本文選題：QuickBird + 字典學習��； 參考：《國土資源遙感》2017年01期

【摘要】：鑒于多源遙感影像融合受現(xiàn)有分辨率的限制,結合稀疏表示理論,提出了一種基于字典學習的遙感影像超分辨率融合方法,可將多光譜影像的空間分辨率提升到全色影像空間分辨率的1倍或2倍。在遙感影像融合框架下,首先建立學習字典,利用冗余字典對影像稀疏表示,重構超分辨率;然后采用Gram-Schmidt(GS)光譜銳化法,融合得到超分辨率多光譜影像。利用QuickBird數(shù)據(jù)對提出的方法進行3個實驗,結果都表明本文方法相對傳統(tǒng)融合方法、傳統(tǒng)超分辨率方法和其他字典學習方案具有一定優(yōu)勢,適用于遙感影像超分辨率融合,可為多源遙感影像融合的超分辨率問題提供1種可行的解決方案,而且對其他融合方法也有借鑒意義。
[Abstract]:Considering that multi-source remote sensing image fusion is limited by the existing resolution, a new super-resolution fusion method based on dictionary learning is proposed based on sparse representation theory. The spatial resolution of multispectral images can be increased to one or two times the spatial resolution of panchromatic images. In the framework of remote sensing image fusion, a learning dictionary is first established, and a redundant dictionary is used to represent the image sparsely to reconstruct super-resolution, and then Gram-SchmidtGS-GS-based spectral sharpening method is used to obtain super-resolution multi-spectral image. The results of three experiments using QuickBird data show that the proposed method has some advantages over the traditional fusion method, traditional super-resolution method and other dictionary learning schemes, and is suitable for super-resolution fusion of remote sensing images. It can provide a feasible solution to the super-resolution problem of multi-source remote sensing image fusion, and it can also be used for reference to other fusion methods.
【作者單位】： 中國地質大學(北京)地球科學與資源學院;
【基金】：中國地質調查局地質調查項目“京津地區(qū)礦產資源開發(fā)環(huán)境遙感監(jiān)測”(編號:12120115060901)資助
【分類號】：TP751

【參考文獻】

相關期刊論文 前2條

1 李樹濤;魏丹;;壓縮傳感綜述[J];自動化學報;2009年11期

2 蘇秉華,金偉其,牛麗紅,劉廣榮;超分辨率圖像復原及其進展[J];光學技術;2001年01期

【共引文獻】

相關期刊論文 前10條

1 強策;夏凌;李光瑞;;語音信號壓縮感知觀測矩陣的對比研究[J];西華大學學報(自然科學版);2017年02期

2 葉兆瑜;韓國強;徐智俊;李俊達;;壓縮感知在圖像去噪和重構中的研究進展[J];機械制造與自動化;2017年01期

3 郭鐵梁;張智勇;趙旦峰;李海寶;;OFDM水聲通信系統(tǒng)的LS-OMP信道估計[J];聲學技術;2017年01期

4 李成軼;田淑芳;;基于字典學習的遙感影像超分辨率融合方法[J];國土資源遙感;2017年01期

5 溫健陽;宮寧生;陳巖;;基于壓縮感知的圖像盲水印算法[J];計算機科學;2016年S2期

6 劉義穎;李國瑞;田麗;;基于聯(lián)合稀疏模型的無線傳感網(wǎng)數(shù)據(jù)重構算法[J];通信學報;2016年S1期

7 曾劍;楊俊剛;安瑋;吳翰楊;王帥;;基于稀疏重構的雜波環(huán)境下紅外圖像空間鄰近目標超分辨方法[J];航天電子對抗;2016年05期

8 謝奇愛;;基于信息熵的壓縮感知流量預測方法研究[J];科教文匯(下旬刊);2016年08期

9 王銀;賀愛玉;;中子脈沖信號重構算法研究[J];計算機與數(shù)字工程;2016年07期

10 李秀梅;呂軍;;基于壓縮感知的信號時頻表示重構[J];計算機系統(tǒng)應用;2016年07期

【二級參考文獻】

相關期刊論文 前2條

1 孫玉寶;肖亮;韋志輝;邵文澤;;基于Gabor感知多成份字典的圖像稀疏表示算法研究[J];自動化學報;2008年11期

2 方紅;章權兵;韋穗;;基于亞高斯隨機投影的圖像重建方法[J];計算機研究與發(fā)展;2008年08期

【相似文獻】

相關期刊論文 前10條

1 浦劍;張軍平;黃華;;超分辨率算法研究綜述[J];山東大學學報(工學版);2009年01期

2 胡宇;趙保軍;沈庭芝;劉朋樟;;基于偏最小二乘的人臉超分辨率重構[J];北京理工大學學報;2010年09期

3 戴光智;孫宏偉;楊歐;;微掃描超分辨率超聲成像技術研究[J];科學技術與工程;2010年28期

4 蘭誠棟;胡瑞敏;盧濤;韓鎮(zhèn);;低質量監(jiān)控圖像魯棒性人臉超分辨率算法[J];計算機輔助設計與圖形學學報;2011年09期

5 李家德;張葉;賈平;;采用非局部均值的超分辨率重構[J];光學精密工程;2013年06期

6 蘭誠棟;陳亮;盧濤;;采用后驗信息構建稀疏原子庫的超分辨率人臉重建[J];北京工業(yè)大學學報;2013年07期

7 陶洪久 ,饒俊飛 ,周祖德;單幅圖像的超分辨率重建方法[J];武漢理工大學學報(交通科學與工程版);2004年06期

8 劉洪臣;馮勇;李林靜;;基于小波融合的圖像殘差金字塔超分辨率研究[J];光電子.激光;2007年07期

9 劉剛;趙紅毅;胡臻龍;;基于帶有權值混合泛函的盲超分辨率[J];吉林大學學報(工學版);2012年04期

10 薛翠紅;于明;楊宇皓;閻剛;賈超;;基于學習的馬爾科夫超分辨率復原[J];吉林大學學報(工學版);2013年S1期

相關會議論文 前10條

1 潘明海;劉永坦;趙淑清;徐佳祥;干恒富;;一種多運動目標的超分辨率檢測算法[A];第九屆全國信號處理學術年會（CCSP-99）論文集[C];1999年

2 李兵兵;陸耀;王曉明;李勁嫻;;基于金字塔回歸策略的人臉超分辨率[A];計算機技術與應用進展·2007——全國第18屆計算機技術與應用（CACIS）學術會議論文集[C];2007年

3 戴光智;陳鐵群;薛家祥;;基于微掃描技術焊縫超聲圖像的超分辨率重建[A];第十七屆全國測控計量儀器儀表學術年會（MCMI'2007）論文集（上冊）[C];2007年

4 鄭杰;韓梅;;基于微位移的超分辨率重建技術[A];2008'中國信息技術與應用學術論壇論文集（一）[C];2008年

5 張光昭;胡敬爐;謝澤明;;超分辨率亞毫米波付里葉變換譜[A];第四屆全國波譜學學術會議論文摘要集[C];1986年

6 繆泓;徐海明;;微平移序列圖像的超分辨率重建技術[A];中國力學學會學術大會'2009論文摘要集[C];2009年

7 徐啟飛;顏剛;陳武凡;;關于序列圖像的超分辨率重建算法[A];中國生物醫(yī)學工程進展——2007中國生物醫(yī)學工程聯(lián)合學術年會論文集（上冊）[C];2007年

8 徐忠強;朱秀昌;;基于正則算法的壓縮視頻超分辨率重建[A];第十三屆全國圖象圖形學學術會議論文集[C];2006年

9 池小梅;馬建偉;黃景濤;;基于壓縮傳感的超分辨率紅外成像研究[A];中國自動化學會中南六�。▍^(qū)）2010年第28屆年會·論文集[C];2010年

10 黃華;何惠婷;;一種基于CCA空間超分辨率的人臉識別方法[A];第18屆全國多媒體學術會議（NCMT2009）、第5屆全國人機交互學術會議（CHCI2009）、第5屆全國普適計算學術會議（PCC2009）論文集[C];2009年

相關博士學位論文 前10條

1 傅罡;多源遙感數(shù)據(jù)的道路提取方法研究[D];清華大學;2014年

2 巴拉卡，，雅各布Maiseli（Baraka Jacob Maiseli）;基于正則化的非線性擴散模型的超分辨率方法[D];哈爾濱工業(yè)大學;2015年

3 王曉峰;基于樣本學習的人臉超分辨率重建技術研究[D];華中科技大學;2015年

4 岳煥景;面向云媒體的圖像處理研究[D];天津大學;2015年

5 楊琛;提高集成成像與集成全息系統(tǒng)成像質量方法的研究[D];西安電子科技大學;2015年

6 何蕾;基于稀疏表達的連分式插值核的圖像/視頻超分辨率重建方法研究[D];合肥工業(yè)大學;2015年

7 樊程廣;超聲相控陣超分辨率成像方法研究[D];國防科學技術大學;2014年

8 袁建華;超分辨率重建中若干問題的研究[D];中國科學院研究生院（電子學研究所）;2006年

9 范沖;三線陣影像超分辨率重建[D];中南大學;2007年

10 張小紅;視頻去運動模糊及超分辨率研究[D];浙江大學;2012年

相關碩士學位論文 前10條

1 李智盛;壓縮傳感在超分辨率中的應用[D];清華大學;2011年

2 劉鵬;壓縮自編碼字典下的多機制鄰域嵌入超分辨率重建算法[D];華南理工大學;2015年

3 蔣曉慧;自適應正則化超分辨率重建方法的研究[D];蘇州大學;2015年

4 楊國珂;基于壓縮傳感的圖像分辨率重構方法和應用[D];江西理工大學;2015年

5 周才發(fā);基于流形對齊的WLAN室內定位方法研究[D];哈爾濱工業(yè)大學;2015年

6 陳果;單一醫(yī)學視頻時空超分辨率算法研究[D];北京理工大學;2015年

7 李靖;基于壓縮感知的超分辨率理論與技術研究[D];電子科技大學;2015年

8 黎媛;基于超分辨率的多視角混合分辨率視頻描述的關鍵技術研究[D];電子科技大學;2015年

9 羅國中;面向低質量視頻的目標對象的超分辨率重建技術研究[D];國防科學技術大學;2013年

10 李華陽;手部深度圖像去噪與超分辨率方法研究[D];北京工業(yè)大學;2015年

本文編號：1862159