高質(zhì)量的合成孔徑雷達（Synthetic Aperture Radar,SAR）圖像在如諸多領域均有重要的應用價值,然而由于硬件設備的昂貴以及成像過程中不可抗因素的干擾,實際得到的SAR圖像往往無法滿足實際需要,傳統(tǒng)通過改善系統(tǒng)本身及在成像階段提升SAR分辨率的方法效果也很有限。近年來基于學習的圖像超分辨重建的技術迅猛發(fā)展,在光學圖像領域取得了非常好的效果。因此,本文將結(jié)合SAR圖像本身的特點,將基于學習的圖像超分辨重建技術應用到SAR圖像超分辨重建的領域中,并從實際應用出發(fā),將圖像分類技術與圖像超分辨技術緊密結(jié)合在一起。本文在國家高層次人才特殊支持計劃面上項目（SAR影像翻譯與目標識別）等項目的支持下,借鑒機器學習、深度學習和生成對抗網(wǎng)絡理論,針對SAR圖像中的超分辨問題展開了研究,論文研究成果如下:1)本章結(jié)合SAR圖像的特點,提出了基于卡通紋理分解和聯(lián)合優(yōu)化的SAR圖像超分辨重建的方法。該方法聯(lián)合學習多個回歸器,使得所有的訓練數(shù)據(jù)的重建誤差最小,然后對不同的輸入圖像塊選擇最優(yōu)的回歸函數(shù)進行重構(gòu),該方法很好的克服了SAR圖像具有更加復雜結(jié)構(gòu)的問題。同時,我們加入了卡通紋理分解方法,... 

【文章來源】：西安電子科技大學陜西省 211工程院校 教育部直屬院校

【文章頁數(shù)】：80 頁

【學位級別】：碩士

【部分圖文】：

5mSAR圖像

SAR圖像統(tǒng)計直方圖

測試集樣例

【參考文獻】：
期刊論文
[1]遷移學習研究進展[J]. 莊福振,羅平,何清,史忠植.  軟件學報. 2015(01)
[2]SAR圖像數(shù)據(jù)稀疏性分析及在特征增強中的應用[J]. 王光新,林有明,張送保.  計算機科學. 2011(02)
[3]基于Cauchy稀疏分布的SAR圖像超分辨算法[J]. 王光新,王正明,王衛(wèi)威.  宇航學報. 2008(01)
[4]基于稀疏先驗的光學及SAR圖像的分辨率增強統(tǒng)一框架[J]. 周宏潮,王正明.  量子電子學報. 2006(02)
[5]基于lk范數(shù)正則化方法的SAR圖像超分辨[J]. 汪雄良,王正明,趙俠,朱炬波.  宇航學報. 2005(S1)
[6]基于外推的SAR圖像分辨率增強算法[J]. 董臻,朱國富,梁甸農(nóng).  電子學報. 2002(03)

博士論文
[1]圖像稀疏編碼算法及應用研究[D]. 嚴春滿.西安電子科技大學 2012



本文編號：3398347