基于纹理字典的星地协同处理遥感数据的算法研究

发布时间：2017-04-26 12:15

  本文关键词：基于纹理字典的星地协同处理遥感数据的算法研究，由笔耕文化传播整理发布。

【摘要】：随着遥感数据获取技术的快速发展,我国已经初步建立了以卫星、无人机、平流层气球等多种空间信息获取手段为基础的空天一体化对地观测平台。随之产生了海量的遥感数据。无法及时下传、处理数据不仅浪费了资源也可能遗漏重要的信息。论文基于遥感图像的稀疏性等特点,提出遥感数据“星上稀疏表征-下传稀疏域信息-地面数据重建“的在轨数据动态更新方法。整体技术思路是卫星和地面的联合智能处理,即星上进行稀疏表征,地面进行海量信息的字典学习处理过程,将卫星和地面站的信息进行可控信息量的交互,从而形成星上和地面联合处理的有机整体。 本文总结了国内外稀疏表征理论的相关研究内容,阐述了稀疏编码、字典学习以及压缩感知的经典算法机理。同时,在分析了这些算法的优缺点后提出了三种改进的算法。分别是基于粒子群优化的字典学习算法、基于动态式增量原子更新的地面遥感图像字典学习算法和以参考图像为先验知识的压缩感知算法。通过定性和定量的性能比较,证明了这些算法不仅可以更加精确、有效的表征遥感图像,也满足论文提出的星地协同处理遥感数据的整体思路要求。
【关键词】：星地协同 稀疏表征 字典学习 粒子群优化 K-SVD 压缩感知
【学位授予单位】：中国科学技术大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP751
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第1章 绪论9-17
• 1.1 论文背景与研究意义9-10
• 1.2 课题提出10
• 1.3 国内外研究现状10-12
• 1.3.1 构建字典的研究现状11-12
• 1.3.2 稀疏编码的研究现状12
• 1.4 论文研究内容与组织框架12-17
• 1.4.1 论文主体思路12-14
• 1.4.2 论文主要研究内容14
• 1.4.3 论文章节安排14-17
• 第2章 图像的稀疏表征理论17-33
• 2.1 图像的稀疏表征理论17-19
• 2.2 稀疏编码算法19-24
• 2.2.1 基追踪算法19-20
• 2.2.2 匹配追踪算法20-22
• 2.2.3 正交匹配追踪算法22-24
• 2.3 字典学习理论24-29
• 2.3.1 字典学习步骤24-26
• 2.3.2 字典学习的经典算法26-29
• 2.4 算法性能的评价29-31
• 2.4.1 评价重建图像质量29-30
• 2.4.2 稀疏性的度量方法30-31
• 2.5 本章总结31-33
• 第3章 海量遥感图像的字典学习方法33-49
• 3.1 引言33-34
• 3.2 基于粒子群优化的字典学习算法34-39
• 3.3 实验结果与分析39-47
• 3.3.1 重建图像的视觉对比试验40-41
• 3.3.2 算法重建性能的定量试验41-44
• 3.3.3 地面系统海量遥感图像实验44-47
• 3.4 本章总结47-49
• 第4章 基于增量数据的字典学习算法49-63
• 4.1 引言49-52
• 4.1.1 K-SVD算法机理49-51
• 4.1.2 K-SVD算法的优缺点51-52
• 4.2 基于动态增量式原子更新的字典学习算法52-57
• 4.2.1 算法的机理52-54
• 4.2.2 算法的流程54-57
• 4.3 实验结果与分析57-62
• 4.3.1 算法的重建性能实验58-60
• 4.3.2 海量遥感图像的实验60-62
• 4.4 本章小结62-63
• 第5章 星上稀疏表征算法63-75
• 5.1 引言63-64
• 5.2 基于参考图像的压缩感知算法64-68
• 5.2.1 先验知识的引入机理64-66
• 5.2.2 目标函数的优化机理66-68
• 5.3 实验结果与分析68-73
• 5.3.1 重建效果图实验68-71
• 5.3.2 正则化参数对于重建精度的影响实验71-72
• 5.3.3 算法的重建性能定量试验72-73
• 5.4 本章小结73-75
• 结论75-77
• 参考文献77-81
• 致谢81-83
• 在读期间发表的学术论文与取得的其他研究成果83

【参考文献】

中国期刊全文数据库 前2条

1 蒋刚毅;黄大江;王旭;郁梅;;图像质量评价方法研究进展[J];电子与信息学报;2010年01期

2 秦玉平;王秀坤;王春立;;实现兼类样本类增量学习的一种算法[J];控制与决策;2009年01期

  本文关键词：基于纹理字典的星地协同处理遥感数据的算法研究，，由笔耕文化传播整理发布。

本文编号：328444