遥感图像超分辨率重构算法研究

发布时间：2022-01-16 19:53

　　随着航天技术的快速发展和实际应用的推动,微纳卫星的发展取得了很大的进步。微纳卫星以体积小、重量轻、低功耗、开发周期短、较低的成本等优势,完成复杂空间试验任务,在国防、科研和商用等领域发挥着越来越重要的作用。由于微纳卫星硬件设备的限制,提升空间分辨率与硬件设备成为矛盾体。如何在有限的硬件设备上获取高分辨率的遥感图像成为科研工作者努力的方向。而图像超分辨率（Super Resolution,SR）重构是在不改变原有硬件设备的前提下,将一幅或多幅低分辨率图像,通过后处理的方式,即用信号处理或图像处理的方法,得到高分辨率图像的过程。传统重建算法常具有重构时间长、鲁棒性差等问题,而随着卷积神经网络应用于图像超分辨率重构,可以很好地避免这些问题的发生。现有的浅层结构卷积神经网络重建算法对于图像内容简单、约束性弱的数据具有较好的重构效果,但是当获取实际遥感图像时,图像内容结构复杂,现有网络模型就会暴露出表征能力欠缺的问题。因此为了得到针对遥感图像的重建模型,本文深入研究了基于卷积神经网络的遥感图像超分辨率重建算法。本论文的主要内容和创新点如下:（1）分析了单帧遥感图像超分辨率重构的可行性,同时说明了... 

【文章来源】：兰州交通大学甘肃省

【文章页数】：62 页

【学位级别】：硕士

【部分图文】：

图像超分辨率重构分类

图 2.2 SRCNN 与 FSRCNN 网络结构比较 2.2 可知，单帧超分辨率重构方法 SRCNN[30]在重构之初需要将图像插值大小，而后经过简单的非线性映射即可完成重构，重构的时间和重构质量FSRCNN[31]主要的目的是加速之前的 SRCNN 模型。FSRCNN 主要包括特

卷积层的卷积过程

【参考文献】：
期刊论文
[1]深度学习的昨天、今天和明天[J]. 余凯,贾磊,陈雨强,徐伟.  计算机研究与发展. 2013(09)



本文编号：3593318