基于深度学习的SAR图像超分辨研究

发布时间：2020-06-14 20:07

【摘要】：图像领域对高质量高分辨率图像有着巨大需求,已有大量研究者对如何获取高分辨率图像进行了广泛的研究。虽然在自然图像领域中超分辨方法取得了巨大成功,但是遥感图像超分辨重建仍然存在许多难点。特别是SAR图像,它具有全天时、全天候工作的优点,但是受到成像机理的限制和影响,SAR图像分辨率往往不高。本文在国家高层次人才特殊支持计划面上项目(SAR影像解译与目标识别)等项目的支持下,借鉴深度学习和生成对抗网络理论,针对SAR图像中的超分辨问题展开了研究,论文研究成果如下:1.实现了基于卷积的SAR图像超分辨重建方法。该网络用多尺度卷积核操作,保证了特征的多样性,针对斑点噪声的干扰,在网络中加入感知损失,实现了语义级的图像重建,实验结果表明所重建的高分辨率SAR图像其边缘信息重建效果更好。2.实现了基于生成对抗网络的图像超分辨方法。该方法将分类标签作为辅助信息引入生成器的训练过程,使得超分辨结果更利于后续进行图像分类。所采用降噪编码GAN网络形式能够学习含噪数据的概率分布,使得该方法可以应用于SAR图像这样噪声影响较大的图像超分辨问题中。该方法采用人工合成噪声图像进行测试,实验结果表明在含噪情况下,该网络可以实现图像的超分辨重建。3.实现了基于深度集成网络的图像超分辨方法。该方法构造了包含编码网络、残差网络和卷积网络三个通道的深度集成网络,通过增加集成网络层,实现了能综合利用多种网络模型的图像超分辨框架。对真实图像的超分辨结果表明该方法能够获得比单独网络更好地图像超分辨结果。
【学位授予单位】：西安电子科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP751
【图文】：

算法等软件等条件的限制，收获的图像往往存在一些退化现象，直接结果就是图像的成像质量降低。图2.1 图像退化模型其中 表示初始高分辨率图像， 表示退化公式， 表示各种噪声，表示退化后的最终图像。以下式子表示图像的退化过程：g ( x, y ) F{ H [ f ( x, y )], n( x, y )}（2-1）对于超分辨复原问题来时，图像的降质模型的数学表达式如下：g D B x n（2-2）其中 D 为图像的下采样过程，B 表示模糊图像的映射函数，n 表示加性噪声，x为原始高分辨率(HR

西安电子科技大学硕士学位论文6图2.2 图像分辨率退化过程如上图可得，高分辨率图像在经过一系列退化和加噪后，降质为低分辨率图像。可以通过退化过程的逆过程，设计合理的方法对低分图像进行超分辨重建，流程如下图：图2.3 LR 图像到 HR 图像的恢复过程图像超分辨（Super-resolution，SR）重建问题是一个病态问题，因此我们无法单单通过计算求出结果，故而我们要建立低分辨率到高分辨率图像之间映射的数学模型，之后我们再加上利用一些先验知识，才能更好地求解这个问题。2.2 超分辨方法介绍2.2.1 基于插值的方法在超分辨研究的历史中，基于插值的方法出现的最早。这种算法有着计算简单和低复杂度的长处

【相似文献】

相关期刊论文 前10条

1 ;我国学者在无标记远场超分辨领域取得突破[J];前沿科学;2017年01期

2 雷铭;孙育杰;李辉;;“超分辨成像”专题前言[J];光学学报;2017年03期

3 王超;张雅琳;姜会林;李英超;江伦;付强;韩龙;;超分辨成像方法研究现状与进展[J];激光与红外;2017年07期

4 李乐;赵凤群;;一种基于偏微分方程的图像超分辨方法[J];计算机系统应用;2010年09期

5 周辉;赵晓枫;阮昊;;光学超分辨技术在高密度光存储中的应用[J];激光与光电子学进展;2007年02期

6 郭斌均,庄松林;光学系统超分辨的光源编码技术[J];光学学报;1988年11期

7 E.Brookner;J.M.Howell;孙炳生;;自适应—自适应阵列处理[J];现代雷达;1988年Z1期

8 郭斌均;庄松林;陈持平;;实用高清晰度成像的光源方法[J];光学仪器;1989年04期

9 彭应宁;郑玉宝;;超分辨阵列处理技术[J];现代雷达;1989年04期

10 张凯兵;朱丹妮;王珍;闫亚娣;;超分辨图像质量评价综述[J];计算机工程与应用;2019年04期

相关会议论文 前10条

1 李大勇;吴乐南;;特定条件下的图像超分辨重建快速算法[A];第十三届全国图象图形学学术会议论文集[C];2006年

2 乔延利;叶松;方黎;洪津;方勇华;荀毓龙;;超分辨空间外差光谱成像技术[A];第六届成像光谱技术与应用研讨会文集[C];2006年

3 孙方稳;陈向东;郭光灿;;量子超分辨成像技术及应用[A];第十一届全国光学前沿问题讨论会会议论文摘要集[C];2015年

4 包立君;陈忠;;基于频谱结构和方向特性的磁共振图像超分辨重建方法[A];第十九届全国波谱学学术会议论文摘要集[C];2016年

5 王中宝;尹奎英;;基于零空间投影迭代的实孔径扫描雷达方位超分辨方法[A];第四届高分辨率对地观测学术年会论文集[C];2017年

6 徐兆超;;超分辨成像荧光染料的机遇、挑战与发展[A];第十届全国化学生物学学术会议报告摘要集[C];2017年

7 程晓东;曹轩;何彦;;超分辨等离激元散射光成像研究[A];第十七届全国光散射学术会议摘要文集[C];2013年

8 张素恒;曹德忠;汪凯戈;;基于一阶场关联的超分辨干涉[A];第十七届全国量子光学学术会议报告摘要集[C];2016年

9 张国权;;激光的超分辨干涉[A];第十一届全国光学前沿问题讨论会会议论文摘要集[C];2015年

10 姚保利;雷铭;但旦;郜鹏;杨延龙;严绍辉;闵俊伟;叶彤;;超分辨光学成像与光学微操纵技术[A];2013年（第五届）西部光子学学术会议论文集[C];2013年

相关重要报纸文章 前7条

1 驻高新区首席记者 周建越;一个超分辨显微镜申请超90项发明专利[N];苏州日报;2018年

2 记者 张建列 通讯员 杨柳青;低功率光学“橡皮擦”实现超分辨成像[N];广东科技报;2018年

3 倪伟 敖阳利;纵有十八般武艺，最爱还是科研[N];中国航天报;2017年

4 首席记者 许琦敏;高端超分辨光学显微镜项目通过验收[N];文汇报;2018年

5 记者 周建越;苏州研制超分辨显微镜 有望打破欧美垄断[N];苏州日报;2014年

6 本报记者 霍强;姚保利：打造探索未知世界的“慧眼”[N];陕西日报;2018年

7 记者 吴长锋 通讯员 杨保国;光学超分辨成像精度破极限达4.1纳米[N];科技日报;2015年

相关博士学位论文 前10条

1 张鑫;雷达方位超分辨关键技术研究[D];大连海事大学;2018年

2 张永超;机载雷达前视虚拟阵列超分辨成像方法研究[D];电子科技大学;2018年

3 高辉;基于几何相位超表面的超分辨成像功能器件研究[D];中国科学院大学(中国科学院光电技术研究所);2018年

4 赵丽娜;自适应光学瞳面滤波超分辨成像技术及其对视功能的影响研究[D];电子科技大学;2018年

5 王海军;基于高斯过程回归的单帧图像超分辨重建算法[D];西安电子科技大学;2016年

6 刘海涛;实现光学超分辨的衍射器件设计方法研究[D];清华大学;2005年

7 曹顺;微纳超材料结构的超分辨成像和超吸收特性的研究[D];中国科学院长春光学精密机械与物理研究所;2017年

8 王雪花;基于单分子荧光闪烁的快速超分辨显微方法和实验研究[D];深圳大学;2017年

9 管金称;基于统计优化的雷达扫描波束超分辨[D];电子科技大学;2015年

10 马冬冬;遥感图象复原与超分辨并行处理系统设计技术研究[D];哈尔滨工业大学;2010年

相关硕士学位论文 前10条

1 马静雯;基于反卷积的雷达角超分辨成像方法研究[D];西安电子科技大学;2018年

2 查文锦;资源受限条件下的人脸识别研究[D];西安电子科技大学;2018年

3 王苗;基于微球特性的光学超分辨显微成像研究[D];西安电子科技大学;2018年

4 宋庆敏;基于实例的超分辨重建及其在PCB板缺陷检测中的应用[D];西安电子科技大学;2018年

5 高静;基于深度学习的图像超分辨重建及其在PCB焊接质量检测的应用[D];西安电子科技大学;2018年

6 李程远;基于深度学习的SAR图像超分辨研究[D];西安电子科技大学;2018年

7 王振;基于学习策略的SAR图像超分辨[D];西安电子科技大学;2018年

8 孔繁慧;基于低通滤波的超分辨关联成像[D];辽宁大学;2018年

9 夏阳;利用微球超分辨效应观察运动荧光微球的研究[D];南京师范大学;2018年

10 邓芸;级联型微球透镜超分辨成像的特性研究[D];南京师范大学;2018年

本文编号：2713292