【摘要】：光學(xué)遙感成像是航天偵察、監(jiān)視與測(cè)繪等軍事應(yīng)用的重要手段。目前,我國已擁有多顆對(duì)地觀測(cè)光學(xué)遙感衛(wèi)星,解決了光學(xué)遙感成像的“有無”問題。但是,與國外同等分辨率衛(wèi)星圖像相比,還存在圖像質(zhì)量不夠高的問題,極大地影響了圖像的應(yīng)用效果。分析表明,成像過程中各環(huán)節(jié)誤差因素的影響是造成圖像質(zhì)量下降的主要原因。因此,如何對(duì)成像過程中各環(huán)節(jié)的誤差因素進(jìn)行建模、辨識(shí)和處理,是提高圖像質(zhì)量和成像系統(tǒng)應(yīng)用效能的關(guān)鍵。論文圍繞光學(xué)遙感圖像質(zhì)量提升問題進(jìn)行研究,將問題分解為正過程與逆過程兩大部分,在正過程的成像誤差建模和逆過程的誤差辨識(shí)的基礎(chǔ)上,研究圖像質(zhì)量提升方法,包括圖像復(fù)原、插值、修復(fù)與頻譜擴(kuò)展等。論文的主要研究與創(chuàng)新點(diǎn)如下:(1)針對(duì)成像誤差建模問題,論文利用退化核函數(shù)的物理建模和相關(guān)先驗(yàn)信息,建立了成像誤差的廣義高斯表示模型,并通過理論論證和實(shí)驗(yàn)分析證明了這一建模方法的合理性。研究表明該模型可有效降低模型的復(fù)雜性、提高辨識(shí)精度。在此基礎(chǔ)上,針對(duì)圖像誤差辨識(shí)問題,結(jié)合稀疏表示與退化核函數(shù)的廣義高斯表示,建立了退化核函數(shù)辨識(shí)的泛函最小化模型和椒鹽噪聲辨識(shí)的模糊推理模型,并設(shè)計(jì)了基于交錯(cuò)方向迭代的參數(shù)估計(jì)算法,實(shí)驗(yàn)結(jié)果驗(yàn)證了該方法的有效性。(2)針對(duì)平臺(tái)運(yùn)動(dòng)與姿態(tài)誤差對(duì)成像質(zhì)量的影響問題,論文研究了一種基于圖像頻譜和倒譜特征的運(yùn)動(dòng)誤差辨識(shí)方法,并提出了一種基于內(nèi)積的星敏感器相機(jī)在軌自主標(biāo)定的兩步數(shù)學(xué)模型。所建立的基于頻譜和倒譜特征的方法可以識(shí)別包含正弦振動(dòng)誤差和勻速運(yùn)動(dòng)誤差在內(nèi)的復(fù)雜運(yùn)動(dòng)誤差;所建立的相機(jī)自主標(biāo)定模型可依賴單幅圖像實(shí)現(xiàn)對(duì)相機(jī)非線性高階畸變的在軌標(biāo)定。此外論文還針對(duì)相機(jī)標(biāo)定模型,設(shè)計(jì)了一種緊致的遞歸平均濾波器來進(jìn)行參數(shù)估計(jì),在不顯著增加計(jì)算量的同時(shí)大大提高了參數(shù)估計(jì)精度。(3)針對(duì)圖像復(fù)原問題,利用二分樹復(fù)數(shù)小波在方向表示方面的優(yōu)越性,建立了以圖像的二分樹復(fù)數(shù)小波表示為基礎(chǔ)的圖像復(fù)原的稀疏表示模型,并將之推廣到退化核函數(shù)空間變化的情況。針對(duì)遙感圖像數(shù)據(jù)量大、計(jì)算復(fù)雜的特點(diǎn),設(shè)計(jì)了其快速求解的瀑布型多重網(wǎng)格算法,在不改變求解精度的情況下將求解速度提高了50%以上。(4)針對(duì)圖像質(zhì)量提升問題,以壓縮感知理論為基礎(chǔ),將圖像修復(fù)、插值、頻譜拓展等問題統(tǒng)一轉(zhuǎn)換為壓縮感知框架下的圖像重構(gòu)問題,建立了各個(gè)質(zhì)量提升問題所對(duì)應(yīng)的投影測(cè)量模型以及相應(yīng)的重構(gòu)算法。針對(duì)部分問題投影測(cè)量矩陣性能較差的問題,研究了投影測(cè)量矩陣重構(gòu)性能分析方法,并通過正則算子的作用實(shí)現(xiàn)了投影測(cè)量陣的優(yōu)化,實(shí)驗(yàn)結(jié)果表明這些方法可充分利用圖像的稀疏性,處理效果優(yōu)于傳統(tǒng)方法,并且還能處理含噪情況下的問題。論文建立了光學(xué)遙感成像主要環(huán)節(jié)的誤差模型,提出了基于圖像的成像誤差辨識(shí)方法,在此基礎(chǔ)上形成一整套針對(duì)圖像復(fù)原、插值、修復(fù)和頻譜擴(kuò)展的光學(xué)遙感圖像質(zhì)量提升技術(shù),可用于我國在軌衛(wèi)星光學(xué)遙感圖像質(zhì)量的增強(qiáng),也可為未來型號(hào)的優(yōu)化設(shè)計(jì)提供技術(shù)支撐。
[Abstract]:......
【學(xué)位授予單位】：國防科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2014
【分類號(hào)】：TP751

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 陳志新;謝世坤;;基于DT-CWT、粗糙集和神經(jīng)網(wǎng)絡(luò)的軸承智能診斷[J];科技和產(chǎn)業(yè);2014年08期

2 殷明;白瑞峰;邢燕;龐紀(jì)勇;魏遠(yuǎn)遠(yuǎn);;基于非下采樣雙樹復(fù)小波域的雙變量模型去噪算法[J];光子學(xué)報(bào);2014年10期

3 金煒;王文龍;閆河;;變采樣率的磁共振圖像分塊壓縮感知[J];光電子·激光;2014年12期

4 段昶;汪學(xué)剛;王帥;程建;黃啟宏;王洪;;基于雙樹緊支剪切波變換的遙感圖像融合[J];電子科技大學(xué)學(xué)報(bào);2015年01期

5 蘇耀文;于慧伶;劉思佳;范德林;;融合頻譜變換的板材紋理缺陷分類[J];東北林業(yè)大學(xué)學(xué)報(bào);2015年02期

6 崔漢國;劉健鑫;李彬;;基于DD-DT CWT和SIFT的體數(shù)據(jù)數(shù)字水印算法[J];圖學(xué)學(xué)報(bào);2015年02期

7 李超;劉思佳;曹軍;于慧伶;張怡卓;;基于PSO優(yōu)選特征的實(shí)木板材缺陷的壓縮感知分選方法[J];北京林業(yè)大學(xué)學(xué)報(bào);2015年07期

8 邱愛中;崔曉;張海泉;邱大為;;雙樹復(fù)小波和中值濾波在機(jī)械故障監(jiān)測(cè)中的應(yīng)用[J];軸承;2015年09期

9 李超;張怡卓;于慧伶;曹軍;;雙樹復(fù)小波特征融合的板材壓縮感知協(xié)同檢測(cè)與分選[J];電機(jī)與控制學(xué)報(bào);2015年08期

10 肖宿;韓國強(qiáng);;基于稀疏正則優(yōu)化的圖像復(fù)原算法[J];計(jì)算機(jī)應(yīng)用;2012年01期

相關(guān)博士學(xué)位論文 前10條

1 劉吉英;壓縮感知理論及在成像中的應(yīng)用[D];國防科學(xué)技術(shù)大學(xué);2010年

2 陳建軍;基于偏微分方程的圖像降噪和圖像恢復(fù)研究[D];重慶大學(xué);2009年

3 龐志峰;圖像去噪問題中的幾類非光滑數(shù)值方法[D];湖南大學(xué);2010年

4 史寶麗;幾類全變差型圖像恢復(fù)模型研究[D];湖南大學(xué);2012年

5 王靜;基于成像系統(tǒng)建模提高遙感圖像分辨率方法研究[D];南京理工大學(xué);2012年

6 楊揚(yáng);基于多尺度分析的圖像融合算法研究[D];中國科學(xué)院研究生院（長春光學(xué)精密機(jī)械與物理研究所）;2013年

7 高彥彥;基于特征的圖像檢索技術(shù)研究[D];北京郵電大學(xué);2012年

8 崔世林;投影測(cè)量相位提取技術(shù)研究[D];華中科技大學(xué);2013年

9 趙恒軍;圖像多尺度鄰域距離分解及其應(yīng)用[D];重慶大學(xué);2013年

10 辛國江;模擬人類視覺機(jī)理的圖像處理方法[D];中南大學(xué);2013年

相關(guān)碩士學(xué)位論文 前10條

1 王丹;基于偏微分方程修復(fù)的潛指紋預(yù)處理技術(shù)研究[D];哈爾濱工程大學(xué);2011年

2 王慧霞;Tetrolet稀疏正則化與樣本學(xué)習(xí)的圖像超分辨率算法研究[D];南京理工大學(xué);2012年

3 崔穎;兩相圖像分割凸模型的數(shù)值算法研究[D];解放軍信息工程大學(xué);2011年

4 趙楠;基于偏微分的自適應(yīng)圖像修復(fù)研究[D];重慶大學(xué);2012年

5 羅群利;四階向量值圖像去噪問題的快速算法[D];湖南大學(xué);2012年

6 張艷茹;交通標(biāo)志檢測(cè)與識(shí)別技術(shù)研究[D];蘭州大學(xué);2013年

7 侯立莎;網(wǎng)絡(luò)環(huán)境下多源圖像的跨尺度融合研究[D];北京郵電大學(xué);2013年

8 郭凱;模擬信號(hào)壓縮采樣的研究[D];天津理工大學(xué);2013年

9 佟建鋒;基于復(fù)脊波變換的SAR圖像去噪與邊緣檢測(cè)方法研究[D];西北大學(xué);2013年

10 簡智涵;基于壓縮傳感理論解決Pan-Sharpening問題的算法研究[D];華東師范大學(xué);2013年

，

本文編號(hào)：2408107