遙感影像能夠記錄地物目標(biāo)信息,是軍事、地質(zhì)、環(huán)境和農(nóng)業(yè)等應(yīng)用領(lǐng)域的關(guān)鍵數(shù)據(jù)來源。然而由于成像設(shè)備、成像環(huán)境以及傳輸條件等限制,獲取到的遙感影像數(shù)據(jù)可能會(huì)受到云、陰影及噪聲等污染,這將會(huì)造成影像信息缺失并嚴(yán)重影響影像的后續(xù)應(yīng)用。因此,研究遙感影像信息復(fù)原具有重要的理論意義和應(yīng)用價(jià)值。影像信息復(fù)原的目標(biāo)就是從觀測(cè)的退化影像中反向求解出真實(shí)的影像,其在數(shù)學(xué)上屬于典型的病態(tài)反問題�；谡齽t化的優(yōu)化模型和穩(wěn)定算法是求解該問題的一種有效方法,模型的建立主要來自于挖掘待求解目標(biāo)的先驗(yàn)知識(shí)并設(shè)計(jì)合適的正則項(xiàng)。本文旨在挖掘高維遙感影像內(nèi)在結(jié)構(gòu)的先驗(yàn)知識(shí),即全局低秩性、局部分片光滑性和非局部自相似性等,同時(shí)考慮實(shí)際問題中干擾成分的先驗(yàn)知識(shí)挖掘�；谶@些先驗(yàn)知識(shí),建立基于正則化的張量?jī)?yōu)化模型,并設(shè)計(jì)高效求解算法,用于多時(shí)相遙感影像云和陰影去除、高光譜遙感影像噪聲去除和高光譜遙感影像壓縮感知重建問題。本文的主要內(nèi)容分為如下五個(gè)方面:1.針對(duì)多時(shí)相遙感影像云和陰影去除問題,通過分析真實(shí)多時(shí)相影像在光譜和時(shí)間維度的低秩性以及干擾成分云和陰影的稀疏性和局部分片光滑性,提出了一個(gè)基于低秩稀疏分解和全變分的盲云和陰影去... 

【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(yè)數(shù)】：145 頁(yè)

【學(xué)位級(jí)別】：博士

【文章目錄】：
摘要
abstract
縮略詞表
主要符號(hào)表
第一章 緒論
    1.1 研究課題的背景及意義
    1.2 遙感影像信息復(fù)原反問題與張量?jī)?yōu)化模型
    1.3 遙感影像張量?jī)?yōu)化模型及算法的關(guān)鍵問題與研究現(xiàn)狀
    1.4 研究?jī)?nèi)容與創(chuàng)新點(diǎn)
    1.5 本文的結(jié)構(gòu)安排
    1.6 記號(hào)說明與張量分解的基本概念
        1.6.1 記號(hào)說明
        1.6.2 張量分解的基本概念
第二章 基于低秩稀疏分解和全變分的盲云和陰影去除
    2.1 引言
    2.2 多時(shí)相遙感影像盲云和陰影去除方法
        2.2.1 影像和云及陰影成分先驗(yàn)分析
        2.2.2 模型建立
        2.2.3 求解算法
        2.2.4 云及陰影探測(cè)和信息補(bǔ)償
    2.3 數(shù)值實(shí)驗(yàn)和分析
        2.3.1 仿真數(shù)據(jù)
        2.3.2 真實(shí)數(shù)據(jù)
        2.3.3 模型分析
    2.4 本章小結(jié)
第三章 基于低秩張量分解和方向全變分的條帶噪聲去除
    3.1 引言
    3.2 高光譜遙感影像條帶噪聲去除方法
        3.2.1 圖像成分和條帶噪聲先驗(yàn)分析
        3.2.2 模型建立
        3.2.3 求解算法
    3.3 數(shù)值實(shí)驗(yàn)和分析
        3.3.1 仿真數(shù)據(jù)
        3.3.2 真實(shí)數(shù)據(jù)
        3.3.3 模型分析
    3.4 本章小結(jié)
第四章 基于低秩張量分解和加權(quán)群組稀疏的混合噪聲去除
    4.1 引言
    4.2 高光譜遙感影像混合噪聲去除方法
        4.2.1 先驗(yàn)知識(shí)和正則項(xiàng)分析
        4.2.2 模型建立
        4.2.3 求解算法
    4.3 數(shù)值實(shí)驗(yàn)和分析
        4.3.1 仿真數(shù)據(jù)
        4.3.2 真實(shí)數(shù)據(jù)
        4.3.3 模型分析
    4.4 本章小結(jié)
第五章 基于非局部自相似性和張量環(huán)分解的高斯噪聲去除和壓縮感知重建
    5.1 高光譜遙感影像高斯噪聲去除方法
        5.1.1 引言
        5.1.2 相關(guān)方法
        5.1.3 基于非局部自相似性和張量環(huán)分解的去噪方法
        5.1.4 數(shù)值實(shí)驗(yàn)和分析
        5.1.5 結(jié)論
    5.2 高光譜遙感影像壓縮感知重建方法
        5.2.1 引言
        5.2.2 相關(guān)方法
        5.2.3 基于子空間因子非局部自相似性和張量環(huán)分解的重建方法
        5.2.4 數(shù)值實(shí)驗(yàn)和分析
        5.2.5 結(jié)論
    5.3 本章小結(jié)
第六章 總結(jié)與展望
    6.1 工作總結(jié)
    6.2 工作展望
致謝
參考文獻(xiàn)
攻讀博士學(xué)位期間取得的成果


【參考文獻(xiàn)】：
期刊論文
[1]Landsat8影像中云和陰影的去除方法及應(yīng)用[J]. 李紅英,駱成鳳,王苑,楊鴻海.  地理空間信息. 2017(04)
[2]Terra MODIS數(shù)據(jù)28波段影像條帶噪聲去除方法[J]. 姜灣,沈煥鋒,曾超,張良培,張洪艷,劉欣鑫.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(05)

博士論文
[1]高維圖像處理問題的張量建模與高效計(jì)算[D]. 蔣太翔.電子科技大學(xué) 2019
[2]光學(xué)遙感影像復(fù)雜條帶噪聲的變分處理方法研究[D]. 劉欣鑫.武漢大學(xué) 2018
[3]圖像處理反問題的稀疏優(yōu)化模型與算法研究[D]. 馬天咴.電子科技大學(xué) 2017
[4]高光譜影像多類型噪聲分析的低秩與稀疏方法研究[D]. 賀威.武漢大學(xué) 2017



本文編號(hào)：3497447