矢量臵于高维空间中进行再次运算，以此得到较为清晰的云效果图像。卫星遥感去薄雾的算法算法算法又分单尺度算法与多尺度算法，其中，单尺度算法可表示为，其中及分别表示图像中位臵上的像素亮度值照明强的位量化图像，可将图像的灰度范围拉伸至，。在正态分布中，若图像的灰度均值为，标准差为，其大部分像素将落于，区间内，采用多尺度算法对上述图像进行直方图的线性拉伸，尺度常数分别取，便可实现简单去雾效果图。多尺度的算法无法有效去除彩色图像中的含雾部分，导致图像色彩偏灰，因此，笔者给每个像素加入了色度比信息，假设其尺度遥感平台不能获取到清晰图像，最终无法读取到图像中的地物信息，降低了遥感图像的应用价值。因此，有必要对遥感图像进行去薄云去薄雾处理......”。

7、“.....很大程度上削弱了遥感图像的高频信息。为了有效降低干扰，恢复高频信息的呈现，有研究者提出了高维空间几何信息学理论，以此实行分离，其函数形式为。首先，将原始向量与不同参数设臵的滤波器进行卷积运算，得到高维空间中子空间下能够清晰显示通过滤波器分离出的近似于低频信息的低频分量其次，利用向量与向量的算法将原始的遥感图像矢量向近似低频信息的低频分量方向做几何映射，以此将原始图像空间分解为低高频子空间最后，对高低尺度子空间分别进行抑制与增益，恢复遥感图像的高频信息，实现去除度函数及反射函数。存在较小标准差的图像经增色后，能有效突出图像的细节信息，但存在较大标准差的图像，其却只能显示出原图像的色调，因此，其去雾效果不明显多尺度算法可表示为，其中，及分别对应红色绿色及蓝色通道，与分别表示计算结果的对应权重值与尺度常数......”。

8、“.....能呈现原图对于卫星遥感图像去薄云薄雾计算机算法分析论文原稿解至不同尺度的两个子空间下通过抑制或增益的变换方式对不同尺度的子空间进行测算。低尺度子空间图像变换关系为，∈其中与分别为低频图像中像素的最大值与最小值，表现为高尺度子空间图像变换关系为，∈其中与分别为低高频图像中像素的最大值与最小值，表现为。通过抑制与增益的变换，能更好识别图像中云的分布，使复量的投影向量记为向量到向量的垂直向量记为。由于遥感图像的高低频信息受薄云覆盖情况影响，因此，可引入高斯滤波器对图像中高低频信息进行分离，其函数形式为。首先，将原始向量与不同参数设臵的滤波器进行卷积运算，得到高维空间中子空间下能够清晰显示通过滤波器分离出的近似于低频信息的低频分量其次，利用向量与向量的算法将原始的遥感图像矢量向近似低频间几何信息学的去薄云及基于算法和色度比的图像增强去雾算法......”。

9、“.....其能降低大气的能见度，导致遥感平台不能获取到清晰图像，最终无法读取到图像中的地物信息，降低了遥感图像的应用价值。因此，有必要对遥感图像进行去薄云去薄雾处理。去薄云计算机算法基于高维空间几何信息学的遥感图像去薄云算法原器分离出的近似于低频信息的低频分量其次，利用向量与向量的算法将原始的遥感图像矢量向近似低频信息的低频分量方向做几何映射，以此将原始图像空间分解为低高频子空间最后，对高低尺度子空间分别进行抑制与增益，恢复遥感图像的高频信息，实现去除遥感图像中薄云的目的。对于卫星遥感图像去薄云薄雾计算机算法分析论文原稿。参考文献周雨薇基于多分辨率分析和变分的遥原图像的色调，因此，其去雾效果不明显多尺度算法可表示为，其中，及分别对应红色绿色及蓝色通道，与分别表示计算结果的对应权重值与尺度常数......”。