圖像空間分辨率是遙感成像系統(tǒng)設(shè)計的一項關(guān)鍵技術(shù)指標(biāo),更高的分辨率意味著更高的數(shù)據(jù)量,也利于我們得到更多有用的信息。目前,遙感技術(shù)能夠快速和有效的提供各種地面觀測數(shù)據(jù),成為在地形測繪、城市建設(shè)、道路建設(shè),以及軍事偵察等領(lǐng)域的主要信息來源。然而,由于衛(wèi)星遙感成像系統(tǒng)與目標(biāo)之間距離比較大,不能準確的識別地物目標(biāo),使得成像后的物體辨識度低、細節(jié)信息較少。因此,本文針對低分辨率遙感圖像的特點,如非局部區(qū)域存在相似的圖像塊,紋理豐富,邊緣結(jié)構(gòu)明顯等,采用不同的方法實現(xiàn)單幅的遙感圖像超分辨率重建。本文結(jié)合稀疏表示理論和字典學(xué)習(xí)方法,重點研究單幅遙感圖像超分辨率重建技術(shù),具體工作包括:（1）分析衛(wèi)星遙感在成像過程中受到的多種影響因素,給出遙感圖像的退化過程,然后,闡述了稀疏表示理論;最后,介紹了三類典型的超分辨率重建方法,常用的字典學(xué)習(xí)算法以及圖像質(zhì)量評價指標(biāo)。（2）提出一種基于非局部自相似性字典學(xué)習(xí)的圖像超分辨率算法。針對衛(wèi)星遙感受外界因素?zé)o法獲取高清圖像,目前常用的基于稀疏表示的算法重建細節(jié)信息不佳等問題。該算法考慮到遙感圖像不同區(qū)域的兩塊圖像結(jié)構(gòu)上可能存在相似的特點,引入非局部自相似性約束到單幅... 

【文章來源】：西北大學(xué)陜西省211工程院校

【文章頁數(shù)】：62 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 研究背景及意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 論文研究內(nèi)容及章節(jié)安排
第二章 相關(guān)技術(shù)理論概述
    2.1 遙感圖像重建原理
        2.1.1 觀測模型
        2.1.2 稀疏表示理論
    2.2 典型的圖像超分辨率重建方法
        2.2.1 基于插值的方法
        2.2.2 基于重構(gòu)的方法
        2.2.3 基于學(xué)習(xí)的方法
    2.3 稀疏字典學(xué)習(xí)方法
        2.3.1 PCA字典學(xué)習(xí)算法
        2.3.2 MOD字典學(xué)習(xí)算法
        2.3.3 K-SVD字典學(xué)習(xí)算法
        2.3.4 OLD字典學(xué)習(xí)算法
    2.4 重建圖像的質(zhì)量評價
        2.4.1 主觀評價
        2.4.2 客觀評價
    2.5 本章小結(jié)
第三章 基于非局部自相似性字典學(xué)習(xí)的算法
    3.1 引言
    3.2 圖像的非局部自相似性
    3.3 本章算法
        3.3.1 算法流程
        3.3.2 字典學(xué)習(xí)
        3.3.3 圖像重建
    3.4 實驗結(jié)果與分析
        3.4.1 實驗環(huán)境及實驗數(shù)據(jù)
        3.4.2 參數(shù)設(shè)置及結(jié)果分析
    3.5 本章小結(jié)
第四章 基于多字典學(xué)習(xí)的算法
    4.1 引言
    4.2 圖像的MCA分解
    4.3 本章算法
        4.3.1 算法流程
        4.3.2 字典學(xué)習(xí)
        4.3.3 圖像重建
    4.4 實驗結(jié)果與分析
        4.4.1 實驗環(huán)境及實驗數(shù)據(jù)
        4.4.2 參數(shù)設(shè)置及結(jié)果分析
    4.5 本章小結(jié)
第五章 總結(jié)與展望
    5.1 全文總結(jié)
    5.2 研究展望
參考文獻
攻讀碩士學(xué)位期間取得的學(xué)術(shù)成果
致謝


【參考文獻】：
期刊論文
[1]基于AP聚類的多特征融合方法[J]. 郭蕾蕾,俞璐,段國侖,陶性留.  計算機技術(shù)與發(fā)展. 2019(08)
[2]采用深度學(xué)習(xí)的快速超分辨率圖像重建方法[J]. 張圣祥,鄭力新,朱建清,潘書萬.  華僑大學(xué)學(xué)報(自然科學(xué)版). 2019(02)
[3]基于特征聚類的多能源系統(tǒng)負荷預(yù)測方法研究[J]. 高靖,張明理,鄧鑫陽,楊博,張子信,韓震燾.  可再生能源. 2019(02)
[4]改進超分辨率卷積神經(jīng)網(wǎng)絡(luò)和字典學(xué)習(xí)的圖像超分辨率重構(gòu)算法[J]. 張海濤,趙燚.  小型微型計算機系統(tǒng). 2018(09)
[5]基于加權(quán)l(xiāng)1范數(shù)稀疏信號表示的DOA估計[J]. 竇慧晶,高立菁,朱子云.  北京工業(yè)大學(xué)學(xué)報. 2018(10)
[6]基于GPU并行計算的星載SAR影像數(shù)據(jù)高效重采樣算法研究[J]. 劉傳富,吳啟琛.  礦山測量. 2018(03)
[7]GPU并行計算技術(shù)在配電網(wǎng)運行分析中的應(yīng)用研究[J]. 段明明,陳昆磊,趙惠琳,吳遲林.  信息系統(tǒng)工程. 2018(05)
[8]局部線性嵌入的快速單幅圖像超分辨率技術(shù)[J]. 姜杰,劉哲,呂林濤.  紅外技術(shù). 2018(01)
[9]一種基于分類改進的LARS調(diào)度算法及其動態(tài)參數(shù)性能分析[J]. 何志強,林永君.  河北大學(xué)學(xué)報(自然科學(xué)版). 2017(05)
[10]基于l2,p-范數(shù)的ECT圖像重建算法[J]. 馬敏,郭琪,閆超奇,薛倩.  計量學(xué)報. 2017(05)

博士論文
[1]超分辨率重建與圖像增強技術(shù)研究[D]. 喬建蘋.山東大學(xué) 2008
[2]圖像稀疏表示理論及其應(yīng)用研究[D]. 鄧承志.華中科技大學(xué) 2008

碩士論文
[1]分類字典學(xué)習(xí)超分辨率重建算法研究[D]. 王怡.西安電子科技大學(xué) 2017
[2]基于稀疏表示的單幅圖像超分辨率重建[D]. 朱林華.重慶郵電大學(xué) 2017
[3]基于馬爾科夫網(wǎng)絡(luò)的人臉圖像超分辨率算法[D]. Bosco Wabwire（伯斯科）.中南大學(xué) 2008



本文編號：3644688