本文關(guān)鍵詞：基于紋理字典的星地協(xié)同處理遙感數(shù)據(jù)的算法研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著遙感數(shù)據(jù)獲取技術(shù)的快速發(fā)展,我國已經(jīng)初步建立了以衛(wèi)星、無人機(jī)、平流層氣球等多種空間信息獲取手段為基礎(chǔ)的空天一體化對(duì)地觀測平臺(tái)。隨之產(chǎn)生了海量的遙感數(shù)據(jù)。無法及時(shí)下傳、處理數(shù)據(jù)不僅浪費(fèi)了資源也可能遺漏重要的信息。論文基于遙感圖像的稀疏性等特點(diǎn),提出遙感數(shù)據(jù)“星上稀疏表征-下傳稀疏域信息-地面數(shù)據(jù)重建“的在軌數(shù)據(jù)動(dòng)態(tài)更新方法。整體技術(shù)思路是衛(wèi)星和地面的聯(lián)合智能處理,即星上進(jìn)行稀疏表征,地面進(jìn)行海量信息的字典學(xué)習(xí)處理過程,將衛(wèi)星和地面站的信息進(jìn)行可控信息量的交互,從而形成星上和地面聯(lián)合處理的有機(jī)整體。 本文總結(jié)了國內(nèi)外稀疏表征理論的相關(guān)研究內(nèi)容,闡述了稀疏編碼、字典學(xué)習(xí)以及壓縮感知的經(jīng)典算法機(jī)理。同時(shí),在分析了這些算法的優(yōu)缺點(diǎn)后提出了三種改進(jìn)的算法。分別是基于粒子群優(yōu)化的字典學(xué)習(xí)算法、基于動(dòng)態(tài)式增量原子更新的地面遙感圖像字典學(xué)習(xí)算法和以參考圖像為先驗(yàn)知識(shí)的壓縮感知算法。通過定性和定量的性能比較,證明了這些算法不僅可以更加精確、有效的表征遙感圖像,也滿足論文提出的星地協(xié)同處理遙感數(shù)據(jù)的整體思路要求。
【關(guān)鍵詞】：星地協(xié)同 稀疏表征 字典學(xué)習(xí) 粒子群優(yōu)化 K-SVD 壓縮感知
【學(xué)位授予單位】：中國科學(xué)技術(shù)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TP751
【目錄】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 緒論9-17
• 1.1 論文背景與研究意義9-10
• 1.2 課題提出10
• 1.3 國內(nèi)外研究現(xiàn)狀10-12
• 1.3.1 構(gòu)建字典的研究現(xiàn)狀11-12
• 1.3.2 稀疏編碼的研究現(xiàn)狀12
• 1.4 論文研究內(nèi)容與組織框架12-17
• 1.4.1 論文主體思路12-14
• 1.4.2 論文主要研究內(nèi)容14
• 1.4.3 論文章節(jié)安排14-17
• 第2章 圖像的稀疏表征理論17-33
• 2.1 圖像的稀疏表征理論17-19
• 2.2 稀疏編碼算法19-24
• 2.2.1 基追蹤算法19-20
• 2.2.2 匹配追蹤算法20-22
• 2.2.3 正交匹配追蹤算法22-24
• 2.3 字典學(xué)習(xí)理論24-29
• 2.3.1 字典學(xué)習(xí)步驟24-26
• 2.3.2 字典學(xué)習(xí)的經(jīng)典算法26-29
• 2.4 算法性能的評(píng)價(jià)29-31
• 2.4.1 評(píng)價(jià)重建圖像質(zhì)量29-30
• 2.4.2 稀疏性的度量方法30-31
• 2.5 本章總結(jié)31-33
• 第3章 海量遙感圖像的字典學(xué)習(xí)方法33-49
• 3.1 引言33-34
• 3.2 基于粒子群優(yōu)化的字典學(xué)習(xí)算法34-39
• 3.3 實(shí)驗(yàn)結(jié)果與分析39-47
• 3.3.1 重建圖像的視覺對(duì)比試驗(yàn)40-41
• 3.3.2 算法重建性能的定量試驗(yàn)41-44
• 3.3.3 地面系統(tǒng)海量遙感圖像實(shí)驗(yàn)44-47
• 3.4 本章總結(jié)47-49
• 第4章 基于增量數(shù)據(jù)的字典學(xué)習(xí)算法49-63
• 4.1 引言49-52
• 4.1.1 K-SVD算法機(jī)理49-51
• 4.1.2 K-SVD算法的優(yōu)缺點(diǎn)51-52
• 4.2 基于動(dòng)態(tài)增量式原子更新的字典學(xué)習(xí)算法52-57
• 4.2.1 算法的機(jī)理52-54
• 4.2.2 算法的流程54-57
• 4.3 實(shí)驗(yàn)結(jié)果與分析57-62
• 4.3.1 算法的重建性能實(shí)驗(yàn)58-60
• 4.3.2 海量遙感圖像的實(shí)驗(yàn)60-62
• 4.4 本章小結(jié)62-63
• 第5章 星上稀疏表征算法63-75
• 5.1 引言63-64
• 5.2 基于參考圖像的壓縮感知算法64-68
• 5.2.1 先驗(yàn)知識(shí)的引入機(jī)理64-66
• 5.2.2 目標(biāo)函數(shù)的優(yōu)化機(jī)理66-68
• 5.3 實(shí)驗(yàn)結(jié)果與分析68-73
• 5.3.1 重建效果圖實(shí)驗(yàn)68-71
• 5.3.2 正則化參數(shù)對(duì)于重建精度的影響實(shí)驗(yàn)71-72
• 5.3.3 算法的重建性能定量試驗(yàn)72-73
• 5.4 本章小結(jié)73-75
• 結(jié)論75-77
• 參考文獻(xiàn)77-81
• 致謝81-83
• 在讀期間發(fā)表的學(xué)術(shù)論文與取得的其他研究成果83

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前2條

1 蔣剛毅;黃大江;王旭;郁梅;;圖像質(zhì)量評(píng)價(jià)方法研究進(jìn)展[J];電子與信息學(xué)報(bào);2010年01期

2 秦玉平;王秀坤;王春立;;實(shí)現(xiàn)兼類樣本類增量學(xué)習(xí)的一種算法[J];控制與決策;2009年01期

  本文關(guān)鍵詞：基于紋理字典的星地協(xié)同處理遙感數(shù)據(jù)的算法研究，，由筆耕文化傳播整理發(fā)布。

本文編號(hào)：328444