本文關鍵詞：基于成像機理分析的高光譜圖像信息恢復研究

  更多相關文章： 高光譜成像鏈路 信息恢復 正則化 去模糊 超分辨重建 去混疊

【摘要】：人們獲取高光譜圖像的根本目的是實現(xiàn)對地表信息的解譯。從根本上說,這是一種間接獲取信息的手段,因為我們想要得到的有關地表的情報,在被人們分析前,首先被高光譜圖像的成像設備轉換成了數(shù)字圖像。顯然,這種信息轉化過程的保真性,即轉換后的數(shù)字圖像在多大程度上保持了原始地表信息,對遙感解譯的準確性和精度起著至關重要的作用。然而,高光譜成像鏈路中存在諸多不可避免的負面因素,如大氣對某些波段電磁波的吸收作用,傳感器分光組件給光譜信息引入的混疊等,它們都會給輸入的原始地表信息引入偏差,并最終體現(xiàn)在高光譜圖像質量的降低和信息的退化上。如何從退化的高光譜圖像中恢復出原始地表信息,并提升高光譜圖像可解譯性是遙感圖像解譯領域面臨的一個關鍵科學問題。在整個高光譜成像鏈路中,由于傳感器光學器件和電子元件的物理限制造成的輸入場景的信息損失,是高光譜圖像質量降低主要因素之一。為了改善高光譜圖像的質量,并恢復在成像過程中的信息損失,人們提出了大量的高光譜圖像信息恢復算法,但這些方法大多對成像模型進行了某種數(shù)學上的近似或假設,而忽略了高光譜圖像退化現(xiàn)象背后所蘊含的物理本質。然而,高光譜圖像任何一種退化現(xiàn)象,都是由成像鏈路中某些機制造成的,將這種機制與相應的信息恢復算法相結合,有助于實現(xiàn)高光譜圖像信息恢復算法理念上的創(chuàng)新和理論上的突破,對高光譜圖像質量提升以及解譯度提高也具備重要的指導意義。本文將圍繞成像鏈路中傳感器退化模型及信息恢復問題這兩個中心展開討論:首次,目前的高光譜圖像去模糊算法主要基于造成模糊的退化核為高斯函數(shù)這一假設,而實際造成圖像模糊的主要原因之一是傳感器中典型光學器件(如透鏡)對輸入圖像的卷積作用。本文針對這一問題展開了研究。首先,我們通過理論分析和實驗仿真,證實透鏡在截斷高光譜圖像高頻信息時,存在“硬切頻”的現(xiàn)象,這種切頻方式會給圖像的邊界區(qū)域引入振鈴失真,目前多數(shù)去模糊算法對此無能為力。為了解決該問題,本文提出一種基于Hessian-Schatten正則化的解卷積算法,它將圖像的二階梯度信息表達在Hessian矩陣中,然后提取其特征值和特征向量,并通過Schatten范數(shù)約束其總能量,使得該正則項具備了保持圖像高階結構信息的能力,因此在去除圖像模糊的同時消除振鈴失真。其次,傳統(tǒng)超分辨算法多數(shù)按照波段順序恢復高光譜圖像,這種方式暗含假設了高光譜圖像是由面掃型光譜儀得到。而在實際中高光譜圖像的成像載荷平臺往往相對于地面目標存在著運動,且多數(shù)成像光譜儀采用線掃方式成像,因此這種假設并不合理。本文針對這一問題展開了研究。首先,我們通過對比這兩種光譜儀的成像過程,分析了它們背后的物理機制,闡述了成像方式上的差異性;接下來,我們通過研究線掃型光譜儀所成的狹縫圖像的物理意義,得出了狹縫圖像具備各向異性特點;最后針對線掃型成像方式和狹縫圖像的各向異性特性,提出了一種以狹縫順序進行高光譜圖像超分辨重建的框架,并在該框架下,利用狹縫圖像的全局和局部的特征,提出一種各向異性正則項,降低了在該框架模型下求解過程的不適定問題,進一步提升了超分辨算法的性能。最后,針對成像傳感器中電子器件下采樣過程給圖像空間信息造成的折線失真、鋸齒效應等負面效應的恢復問題展開了研究。目前的算法多數(shù)都從空間域角度消除這種失真,它們都沒能抓住產生這種現(xiàn)象的本質。為了解決這種局限性,本文首先從頻域角度分析傳感器電子器件下采樣過程,然后將這種現(xiàn)象的本質通過頻域的方式進行解釋。為了除它們給空間信息帶來的負面影響,本文將恢復該信息的過程表達為一個頻域空間上的超分辨問題,并提出一種基于分形變換的抗混疊超分辨算法。該算法主要利用的是分形變換與初始圖像分辨率無關,且在圖像具有較高自相似性情況下效果更好的特點,同時由于抓住了信息退化的根源,本方法相對于空間的抗混疊超分辨算法,具有更好的頻域恢復性能。
【關鍵詞】：高光譜成像鏈路 信息恢復 正則化 去模糊 超分辨重建 去混疊
【學位授予單位】：哈爾濱工業(yè)大學
【學位級別】：博士
【學位授予年份】：2015
【分類號】：TP391.41
【目錄】：

• 摘要4-6
• ABSTRACT6-15
• 第1章 緒論15-28
• 1.1 課題背景及研究的目的意義15-18
• 1.2 國內外研究現(xiàn)狀18-26
• 1.2.1 高光譜圖像去模糊算法研究現(xiàn)狀18-22
• 1.2.2 高光譜圖像超分辨重建技術研究現(xiàn)狀22-24
• 1.2.3 高光譜圖像去混疊技術研究現(xiàn)狀24-26
• 1.3 本文主要研究內容及結構安排26-28
• 第2章 高光譜成像模型及信息反演技術基本原理28-49
• 2.1 引言28
• 2.2 高光譜成像鏈路28-30
• 2.3 高光譜圖像的成像傳感器模型30-40
• 2.3.1 信息光學基本原理31-33
• 2.3.2 透鏡的信息傳遞模型33-35
• 2.3.3 分光器件信息傳遞模型35-38
• 2.3.4 電子器件信息傳遞模型38-40
• 2.4 信息反演基本原理40-47
• 2.4.1 反演問題及其不適定性41-42
• 2.4.2 不適定的必然性及危害42-44
• 2.4.3 正則化原理及常用正則化策略44-47
• 2.5 恢復效果的評價問題47-48
• 2.6 本章小結48-49
• 第3章 基于Hessian-Schatten范數(shù)正則化的高光譜圖像模糊去除49-76
• 3.1 引言49-50
• 3.2 透鏡對圖像質量影響分析50-60
• 3.2.1 矩形和圓形孔徑透鏡的點擴散函數(shù)及調制傳遞函數(shù)51-54
• 3.2.2 透鏡退化圖像方式理論分析54-56
• 3.2.3 透鏡退化圖像方式實驗分析56-60
• 3.3 基于HSN正 則化的去模糊60-65
• 3.3.1 傳統(tǒng)方法的不足與局限性60-61
• 3.3.2 HSN范 數(shù)正則化的基本形式61-63
• 3.3.3 基于HSN正 則化的優(yōu)化問題63-65
• 3.4 實驗結果及討論65-72
• 3.4.1 實驗數(shù)據(jù)及參數(shù)配置65-67
• 3.4.2 主觀恢復結果及分析67-71
• 3.4.3 客觀恢復結果及分析71-72
• 3.5 本章小結72-76
• 第4章 基于各向異性正則項的線掃型高光譜圖像超分辨重建76-102
• 4.1 引言76-77
• 4.2 線掃型和面掃型成像光譜儀77-80
• 4.2.1 面掃型光譜儀成像過程77-79
• 4.2.2 線掃型光譜儀成像過程79
• 4.2.3 兩種成像光譜儀對比79-80
• 4.3 現(xiàn)有方法的局限性80-81
• 4.4 狹縫圖像的各向異性特性及各向異性正則化81-85
• 4.4.1 狹縫圖像的各向異性特性82-83
• 4.4.2 LSM正 則項83-84
• 4.4.3 VTV正 則項84-85
• 4.5 算法的實現(xiàn)85-87
• 4.5.1 在噪聲條件下豐度函數(shù)圖像的估計86-87
• 4.5.2 基于TFOCS框 架的優(yōu)化問題求解87
• 4.6 實驗結果及討論87-101
• 4.6.1 實驗參數(shù)配置87-91
• 4.6.2 實驗結果及分析91-100
• 4.6.3 正則參數(shù)的選擇100-101
• 4.7 本章小結101-102
• 第5章 基于頻域擴展超分辨的高光譜圖像混疊去除102-120
• 5.1 引言102-103
• 5.2 高光譜成像過程信息混疊現(xiàn)象及物理機制分析103-105
• 5.2.1 光譜信息的混疊103-104
• 5.2.2 空間信息的混疊104-105
• 5.3 分形基本原理及其適用 性105-107
• 5.3.1 基礎理論105-106
• 5.3.2 算法問題及適用性分析106-107
• 5.4 基于頻域分形編碼的抗混疊分辨率增強107-111
• 5.4.1 預處理階段107
• 5.4.2 利用最小二乘法則獲取最優(yōu)變換參數(shù)107-110
• 5.4.3 基于分形變換分辨率不變性的頻域擴展超分辨110-111
• 5.5 實驗結果及討論111-119
• 5.5.1 實驗 數(shù)據(jù)介紹及參數(shù)配置111-112
• 5.5.2 數(shù)據(jù)退化及混疊現(xiàn)象112
• 5.5.3 主觀評價結果112-115
• 5.5.4 客觀評價結果115-119
• 5.6 本章小結119-120
• 結論120-122
• 參考文獻122-135
• 附錄A本文所用符號列表135-137
• 攻讀博士學位期間發(fā)表的論文及其他成果137-139
• 致謝139-140
• 個人簡歷140

，

本文編號：1123708