信息提取是圖像處理中非常重要的分支,對(duì)遙感衛(wèi)星視頻數(shù)據(jù)的運(yùn)動(dòng)目標(biāo)信息提取是圖像處理領(lǐng)域研究熱點(diǎn)之一。本文主要針對(duì)道路上的汽車目標(biāo)運(yùn)動(dòng)信息進(jìn)行超分重建技術(shù)應(yīng)用研究。由于道路上包含的車輛較多,且視頻衛(wèi)星影像背景復(fù)雜度高,所以對(duì)衛(wèi)星視頻數(shù)據(jù)進(jìn)行車輛目標(biāo)信息提取時(shí)面臨可視性弱和車輛運(yùn)動(dòng)目標(biāo)檢測(cè)的準(zhǔn)確率待提高的難題。針對(duì)車輛目標(biāo)可視性弱的問(wèn)題,對(duì)衛(wèi)星視頻數(shù)據(jù)單幀圖像,使用基于迭代反向投影的AF-IBP（Iterative Back Projection algorithm combined with Anisotropic Filtering）算法進(jìn)行預(yù)處理以增加車輛的可視性。針對(duì)傳統(tǒng)衛(wèi)星視頻運(yùn)動(dòng)目標(biāo)檢測(cè)算法中,典型算法對(duì)運(yùn)動(dòng)目標(biāo)的檢測(cè)準(zhǔn)確率不高的問(wèn)題,為提高運(yùn)動(dòng)車輛目標(biāo)檢測(cè)率,提出基于幀差法與混合高斯背景建模的DF-GMM（Double three-Frame combined with Gaussian Mixture Model）檢測(cè)算法。最后,經(jīng)過(guò)實(shí)驗(yàn),驗(yàn)證了算法的有效性,并將本文的研究成果應(yīng)用在實(shí)際項(xiàng)目中。本文主要工作如下:（1）以遙感衛(wèi)星視頻數(shù)據(jù)為切入點(diǎn),研究超分辨率圖像重建技術(shù),進(jìn)... 

【文章來(lái)源】：河南大學(xué)河南省

【文章頁(yè)數(shù)】：71 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

重建實(shí)驗(yàn)原圖

27（c）雙三次插值重建算法（d）本文算法AF-IBP圖3-3三種算法實(shí)驗(yàn)重建結(jié)果圖分析圖3-3可看出實(shí)驗(yàn)原圖經(jīng)過(guò)重建，重建結(jié)果圖中本文算法AF-IBP的重建結(jié)果較好，其次是反向迭代投影算法，都能夠?qū)υ瓐D起到目標(biāo)信息增強(qiáng)的效果，但是雙三次插值重建算法較為相比其他兩種算法，重建效果有限，車輛目標(biāo)略顯模糊，對(duì)車輛目標(biāo)可視性的增強(qiáng)能力有限。本文算法可以對(duì)原始圖像進(jìn)行重建且效果是較為明顯可見(jiàn)的，緩解了傳統(tǒng)IBP算法重建中邊緣鋸齒現(xiàn)象，使得車輛目標(biāo)輪廓邊緣更為清晰，能夠在一定程度上起到增強(qiáng)目標(biāo)可視性的效果。從視頻序列中隨機(jī)任取五組實(shí)驗(yàn)數(shù)據(jù)，對(duì)每組數(shù)據(jù)分別作傳統(tǒng)迭代反向投影算法處理、雙三次插值重建和本文所提AF-IBP算法處理，統(tǒng)計(jì)每組數(shù)據(jù)的PSNR、SSIM組平均值。將這五組圖像數(shù)據(jù)作為本文實(shí)驗(yàn)驗(yàn)證的具體數(shù)據(jù)進(jìn)行客觀統(tǒng)計(jì)，統(tǒng)計(jì)這三種重建算法的五組PSNR平均值和SSIM平均值分別如表3-1和表3-2所示。表3-1三種算法的PSNR（dB）值對(duì)比表實(shí)驗(yàn)數(shù)據(jù)第1組第2組第3組第4組第5組雙三次插值算法28.8729.3230.1130.0930.27傳統(tǒng)迭代反向投影算法29.9731.0331.2931.2531.83本文AF-IBP30.2131.2531.5431.4632.12本文算法相比傳統(tǒng)迭代反向投影算法PSNR變動(dòng)+0.24+0.29+0.25+0.21+0.29分析表3-1給出的三種方法在五組實(shí)驗(yàn)數(shù)據(jù)上測(cè)試的PSNR平均值，可以得出，雙三次插值重建算法和傳統(tǒng)迭代反向投影算法PSNR值沒(méi)有AF-IBP算法的PSNR值大，說(shuō)明AF-IBP算法的重建效果比另外兩種明顯。相比之下，雙三次

28插值法有些模糊，重建效果次于傳統(tǒng)迭代反向投影法，傳統(tǒng)迭代反向投影法也略次于本文算法效果，本文算法的圖像重建清晰度較高。圖3-4三種算法的PSNR值對(duì)比圖從圖3-4可以直觀看出，本文算法的PSNR值相較另外兩種算法的PSNR值而言，整體值較大，PSNR值越大，說(shuō)明實(shí)驗(yàn)區(qū)域的重建效果越好，也表明AF-IBP算法在PSNR評(píng)價(jià)指標(biāo)上提升了圖像的高頻細(xì)節(jié)，有較好的重建效果。表3-2三種算法的SSIM值對(duì)比表實(shí)驗(yàn)數(shù)據(jù)算法第1組第2組第3組第4組第5組雙三次插值算法84.97%85.31%87.73%87.63%88.04%傳統(tǒng)迭代反向投影算法89.56%90.45%90.88%89.17%91.72%本文算法AF-IBP90.37%91.49%91.69%90.94%91.77%本文算法相比傳統(tǒng)迭代反向投影算法SSIM變動(dòng)+0.81%+1.04%+0.81%+0.77%+1.05%分析表3-2中數(shù)據(jù)可以得到，三種方法在五組實(shí)驗(yàn)數(shù)據(jù)上測(cè)試的SSIM平均值相對(duì)其他兩種算法都有所提升，SSIM表示重建后的圖像與原始圖像之間的接近程度，所以可得到本文AF-IBP算法重建效果好于另外兩種算法。

【參考文獻(xiàn)】：
期刊論文
[1]衛(wèi)星遙感及圖像處理平臺(tái)發(fā)展[J]. 趙忠明,高連如,陳東,岳安志,陳靜波,劉東升,楊健,孟瑜.  中國(guó)圖象圖形學(xué)報(bào). 2019(12)
[2]國(guó)內(nèi)外航天動(dòng)態(tài)[J]. 王曉宇.  國(guó)際太空. 2019(10)
[3]高分辨率光學(xué)衛(wèi)星圖像目標(biāo)運(yùn)動(dòng)信息提取研究綜述[J]. 李想,楊燦坤,周春平,李小娟,張可.  國(guó)土資源遙感. 2019(03)
[4]光學(xué)遙感圖像目標(biāo)檢測(cè)技術(shù)綜述[J]. 李曉斌,江碧濤,楊淵博,傅雨澤,岳文振.  航天返回與遙感. 2019(04)
[5]視頻圖像動(dòng)目標(biāo)檢測(cè)的雙三幀差分算法[J]. 王志國(guó),王永明,聶晶,彭世蕤,仇永斌.  電子測(cè)量技術(shù). 2019(02)
[6]無(wú)人機(jī)視頻圖像運(yùn)動(dòng)目標(biāo)檢測(cè)算法綜述[J]. 張可,楊燦坤,周春平,李想.  液晶與顯示. 2019(01)
[7]商業(yè)衛(wèi)星遙感產(chǎn)業(yè)發(fā)展現(xiàn)狀與趨勢(shì)分析[J]. 李器宇,張拯寧,張皓琳.  衛(wèi)星應(yīng)用. 2018(12)
[8]凝視視頻衛(wèi)星目標(biāo)檢測(cè)算法[J]. 張作省,朱瑞飛.  航天返回與遙感. 2018(06)
[9]圖像超分辨率算法研究進(jìn)展[J]. 侯騰.  現(xiàn)代計(jì)算機(jī)(專業(yè)版). 2018(35)
[10]國(guó)內(nèi)外衛(wèi)星應(yīng)用產(chǎn)業(yè)發(fā)展現(xiàn)狀及趨勢(shì)[J]. 郝雅楠,劉中道,祝彬.  國(guó)防科技工業(yè). 2018(11)

碩士論文
[1]基于視頻的車輛檢測(cè)與分割算法研究[D]. 肖國(guó)宴.南昌大學(xué) 2018
[2]高分辨率視頻衛(wèi)星影像超分辨率重建技術(shù)研究[D]. 姚燁.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2018
[3]空間域序列圖像超分辨重建及其魯棒性研究[D]. 宗財(cái)慧.中國(guó)科學(xué)院大學(xué)(中國(guó)科學(xué)院西安光學(xué)精密機(jī)械研究所) 2018



本文編號(hào)：3599843