XiaoMi-AI文件搜索系统
World File Search System热红外
热红外单幅图像去雾及盲图像质量评价
图像去雾是一种减少图像中雾霾、灰尘或雾气影响的方法，以便清晰地查看观察到的场景。文献中存在大量传统和基于机器学习的方法。然而，这些方法大多考虑可见光光谱中的彩色图像。显然，由于热红外光谱的波长较长，受雾霾的影响要小得多。但远距离观测期间的大气扰动也会导致热红外 (TIR) 光谱中的图像质量下降。在本文中，我们提出了一种为 TIR 图像生成合成雾的方法。然后，我们分析了现有的盲图像质量评估措施雾感知密度评估器 (FADE) 对 TIR 光谱的适用性。我们进一步全面概述了当前图像去雾的最新技术，并通过经验表明，许多最初为可见光图像设计的方法在应用于 TIR 光谱时表现得出奇的好。这在最近发布的 M3FD 数据集上进行的实验中得到了证实。
通过观察系统模拟实验探索热红外遥感以改善积雪模型的潜力
摘要。从地球观察卫星中吸收数据被认为是估计山地流域中雪覆盖分布的前进的道路，从而提供了有关山水等效山水（SWE）的准确信息。可以从空间中观察到土地表面的回热（LST），但其改善SWE模拟的潜力仍然没有被忽略。这可能是由于当前热红外（TIR）任务提供的时间不足或空间分辨率。，在未来几年中，三个计划的任务将以更高的时空分辨率提供全球规模的TIR数据。为了研究TIR数据以改善SWE的价值，我们在覆盖北半球的Latitudi-Nalal梯度的五个雪地主导地点开发了合成数据同化（DA）实验。我们通过强迫ERA5-Land重新分析的能量平衡积雪模型来产生合成的LST和SWE系列。我们使用此合成的真实LST从ERA5-Land的降级版本中恢复了合成的真实SWE。我们定义了不同的观察场景，以模仿Landsat 8（16 D）的重新审视时间，以及用于高分辨率自然资源评估（TR- ISHNA）（3 d）的热红外成像卫星，同时会计云覆盖。我们在每个实验地点对实验进行了100次的回答，以评估在两个重新审视场景下，相对于云覆盖的同化过程的鲁棒性。我们使用两种不同的方法进行了同化：序列方案（粒子过滤器）和一个更光滑的（粒子批次平滑）。
美国-意大利表面生物和地质 (SBG) 热红外 (TIR) 联合项目
需要高光谱分辨率（10 nm；400-2500 nm）、高保真度（SNR = 400:1 VNIR/250:1 SWIR）成像光谱仪来表征陆地、内陆水生、沿海地区和浅层珊瑚礁生态系统”
用于全球监测建筑物能源效率的高分辨率热红外空间望远镜
1. 结合我们从之前两个原型中获得的知识，构建一个可展开的自调准 TIR 空间望远镜作为 12U 有效载荷（UCAM/S4）2. 包括视角和大面积覆盖，以从无人机数据创建高度逼真的模拟 TIR 空间数据（UCAM/S4）3. 继续我们的利益相关者参与计划（UCAM/S4）4. 开发工具来稳健地评估地球上任何建筑物的能量输出（UCAM）5. 设计一个系统原型以实现 TIR 条带测绘（S4）6. 在现有数据分发平台上开发测试模块，使 TIR 红外图像能够轻松地与可见光图像叠加（Open Cosmos Ltd）7. 专门为获得专利的自调准望远镜开发金刚石车削自由曲面光学器件（Durham Precision Optics - 新合作伙伴）。
热红外激光异差的演示...
对远程发声器的要求在需要较细的网格网格的驱动下，以获取更多本地信息高分辨率（地理，海拔，垂直，辐射和频谱）成本效益，紧凑的仪器=>激光官方隔离式辐射计（LHR）