發(fā)布時間：2020-09-14 15:48

　　 超分辨重建(Super Resolution,SR)是從一幅或多幅連續(xù)低分辨率圖像中恢復出一幅高分辨率圖像的技術,在遙感圖像處理中有著廣泛的應用。隨著遙感技術在農業(yè)和林業(yè)監(jiān)測、城市規(guī)劃和軍事戰(zhàn)略方面的迅速發(fā)展,高分辨率遙感圖像越來越受到人們的關注。然而,傳統(tǒng)通過改善硬件來提高成像分辨率的方式成本極高且耗時耗力,而當前常見的超分辨重建方法也存在一些亟待解決的問題,如基于插值的超分辨重建方法所得結果塊效應明顯,基于重建的方法依賴于圖像序列且需要預配準,往往受到缺乏圖像序列的限制,基于學習的方法通過訓練重建網絡實現(xiàn)超分辨,是目前相對效果最好的,但網絡復雜度高、訓練時間長,以及只關注亮度空間是這類方法的短板。為了解決這些問題,本文提出了一種結合深度學習的SR方法,無需依賴于圖像序列實現(xiàn)對單幅遙感圖像的超分辨重建。首先構造基于四層卷積的深度神經網絡結構,并在結構中前三層卷積后添加參數修正線性單元層和局部響應歸一化層進行優(yōu)化,以均方誤差為損失函數對網絡進行訓練得到超分辨重建模型PLCNN(PreLU and LRN Convolutional Neural Network)。其次,針對多波段的低分辨遙感圖像,對其亮度空間進行雙三次插值,使用PL-CNN模型對插值結果進行重建,并在亮度空間重建結果指導下,以聯(lián)合雙邊濾波來提升其色度空間邊緣細節(jié),最后采用自適應非線性反銳化掩膜對重建結果進行后處理增強,單波段遙感圖像則無需聯(lián)合雙邊濾波處理。實驗結果表明,應用本文方法對遙感圖像進行2倍、3倍、4倍重建時在無參考指標上均優(yōu)于對比方法,平均清晰度提升約2.5個單位,同時取得了較好的全參考評價結果;在2倍重建時峰值信噪比較傳統(tǒng)插值法提升了約2 dB,且平均訓練效率較其他學習法提升3倍以上。聯(lián)合雙邊濾波消除了塊效應并令邊緣更加突出,使所得遙感圖像重建結果在目視效果上更加細致、自然;對Spot 5圖像進行后處理增強后效果可與融合所得高分辨圖像接近。除此之外,本文設計的網絡抗過擬合能力強、訓練效率高,具有較強的普適性,且可通過適當增加訓練樣本數量和優(yōu)選樣本類別的方式對模型進行優(yōu)化。
【學位單位】：中國科學院大學(中國科學院遙感與數字地球研究所)
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TP751;TP183
【部分圖文】：

SRCNN網絡結構

了單幅圖像的 SR 重建，其對輸入和輸出采用了一種新的正則化方式，且在不同水平的重建上都顯示出了有效性，運算速度也較快。其后 Dong 等人又于 2016 年提出加速超分辨率卷積網絡[21]（FSRCNN），通過增加卷積層個數來提升訓練效果，然而其網絡冗余度較高，結構復雜且單調，且針對彩色圖像色度空間重建和可能出現(xiàn)的過擬合同樣未給出更優(yōu)的策略。此外國內徐冉等人[22]提出了基于雙通道卷積的 SR 重建算法，以模型結構復雜度和效率為代價換取了重建信噪比的提升，但仍存在過擬合和邊緣問題。Ledig等人[43]基于生成對抗網絡的方法 SRGAN（Super-ResolutionGenerativeAdversarialNets，超分辨生成對抗網絡，結構如圖 2.6）獲得了較好的視覺效果，但其客觀評價指標上劣勢較大，此外針對衛(wèi)星圖像 Patrick[44]在 2017 年提出基于深度神經網絡的超分辨重建方法，在主觀視覺上達到較好效果，但其結果缺乏與其他方法的客觀比較。

第 3 章 基于深度學習的單幅遙感圖像超分辨重建方法第 3 章 基于深度學習的單幅遙感圖像超分辨重建方法3.1 相關基礎及流程3.1.1 遙感圖像退化過程遙感圖像在成像過程中會受到光學成像系統(tǒng)的影響，進而造成光學模糊、運動模糊及傳感器模糊等，影響最終成像的清晰度，同時還會存在幾何變形、欠采樣及各階段噪聲干擾等情況，進而導致圖像的空間分辨率降低，分析其退化模型如圖 3.1 所示，可由公式 3.1 表示。

【參考文獻】

相關期刊論文 前10條

1 劉建偉;劉媛;羅雄麟;;深度學習研究進展[J];計算機應用研究;2014年07期

2 李霖;羅恒;唐新明;李楨;;資源三號衛(wèi)星多光譜圖像特征分析和質量評價[J];國土資源遙感;2014年01期

3 金煒;符冉迪;葉明;;過完備字典稀疏表示的云圖超分辨率算法[J];遙感學報;2012年02期

4 張硯;徐昆;李勇;;基于外存和凸集投影法的遙感圖像超分辨率方法[J];清華大學學報(自然科學版);2010年10期

5 習曉環(huán);姜小光;唐伶俐;李傳榮;歐陽光洲;張健;馬靈玲;;我國遙感技術標準化工作及規(guī)劃[J];遙感信息;2009年05期

6 劉揚陽,金偉其,蘇秉華,張楠;超分辨力圖像處理技術進展及在遙感中的應用[J];紅外與激光工程;2005年01期

7 施益強,陳崇成,陳玲;遙感技術在環(huán)境科學與工程應用中的進展[J];科技導報;2002年12期

8 周春平,田越,季統(tǒng)凱,吳勝利,張鳳坡,許東,時春雨,姚勇航;一種提高CCD成像衛(wèi)星空間分辨率的方法研究[J];遙感學報;2002年03期

9 蘇秉華,金偉其,牛麗紅,劉廣榮,劉明奇;基于Markov約束的泊松最大后驗概率超分辨率圖象復原法[J];光子學報;2002年04期

10 郝鵬威,徐冠華,朱重光;數字圖像空間分辨率改善的頻率域方法[J];中國科學E輯:技術科學;1999年03期

本文編號：2818357