基于卷积神经网络的高光谱图像超分辨率复原技术研究

发布时间：2022-04-23 18:52

　　高光谱图像是一种区别于普通二维图像的三维数据结构,这类图像可以同时采集成像目标的空间维和光谱维信息,在成像时,除了可见光波段以外,在多个光谱范围内也可同时进行成像,所成图像能够更加详细的描述目标信息。但是这类图像的空间分辨率通常低于普通的二维图像,导致其在识别或检测等应用领域有很大的局限性。因此,通过信号处理的超分辨率复原技术重建高分辨率图像,已成为提高图像空间分辨率的重要途径。然而,现有的算法通常仅对二维普通图像的空间维高频信息进行卷积和重构,未能利用到图像光谱维中包含的大量有用信息,重建效果不佳。本文针对高光谱图像的数据特点,研究了基于三维卷积的高光谱图像超分辨率复原算法。主要研究内容包括:针对高光谱图像空间维和光谱维信息相关性的特点,设计了面向超分辨率复原应用的三维卷积核,同时提取高光谱图像的空间和光谱维特征,以弥补二维卷积核对光谱维特征利用的缺失。进一步通过仿真实验分析了卷积神经网络的各部分参数对三维卷积核特征提取效果的影响,对卷积层数、卷积核大小、激活函数等进行优化设计,为高性能超分辨率复原算法的研究奠定了基础。以所实现的三维卷积核为基础,设计并实现了一种基于三维残差密集网络... 

【文章页数】：73 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究目的及意义
    1.2 国内外研究现状
        1.2.1 超分辨率复原研究现状
        1.2.2 高光谱图像超分辨率复原研究现状
        1.2.3 三维卷积神经网络研究现状
    1.3 主要研究内容
    1.4 论文结构
第2章 高光谱图像超分辨率复原相关理论及研究进展
    2.1 高光谱图像及其特点
        2.1.1 高光谱图像概述
        2.1.2 高光谱图像特点
    2.2 图像超分辨率复原技术研究进展
        2.2.1 图像超分辨率复原技术理论概述
        2.2.2 普通图像超分辨率复原典型方法
        2.2.3 高光谱图像超分辨率复原典型方法
    2.3 本章小结
第3章 面向高光谱图像的三维卷积核研究与实现
    3.1 三维卷积概述
    3.2 三维卷积核设计
    3.3 三维卷积神经网络性能分析
        3.3.1 三维卷积神经网络结构
        3.3.2 参数分析与网络结构的优化设计
    3.4 实验结果与分析
        3.4.1 实验素材与评价指标说明
        3.4.2 实验数据预处理
        3.4.3 实验结果与分析
    3.5 本章小结
第4章 基于3D-RDN的超分辨率复原算法研究与实现
    4.1 算法原理分析
    4.2 算法整体流程介绍
    4.3 3D-RDN网络结构
        4.3.1 三维浅层特征提取层
        4.3.2 三维残差密集块
        4.3.3 三维特征融合层
        4.3.4 三维亚像元重组层
    4.4 实验结果与分析
    4.5 本章小结
第5章 基于Virtual-3D RDN的超分辨率复原算法研究与实现
    5.1 算法原理分析
        5.1.1 张量分解概述
        5.1.2 算法原理分析
    5.2 Virtual-3D卷积核的设计与实现
        5.2.1 Virtual-3D卷积核原理
        5.2.2 Virtual-3D卷积核不同设计分析
    5.3 Virtual-3D RDN算法的设计与实现
        5.3.1 瓶颈结构
        5.3.2 Virtual-3D RDN网络结构
    5.4 实验结果与分析
        5.4.1 实验环境
        5.4.2 实验过程
        5.4.3 实验结果与分析
    5.5 本章小结
结论
参考文献
攻读硕士学位期间所发表的学术论文
致谢


【参考文献】：
期刊论文
[1]深度学习在高光谱图像分类领域的研究现状与展望[J]. 张号逵,李映,姜晔楠.  自动化学报. 2018(06)
[2]基于深度学习的图像超分辨率复原研究进展[J]. 孙旭,李晓光,李嘉锋,卓力.  自动化学报. 2017(05)
[3]基于冗余字典的高光谱图像超分辨率复原算法[J]. 王素玉,张宗祥,王博.  北京工业大学学报. 2015(10)
[4]基于光谱相似性的高光谱图像超分辨率算法[J]. 潘宗序,禹晶,肖创柏,孙卫东.  自动化学报. 2014(12)
[5]图像超分辨率重建技术与方法综述[J]. 沈焕锋,李平湘,张良培,王毅.  光学技术. 2009(02)
[6]图像超分辨率复原技术的现状与展望[J]. 周芳.  自动化与仪表. 2006(01)
[7]高空间分辨率和高光谱分辨率遥感图像的融合[J]. 马艳华.  红外. 2003(10)
[8]超光谱遥感图像特征分析[J]. 刘恒殊,彭风华,黄廉卿.  光学精密工程. 2001(04)
[9]成像光谱数据的光谱信息特点及最佳波段选择——以北京顺义区为例[J]. 姜小光,王长耀,王成.  干旱区地理. 2000(03)



本文编号：3647781