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(fù)出一幅高分辨率圖像的技術(shù),在遙感圖像處理中有著廣泛的應(yīng)用。隨著遙感技術(shù)在農(nóng)業(yè)和林業(yè)監(jiān)測(cè)、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(guān)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(shí)耗力,而當(dāng)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(jié)果塊效應(yīng)明顯,基于重建的方法依賴于圖像序列且需要預(yù)配準(zhǔn),往往受到缺乏圖像序列的限制,基于學(xué)習(xí)的方法通過訓(xùn)練重建網(wǎng)絡(luò)實(shí)現(xiàn)超分辨,是目前相對(duì)效果最好的,但網(wǎng)絡(luò)復(fù)雜度高、訓(xùn)練時(shí)間長,以及只關(guān)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(jié)合深度學(xué)習(xí)的SR方法,無需依賴于圖像序列實(shí)現(xiàn)對(duì)單幅遙感圖像的超分辨重建。首先構(gòu)造基于四層卷積的深度神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),并在結(jié)構(gòu)中前三層卷積后添加參數(shù)修正線性單元層和局部響應(yīng)歸一化層進(jìn)行優(yōu)化,以均方誤差為損失函數(shù)對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練得到超分辨重建模型PLCNN(PreLU and LRN Convolutional Neural Network)。其次,針對(duì)多波段的低分辨遙感圖像,對(duì)其亮度空間進(jìn)行雙三次插值,使用PL-CNN模型對(duì)插值結(jié)果進(jìn)行重建,并在亮度空間重建結(jié)果指導(dǎo)下,以聯(lián)合雙邊濾波來提升其色度空間邊緣細(xì)節(jié),最后采用自適應(yīng)非線性反銳化掩膜對(duì)重建結(jié)果進(jìn)行后處理增強(qiáng),單波段遙感圖像則無需聯(lián)合雙邊濾波處理。實(shí)驗(yàn)結(jié)果表明,應(yīng)用本文方法對(duì)遙感圖像進(jìn)行2倍、3倍、4倍重建時(shí)在無參考指標(biāo)上均優(yōu)于對(duì)比方法,平均清晰度提升約2.5個(gè)單位,同時(shí)取得了較好的全參考評(píng)價(jià)結(jié)果;在2倍重建時(shí)峰值信噪比較傳統(tǒng)插值法提升了約2 dB,且平均訓(xùn)練效率較其他學(xué)習(xí)法提升3倍以上。聯(lián)合雙邊濾波消除了塊效應(yīng)并令邊緣更加突出,使所得遙感圖像重建結(jié)果在目視效果上更加細(xì)致、自然;對(duì)Spot 5圖像進(jìn)行后處理增強(qiáng)后效果可與融合所得高分辨圖像接近。除此之外,本文設(shè)計(jì)的網(wǎng)絡(luò)抗過擬合能力強(qiáng)、訓(xùn)練效率高,具有較強(qiáng)的普適性,且可通過適當(dāng)增加訓(xùn)練樣本數(shù)量和優(yōu)選樣本類別的方式對(duì)模型進(jìn)行優(yōu)化。
【學(xué)位單位】：中國科學(xué)院大學(xué)(中國科學(xué)院遙感與數(shù)字地球研究所)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TP751;TP183
【部分圖文】：

SRCNN網(wǎng)絡(luò)結(jié)構(gòu)

了單幅圖像的 SR 重建，其對(duì)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(yùn)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(wǎng)絡(luò)[21]（FSRCNN），通過增加卷積層個(gè)數(shù)來提升訓(xùn)練效果，然而其網(wǎng)絡(luò)冗余度較高，結(jié)構(gòu)復(fù)雜且單調(diào)，且針對(duì)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(nèi)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(jié)構(gòu)復(fù)雜度和效率為代價(jià)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(duì)抗網(wǎng)絡(luò)的方法 SRGAN（Super-ResolutionGenerativeAdversarialNets，超分辨生成對(duì)抗網(wǎng)絡(luò)，結(jié)構(gòu)如圖 2.6）獲得了較好的視覺效果，但其客觀評(píng)價(jià)指標(biāo)上劣勢(shì)較大，此外針對(duì)衛(wèi)星圖像 Patrick[44]在 2017 年提出基于深度神經(jīng)網(wǎng)絡(luò)的超分辨重建方法，在主觀視覺上達(dá)到較好效果，但其結(jié)果缺乏與其他方法的客觀比較。

第 3 章 基于深度學(xué)習(xí)的單幅遙感圖像超分辨重建方法第 3 章 基于深度學(xué)習(xí)的單幅遙感圖像超分辨重建方法3.1 相關(guān)基礎(chǔ)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(huì)受到光學(xué)成像系統(tǒng)的影響，進(jìn)而造成光學(xué)模糊、運(yùn)動(dòng)模糊及傳感器模糊等，影響最終成像的清晰度，同時(shí)還會(huì)存在幾何變形、欠采樣及各階段噪聲干擾等情況，進(jìn)而導(dǎo)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(xiàn)】

相關(guān)期刊論文 前10條

1 劉建偉;劉媛;羅雄麟;;深度學(xué)習(xí)研究進(jìn)展[J];計(jì)算機(jī)應(yīng)用研究;2014年07期

2 李霖;羅恒;唐新明;李楨;;資源三號(hào)衛(wèi)星多光譜圖像特征分析和質(zhì)量評(píng)價(jià)[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(xué)報(bào);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(xué)學(xué)報(bào)(自然科學(xué)版);2010年10期

5 習(xí)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(shù)標(biāo)準(zhǔn)化工作及規(guī)劃[J];遙感信息;2009年05期

6 劉揚(yáng)陽,金偉其,蘇秉華,張楠;超分辨力圖像處理技術(shù)進(jìn)展及在遙感中的應(yīng)用[J];紅外與激光工程;2005年01期

7 施益強(qiáng),陳崇成,陳玲;遙感技術(shù)在環(huán)境科學(xué)與工程應(yīng)用中的進(jìn)展[J];科技導(dǎo)報(bào);2002年12期

8 周春平,田越,季統(tǒng)凱,吳勝利,張鳳坡,許東,時(shí)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(xué)報(bào);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(yàn)概率超分辨率圖象復(fù)原法[J];光子學(xué)報(bào);2002年04期

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

本文編號(hào)：2818357