基于Haar小波的遥感影像超分辨率重建研究

发布时间：2021-08-18 03:47

　　图像超分辨率重建技术越来越广泛的应用于遥感影像空间分辨率的提升,也给改善遥感影像质量提供了更多的可能。基于小波重构的超分辨率重建技术凭借其小波分解的优势,可以较好地将分量重组获得分辨率更高的影像。再结合统计和神经网络的相关知识,得以提高其重建的效果。本文利用单幅遥感影像块作为研究数据基础,以小波变换理论作为理论依据,结合HMT模型、插值和Bp神经网络学习等方法,对超分辨率重建技术进行研究和探索,主要的研究内容和结论包括:（1）研究了基于小波域隐马尔可夫树模型。重点阐述了马尔可夫树模型与小波重构之间的相似性,将图像超分辨率问题作为约束优化问题,通过迭代约束求得重建最优解。（2）研究分析了小波变换与插值算法相结合的超分辨率重建算法。实验结果表明,该方法效果明显高于插值算法,并且通过对高分影像的处理与比较,能明显提高图像的空间分辨率,并且拥有较快的重建速度。（3）着重研究了小波变换与Bp神经网络相结合的超分辨率重建算法。利用小波变换分量之间相似的自相关性,通过Bp神经网络学习映射关系的优势,将两种算法的优势相结合,构建一种自学习的重建算法,最后再利用小波重构理论完成重建。通过上述理论研究、相... 

【文章来源】：长安大学陕西省 211工程院校 教育部直属院校

【文章页数】：61 页

【学位级别】：硕士

【部分图文】：

论文技术路线图

f 为输入的未发生退化的原始高分辨率影像，H 为图像退化过程中模拟的退化系统，n 为均值为零的高斯白噪声，g 是经过真实退化的低分辨率影像。关系式可为： ( ) = ( ) ( ) ( 通常情况下，在遥感影像预处理过程中可以校正其退化模糊，所获得影像由遥感供应方进行了校正预处理，故本文在重建过程中对影像模糊不做更深入的研究，仅用简单的下采样作为示例进行分辨率提升的研究。.2 遥感影像分辨率随着测绘和遥感科学与技术的发展，遥感影像的数据类别越来越丰富，遥感影像显得尤为重要，分辨率的特性体现在高“空间分辨率、光谱分辨率、时间分辨率、分辨率”方面上，在研究超分辨率重建问题中就是要对遥感影像的空间分辨率进行图 2.1 简单的遥感影像退化模型

(4) 盲图像质量评价指标(Blind Image Quality Index, BIQI)[50]Moorthy 和 Bovik 提出了盲图像质量评价指标 BIQI 的方法，将对重建结果为两个步骤：首先第一步采用小波分解系数，并通过广义高斯分布模型进行到的参数作为特征信息，利用支持向量机分类方法得到当前图像所属类别的步，利用回归分析模型对各个退化类型计算图像质量指标值，最后根据概率的质量评价指标值。BIQI 指标值的范围在 0 到 100 之间，其中指标值越小像的质量越好。图 2.2 斜方向的微分型空间滤波器

【参考文献】：
期刊论文
[1]基于小波分析的TM遥感图像超分辨率重建[J]. 王金亮,曾浩,王艳英,刘广杰.  遥感技术与应用. 2016(03)
[2]基于小波域的压缩感知超分辨率重建方法[J]. 左艳丽,马志强,左宪禹.  电视技术. 2015(09)
[3]基于多尺度非局部约束的单幅图像超分辨率算法[J]. 潘宗序,禹晶,肖创柏,孙卫东.  自动化学报. 2014(10)
[4]用于超分辨率重建的同构过完备字典学习方法[J]. 谢宝陵,徐国明.  计算机工程与科学. 2014(08)
[5]基于小波变换和非局部平均的超分辨率图像重建[J]. 叶双清,杨晓梅.  计算机应用. 2014(04)
[6]基于Keren改进配准算法的IBP超分率重建[J]. 张永育,李翠华,余礼钹,张东晓,李雄宗,施华.  厦门大学学报(自然科学版). 2012(04)
[7]结合NSCT和改进BP网络的超分辨率图像重建[J]. 符立梅,彭国华.  计算机工程与应用. 2012(20)
[8]基于稀疏表示的图像超分辨率重建快速算法[J]. 孙玉宝,韦志辉,肖亮,张铮嵘.  系统工程与电子技术. 2010(12)
[9]图像复原与超分辨率重构基本适用条件及提高空间分辨率上限的研究[J]. 吴艳,陈凡胜,陈桂林.  红外与毫米波学报. 2010(05)
[10]数字视频图像质量客观测量方法的改进与实现[J]. 黄文辉,陈仁雷,张家谋.  北京邮电大学学报. 2005(04)

博士论文
[1]图像超分辨率重建算法研究[D]. 杨宇翔.中国科学技术大学 2013
[2]基于小波域隐马尔可夫树模型的遥感图像纹理分类研究[D]. 彭玲.中国科学院研究生院（遥感应用研究所） 2005

硕士论文
[1]基于小波和插值的超分辨率图像重建算法研究[D]. 林虹.西安电子科技大学 2005



本文编号：3349124