與可見光成像系統(tǒng)相比,紅外成像系統(tǒng)的可靠性和穩(wěn)定性還有很大差距,其性能受環(huán)境因素影響很大,通過硬件方式不能完全解決。因此,通過軟件方式,即超分辨率重建方法,從觀測(cè)到的一幀或者多幀低分辨率圖像序列中,通過算法獲得高質(zhì)量或者高分辨率圖像,同時(shí)去除圖像模糊和噪聲,對(duì)紅外圖像進(jìn)行后期處理就更具有現(xiàn)實(shí)意義。目前針對(duì)紅外圖像超分辨率處理通常采用以灰度變換和直方圖均衡法為代表的空域法,以及小波變換、傅里葉變換為主的變換域法等。作為近年發(fā)展的熱點(diǎn),壓縮感知理論以其信號(hào)稀疏表示、壓縮編碼和高質(zhì)量重建的思想為很多領(lǐng)域的研究提供了新思路,將圖像超分辨率問題看作從采樣信號(hào)重建原始信號(hào)的過程,就為圖像超分辨率重建開辟了一個(gè)廣闊的研究空間。本文以壓縮感知理論為基礎(chǔ),主要從去除圖像模糊和提高圖像分辨率兩個(gè)角度研究紅外圖像重建方法,旨在進(jìn)一步提高圖像質(zhì)量客觀評(píng)價(jià)指標(biāo)和改善視覺效果,提升紅外系統(tǒng)的探測(cè)性能。具體研究?jī)?nèi)容包含以下幾方面:（1）對(duì)壓縮感知基礎(chǔ)理論進(jìn)行了研究,包括稀疏表示、觀測(cè)矩陣和重建算法等理論及特性研究。重點(diǎn)介紹了最小l₁范數(shù)法、貪婪算法和迭代閾值法,并從稀疏解、迭代過程以及算法復(fù)雜... 

【文章來源】：電子科技大學(xué)四川省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：142 頁

【學(xué)位級(jí)別】：博士

【部分圖文】：

本文的技術(shù)路線框圖

然而自然界中常見的信號(hào)更多的是可壓縮或近似稀疏的,上述重構(gòu)過程不能直接使用。根據(jù)稀疏理論,自然信號(hào)f能通過變換Ψ得到其在變換域Ψ的稀疏表示x,即f=Ψx。再回到觀測(cè)公式y(tǒng)=Φf,由于f是可以由x稀疏表示的,即f=Ψx,那么綜合來看,則有:

lp范數(shù)定義為,lp偽范數(shù)定義為,l2和l1范數(shù)可視為lp范數(shù)的特例。相比l1和l2范數(shù)而言,lp偽范數(shù)多了一個(gè)自由度,因此能更好地表達(dá)梯度的稀疏特性。圖3-1以各向異性全變分為例,分別給出基于l1、l2和lp偽范數(shù)的等高線示意圖�？梢钥闯�,參數(shù)p越小,lp偽范數(shù)的可行域越稀疏。除此之外,當(dāng)假設(shè)圖像包含標(biāo)準(zhǔn)差為σ的高斯噪聲時(shí),在圖3-2中還可以發(fā)現(xiàn),l2范數(shù)等高線與保真項(xiàng)的交點(diǎn)并不稀疏,而l1范數(shù)等高線與保真項(xiàng)的交點(diǎn)稀疏,但是易受噪聲污染。相對(duì)而言,lp偽范數(shù)的等高線則對(duì)噪聲更加魯棒[59]。圖3-2 lp偽范數(shù)可行域。(a)p=2;(b)p=1;(c)0<p<1

【參考文獻(xiàn)】：
期刊論文
[1]基于交疊組合稀疏高階全變分的圖像復(fù)原[J]. 范夢(mèng)佳,周先春.  計(jì)算機(jī)應(yīng)用研究. 2020(10)
[2]基于小波變換的紅外探測(cè)系統(tǒng)信號(hào)去噪[J]. 朱文斌,雷秉山,雷志勇.  紅外技術(shù). 2018(11)
[3]基于譜間預(yù)測(cè)的高光譜遙感影像壓縮感知重構(gòu)算法[J]. 王晗,王阿川.  紅外技術(shù). 2018(06)
[4]紅外圖像超分辨率重建技術(shù)研究[J]. 王岳,李雙喜,王磊.  激光與紅外. 2018(04)
[5]基于稀疏表示及正則約束的圖像去噪方法綜述[J]. 彭真明,陳穎頻,蒲恬,王雨青,何艷敏.  數(shù)據(jù)采集與處理. 2018(01)
[6]基于Shearlet變換的泊松噪聲圖像復(fù)原問題研究[J]. 李紅,王俊艷,李厚彪.  電子科技大學(xué)學(xué)報(bào). 2017(03)
[7]電力設(shè)備紅外圖像的小波閾值去噪方法研究[J]. 施兢業(yè),劉俊,陸龔琪.  光學(xué)技術(shù). 2017(02)
[8]基于非下采樣剪切波變換與引導(dǎo)濾波結(jié)合的遙感圖像增強(qiáng)[J]. 呂篤良,賈振紅,楊杰,Nikola KASABOV.  計(jì)算機(jī)應(yīng)用. 2016(10)
[9]基于直方圖的紅外圖像細(xì)節(jié)增強(qiáng)算法研究[J]. 韋瑞峰,趙榮普,徐肖慶,趙燦輝,趙旋.  紅外技術(shù). 2016(06)
[10]全變分耦合圖像去噪模型[J]. 汪美玲,周先春,周林鋒,石蘭芳.  通信學(xué)報(bào). 2016(04)

博士論文
[1]基于稀疏動(dòng)態(tài)反演的紅外弱小目標(biāo)檢測(cè)理論及方法研究[D]. 王曉陽.電子科技大學(xué) 2018
[2]基于視覺模型的紅外圖像增強(qiáng)技術(shù)研究[D]. 李毅.中國(guó)科學(xué)院研究生院(長(zhǎng)春光學(xué)精密機(jī)械與物理研究所) 2016
[3]圖像超分辨率重建關(guān)鍵技術(shù)研究[D]. 翟海天.西北工業(yè)大學(xué) 2016
[4]基于稀疏表示模型的圖像復(fù)原技術(shù)研究[D]. 張健.哈爾濱工業(yè)大學(xué) 2014
[5]可實(shí)現(xiàn)圖像自修復(fù)的壓縮感知超分辨率成像算法的研究[D]. 張湃.燕山大學(xué) 2013
[6]基于稀疏表示的圖像超分辨率重構(gòu)技術(shù)研究[D]. 路錦正.電子科技大學(xué) 2013

碩士論文
[1]基于空時(shí)顯著性的紅外弱小目標(biāo)檢測(cè)[D]. 韓演.電子科技大學(xué) 2017
[2]基于“譜”反演的紅外圖像增強(qiáng)與重建方法研究[D]. 張帆.電子科技大學(xué) 2016
[3]復(fù)雜背景下紅外弱小目標(biāo)的正演模擬與仿真技術(shù)研究[D]. 鐘露.電子科技大學(xué) 2016
[4]成像探測(cè)系統(tǒng)中的紅外弱小目標(biāo)跟蹤點(diǎn)漂移抑制方法研究[D]. 孟曄銘.電子科技大學(xué) 2015
[5]遠(yuǎn)距離前視紅外多目標(biāo)跟蹤方法研究[D]. 吳大.電子科技大學(xué) 2012



本文編號(hào)：3338240