本文關(guān)鍵詞：基于壓縮感知的遙感圖像超分辨率重建方法研究　出處：《南京理工大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

  更多相關(guān)文章： 遙感圖像 超分辨率重建 壓縮感知 分類字典 稀疏識(shí)別 低秩分解 非局部信息 多尺度 判別字典

【摘要】：遙感技術(shù)的進(jìn)步為遙感圖像的獲取帶來了極大的便利,然而遙感圖像由于分辨率的限制,不一定能滿足后續(xù)處理的需要。為了在不增加硬件成本的基礎(chǔ)上,提高圖像的分辨率,超分辨率重建問題受到了廣泛關(guān)注。本文以壓縮感知理論為基礎(chǔ),通過引入稀疏識(shí)別、低秩分解、非局部信息和多尺度,深入研究了遙感圖像超分辨率重建問題,提出了一系列行之有效的超分辨率重建方法。本文的主要研究成果如下:(1)研究了遙感圖像的降質(zhì)模型,并利用其提供的先驗(yàn)信息約束圖像的超分辨率重建過程。首先根據(jù)遙感圖像獲取過程中存在的降質(zhì)因素構(gòu)建圖像的降質(zhì)模型,然后給出基于壓縮感知的圖像超分辨率重建模型,最后通過聯(lián)合字典約束稀疏表示系數(shù)。實(shí)驗(yàn)結(jié)果證明了將壓縮感知理論運(yùn)用于遙感圖像超分辨率重建的可行性。(2)針對(duì)遙感典型地物學(xué)習(xí)分類字典,并將其運(yùn)用于圖像超分辨率重建。首先根據(jù)遙感圖像的輻射質(zhì)量參數(shù)構(gòu)建分類特征,接著使用稀疏識(shí)別算法對(duì)典型地物進(jìn)行分類,然后由不同類別的訓(xùn)練樣本集學(xué)習(xí)聯(lián)合字典,最后對(duì)測(cè)試圖像選擇相應(yīng)類別的字典進(jìn)行重建。實(shí)驗(yàn)結(jié)果表明,該方法重建圖像的質(zhì)量優(yōu)于幾種典型的超分辨率重建方法。(3)提出了多字典重建圖像的低秩融合方法。不同類別字典重建的圖像之間存在互補(bǔ)信息,將低秩分解運(yùn)用于多幅重建圖像的融合,確保覆蓋更全面的地物信息,使局部細(xì)節(jié)特征得到增強(qiáng)。實(shí)驗(yàn)結(jié)果表明,與單字典方法相比,多字典方法更加有效,重建圖像的質(zhì)量得到了進(jìn)一步提高。(4)提出了結(jié)合壓縮感知與非局部信息的遙感圖像超分辨率重建方法。首先根據(jù)圖像塊的結(jié)構(gòu)特征計(jì)算像素之間的相似性,然后合并圖像的局部和非局部信息來估計(jì)相似像素的權(quán)重,最后在壓縮感知框架中加入結(jié)合局部和非局部信息的正則項(xiàng)。實(shí)驗(yàn)結(jié)果表明,該方法可以在恢復(fù)圖像紋理細(xì)節(jié)的同時(shí),有效抑制噪聲。(5)將多尺度與壓縮感知框架結(jié)合運(yùn)用于遙感圖像超分辨率重建。首先根據(jù)多尺度采樣方式估計(jì)低分辨率圖像的獲取過程,然后由多尺度訓(xùn)練樣本集學(xué)習(xí)判別字典并將其用于圖像超分辨率重建,最后結(jié)合圖像的非局部信息進(jìn)行全局優(yōu)化。實(shí)驗(yàn)結(jié)果表明,多尺度模式比單尺度模式更加有效,同時(shí)判別字典具有良好的表示能力。
[Abstract]:This paper studies the image quality degradation model by introducing sparse recognition , low rank decomposition , non - local information and multi - scale .

【學(xué)位授予單位】：南京理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP751

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 張從梅;孫權(quán)森;王超;封磊;顧一禾;;基于非局部自相似性的遙感圖像稀疏去噪算法[J];遙感技術(shù)與應(yīng)用;2016年04期

2 曹玉強(qiáng);柏森;曹明武;;圖像自適應(yīng)分塊的壓縮感知采樣算法[J];中國圖象圖形學(xué)報(bào);2016年04期

3 沈燕飛;朱珍民;張勇東;李錦濤;;基于秩極小化的壓縮感知圖像恢復(fù)算法[J];電子學(xué)報(bào);2016年03期

4 王超;孫權(quán)森;劉佶鑫;賀金平;張從梅;;基于分類字典學(xué)習(xí)的遙感圖像超分辨率方法[J];航天返回與遙感;2015年06期

5 王威;楊蔚蔚;李驥;;空間頻率與方向特征相結(jié)合的自適應(yīng)采樣壓縮感知算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年10期

6 王濤;紀(jì)則軒;孫權(quán)森;;結(jié)合非局部信息與圖割的圖像分割算法[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2015年05期

7 譚海鵬;曾炫杰;牛四杰;陳強(qiáng);孫權(quán)森;;基于正則化約束的遙感圖像多尺度去模糊[J];中國圖象圖形學(xué)報(bào);2015年03期

8 周渝人;耿愛輝;張強(qiáng);陳娟;董宇星;;基于壓縮感知的紅外與可見光圖像融合[J];光學(xué)精密工程;2015年03期

9 侯興松;田文文;龔晨;;基于壓縮感知的SAR圖像魯棒編碼傳輸[J];中國圖象圖形學(xué)報(bào);2014年11期

10 孫玉寶;吳澤彬;吳敏;劉青山;;聯(lián)合低秩與稀疏先驗(yàn)的高光譜圖像壓縮感知重建[J];電子學(xué)報(bào);2014年11期

，

本文編號(hào)：1394719