基于小波域壓縮感知的遙感圖像超分辨算法
發(fā)布時(shí)間：2019-11-02 14:21
【摘要】：針對單字典表達(dá)復(fù)雜多樣的圖像紋理存在一定的局限性的問題,利用壓縮感知和小波理論建立了一種多字典遙感圖像超分辨算法。首先,對訓(xùn)練圖像在小波域的不同頻帶利用K-奇異值分解(K-SVD)算法建立不同的字典;然后,利用全局限制求取高分辨率圖像的初始解;最后,利用正交匹配追蹤算法(OMP)對初始解在小波域進(jìn)行多字典稀疏求解。實(shí)驗(yàn)結(jié)果表明,相比基于單字典的超分辨重建算法,結(jié)果圖像的主觀視覺效果有很大提高,客觀評價(jià)指標(biāo)的峰值信噪比(PSNR)和結(jié)構(gòu)相似度(SSIM)分別提高2.8 dB以上和0.01以上。字典可一次建立重復(fù)使用,降低了運(yùn)算時(shí)間。
【圖文】：
倍的下采樣，得到一幀退化的低分辨率圖像(LowＲesolutionImage，LＲI)，對LＲI分別執(zhí)行雙線性插值、文獻(xiàn)［13］算法、文獻(xiàn)［14］算法和本文算法進(jìn)行比較分析。圖16幀訓(xùn)練圖像Fig．1Sixframetrainingimages圖24組實(shí)驗(yàn)圖像Fig．2Fourexperimentalimages圖3給出了第一組實(shí)驗(yàn)結(jié)果，圖4給出了該實(shí)驗(yàn)結(jié)果圖像中截取的兩塊小區(qū)域的放大圖像。圖3對圖2(a)實(shí)驗(yàn)結(jié)果比較Fig．3ComparisonofexperimentalresultstoFig．2(a)從圖4中可以看出，相比LＲI的雙線性插值，文獻(xiàn)［13］和［14］算法的超分辨圖像的分辨率有了很大提高，圖像更加清晰，原來不能分辨的許多紋理已經(jīng)能夠分辨出來。文獻(xiàn)［14］算法利用多字典對在一定程度上比單字典對表達(dá)圖像紋理更有效，性能上比文獻(xiàn)［13］算法有一定提高，而本文算法利用小波多級分解進(jìn)行紋理分類，能更有效地表達(dá)復(fù)雜的紋理，結(jié)果圖像的分辨率有了較大提高，一些在圖4(c)和圖4(d)中模糊或者不能分辨的紋理在圖4(e)中能夠明顯分辨出來。圖4圖3的局部放大Fig．4PartialenlargeddetailofFig．3為定量比較算法的性能，表1和表2給出了上述4組實(shí)驗(yàn)結(jié)果的峰值信噪比(PeakSignal-to-NoiseＲatio，PSNＲ)和結(jié)構(gòu)相似度(StructuralSIMilarity，SSIM)指標(biāo)。相比雙線性插值，，文獻(xiàn)［13］算法結(jié)果的PSNＲ指標(biāo)和SSIM指標(biāo)分別提高3dB和0．04以上;文獻(xiàn)［14］算法結(jié)果又相對于文獻(xiàn)［13］算法結(jié)果分別提高0．4dB和0．003以上;本文算法比雙線性插值提高6dB和0．057以上。表1實(shí)驗(yàn)結(jié)果的PSNＲ比較dBTab．1PSNＲcomparisonofexperimentalresultsdB實(shí)驗(yàn)圖像雙線性插值文獻(xiàn)［13］算法文獻(xiàn)［14］算法本文算法圖2(a)24．873328．245428．627030．7483圖2(b)28．078331．579231．992834．1922圖2(c)27．913431．370931．79903
Image，LＲI) ，對 LＲI 分別執(zhí)行雙線性插值、文獻(xiàn)［13］算法、文獻(xiàn)［14］算法和本文算法進(jìn)行比較分析。圖 1 6 幀訓(xùn)練圖像Fig． 1 Six frame training images紋理，結(jié)果圖像的分辨率有了較大提高，一些在圖4( c) 和圖4( d) 中模糊或者不能分辨的紋理在圖4( e) 中能夠明顯分辨出來。
本文編號：2554536
【圖文】：
倍的下采樣，得到一幀退化的低分辨率圖像(LowＲesolutionImage，LＲI)，對LＲI分別執(zhí)行雙線性插值、文獻(xiàn)［13］算法、文獻(xiàn)［14］算法和本文算法進(jìn)行比較分析。圖16幀訓(xùn)練圖像Fig．1Sixframetrainingimages圖24組實(shí)驗(yàn)圖像Fig．2Fourexperimentalimages圖3給出了第一組實(shí)驗(yàn)結(jié)果，圖4給出了該實(shí)驗(yàn)結(jié)果圖像中截取的兩塊小區(qū)域的放大圖像。圖3對圖2(a)實(shí)驗(yàn)結(jié)果比較Fig．3ComparisonofexperimentalresultstoFig．2(a)從圖4中可以看出，相比LＲI的雙線性插值，文獻(xiàn)［13］和［14］算法的超分辨圖像的分辨率有了很大提高，圖像更加清晰，原來不能分辨的許多紋理已經(jīng)能夠分辨出來。文獻(xiàn)［14］算法利用多字典對在一定程度上比單字典對表達(dá)圖像紋理更有效，性能上比文獻(xiàn)［13］算法有一定提高，而本文算法利用小波多級分解進(jìn)行紋理分類，能更有效地表達(dá)復(fù)雜的紋理，結(jié)果圖像的分辨率有了較大提高，一些在圖4(c)和圖4(d)中模糊或者不能分辨的紋理在圖4(e)中能夠明顯分辨出來。圖4圖3的局部放大Fig．4PartialenlargeddetailofFig．3為定量比較算法的性能，表1和表2給出了上述4組實(shí)驗(yàn)結(jié)果的峰值信噪比(PeakSignal-to-NoiseＲatio，PSNＲ)和結(jié)構(gòu)相似度(StructuralSIMilarity，SSIM)指標(biāo)。相比雙線性插值，，文獻(xiàn)［13］算法結(jié)果的PSNＲ指標(biāo)和SSIM指標(biāo)分別提高3dB和0．04以上;文獻(xiàn)［14］算法結(jié)果又相對于文獻(xiàn)［13］算法結(jié)果分別提高0．4dB和0．003以上;本文算法比雙線性插值提高6dB和0．057以上。表1實(shí)驗(yàn)結(jié)果的PSNＲ比較dBTab．1PSNＲcomparisonofexperimentalresultsdB實(shí)驗(yàn)圖像雙線性插值文獻(xiàn)［13］算法文獻(xiàn)［14］算法本文算法圖2(a)24．873328．245428．627030．7483圖2(b)28．078331．579231．992834．1922圖2(c)27．913431．370931．79903
Image，LＲI) ，對 LＲI 分別執(zhí)行雙線性插值、文獻(xiàn)［13］算法、文獻(xiàn)［14］算法和本文算法進(jìn)行比較分析。圖 1 6 幀訓(xùn)練圖像Fig． 1 Six frame training images紋理，結(jié)果圖像的分辨率有了較大提高，一些在圖4( c) 和圖4( d) 中模糊或者不能分辨的紋理在圖4( e) 中能夠明顯分辨出來。
【相似文獻(xiàn)】
相關(guān)期刊論文 前3條
1 張約品,夏海平,李佐宜,沈德芳,干福熹;GdFeCo/TbFeCo磁超分辨磁光記錄薄膜研究[J];光子學(xué)報(bào);2005年09期
2 袁震宇;王正明;王光新;王衛(wèi)威;;SAR圖像點(diǎn)目標(biāo)超分辨正則化方法的簡化計(jì)算[J];中國空間科學(xué)技術(shù);2008年01期
3 ;[J];;年期
相關(guān)會議論文 前2條
1 喬延利;葉松;方黎;洪津;方勇華;荀毓龍;;超分辨空間外差光譜成像技術(shù)[A];第六屆成像光譜技術(shù)與應(yīng)用研討會文集[C];2006年
2 余慶選;于琳;韓新海;李艷秋;廖源;王冠中;廖源;方容川;;超分辨近場結(jié)構(gòu)中Sb薄膜的開關(guān)特性的機(jī)理探討[A];第九屆全國發(fā)光學(xué)術(shù)會議摘要集[C];2001年
相關(guān)博士學(xué)位論文 前2條
1 劉儉;超分辨移相共焦和復(fù)色差動(dòng)共焦掃描顯微技術(shù)及理論[D];哈爾濱工業(yè)大學(xué);2009年
2 楊學(xué)峰;遙感圖象頻域和空域超分辨重建技術(shù)研究[D];哈爾濱工業(yè)大學(xué);2011年
本文編號：2554536
本文鏈接：http://sikaile.net/guanlilunwen/gongchengguanli/2554536.html
最近更新
教材專著
