面向视频卫星数据的超分重建技术研究及应用
发布时间：2022-01-21 07:35
信息提取是图像处理中非常重要的分支,对遥感卫星视频数据的运动目标信息提取是图像处理领域研究热点之一。本文主要针对道路上的汽车目标运动信息进行超分重建技术应用研究。由于道路上包含的车辆较多,且视频卫星影像背景复杂度高,所以对卫星视频数据进行车辆目标信息提取时面临可视性弱和车辆运动目标检测的准确率待提高的难题。针对车辆目标可视性弱的问题,对卫星视频数据单帧图像,使用基于迭代反向投影的AF-IBP（Iterative Back Projection algorithm combined with Anisotropic Filtering）算法进行预处理以增加车辆的可视性。针对传统卫星视频运动目标检测算法中,典型算法对运动目标的检测准确率不高的问题,为提高运动车辆目标检测率,提出基于帧差法与混合高斯背景建模的DF-GMM（Double three-Frame combined with Gaussian Mixture Model）检测算法。最后,经过实验,验证了算法的有效性,并将本文的研究成果应用在实际项目中。本文主要工作如下:（1）以遥感卫星视频数据为切入点,研究超分辨率图像重建技术,进...
【文章来源】：河南大学河南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
重建实验原图
27（c）双三次插值重建算法（d）本文算法AF-IBP图3-3三种算法实验重建结果图分析图3-3可看出实验原图经过重建，重建结果图中本文算法AF-IBP的重建结果较好，其次是反向迭代投影算法，都能够对原图起到目标信息增强的效果，但是双三次插值重建算法较为相比其他两种算法，重建效果有限，车辆目标略显模糊，对车辆目标可视性的增强能力有限。本文算法可以对原始图像进行重建且效果是较为明显可见的，缓解了传统IBP算法重建中边缘锯齿现象，使得车辆目标轮廓边缘更为清晰，能够在一定程度上起到增强目标可视性的效果。从视频序列中随机任取五组实验数据，对每组数据分别作传统迭代反向投影算法处理、双三次插值重建和本文所提AF-IBP算法处理，统计每组数据的PSNR、SSIM组平均值。将这五组图像数据作为本文实验验证的具体数据进行客观统计，统计这三种重建算法的五组PSNR平均值和SSIM平均值分别如表3-1和表3-2所示。表3-1三种算法的PSNR（dB）值对比表实验数据第1组第2组第3组第4组第5组双三次插值算法28.8729.3230.1130.0930.27传统迭代反向投影算法29.9731.0331.2931.2531.83本文AF-IBP30.2131.2531.5431.4632.12本文算法相比传统迭代反向投影算法PSNR变动+0.24+0.29+0.25+0.21+0.29分析表3-1给出的三种方法在五组实验数据上测试的PSNR平均值，可以得出，双三次插值重建算法和传统迭代反向投影算法PSNR值没有AF-IBP算法的PSNR值大，说明AF-IBP算法的重建效果比另外两种明显。相比之下，双三次
28插值法有些模糊，重建效果次于传统迭代反向投影法，传统迭代反向投影法也略次于本文算法效果，本文算法的图像重建清晰度较高。图3-4三种算法的PSNR值对比图从图3-4可以直观看出，本文算法的PSNR值相较另外两种算法的PSNR值而言，整体值较大，PSNR值越大，说明实验区域的重建效果越好，也表明AF-IBP算法在PSNR评价指标上提升了图像的高频细节，有较好的重建效果。表3-2三种算法的SSIM值对比表实验数据算法第1组第2组第3组第4组第5组双三次插值算法84.97%85.31%87.73%87.63%88.04%传统迭代反向投影算法89.56%90.45%90.88%89.17%91.72%本文算法AF-IBP90.37%91.49%91.69%90.94%91.77%本文算法相比传统迭代反向投影算法SSIM变动+0.81%+1.04%+0.81%+0.77%+1.05%分析表3-2中数据可以得到，三种方法在五组实验数据上测试的SSIM平均值相对其他两种算法都有所提升，SSIM表示重建后的图像与原始图像之间的接近程度，所以可得到本文AF-IBP算法重建效果好于另外两种算法。
【参考文献】：
期刊论文
[1]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜. 中国图象图形学报. 2019(12)
[2]国内外航天动态[J]. 王晓宇. 国际太空. 2019(10)
[3]高分辨率光学卫星图像目标运动信息提取研究综述[J]. 李想,杨灿坤,周春平,李小娟,张可. 国土资源遥感. 2019(03)
[4]光学遥感图像目标检测技术综述[J]. 李晓斌,江碧涛,杨渊博,傅雨泽,岳文振. 航天返回与遥感. 2019(04)
[5]视频图像动目标检测的双三帧差分算法[J]. 王志国,王永明,聂晶,彭世蕤,仇永斌. 电子测量技术. 2019(02)
[6]无人机视频图像运动目标检测算法综述[J]. 张可,杨灿坤,周春平,李想. 液晶与显示. 2019(01)
[7]商业卫星遥感产业发展现状与趋势分析[J]. 李器宇,张拯宁,张皓琳. 卫星应用. 2018(12)
[8]凝视视频卫星目标检测算法[J]. 张作省,朱瑞飞. 航天返回与遥感. 2018(06)
[9]图像超分辨率算法研究进展[J]. 侯腾. 现代计算机(专业版). 2018(35)
[10]国内外卫星应用产业发展现状及趋势[J]. 郝雅楠,刘中道,祝彬. 国防科技工业. 2018(11)
硕士论文
[1]基于视频的车辆检测与分割算法研究[D]. 肖国宴.南昌大学 2018
[2]高分辨率视频卫星影像超分辨率重建技术研究[D]. 姚烨.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[3]空间域序列图像超分辨重建及其鲁棒性研究[D]. 宗财慧.中国科学院大学(中国科学院西安光学精密机械研究所) 2018
本文编号：3599843
【文章来源】：河南大学河南省
【文章页数】：71 页
【学位级别】：硕士
【部分图文】：
重建实验原图
27（c）双三次插值重建算法（d）本文算法AF-IBP图3-3三种算法实验重建结果图分析图3-3可看出实验原图经过重建，重建结果图中本文算法AF-IBP的重建结果较好，其次是反向迭代投影算法，都能够对原图起到目标信息增强的效果，但是双三次插值重建算法较为相比其他两种算法，重建效果有限，车辆目标略显模糊，对车辆目标可视性的增强能力有限。本文算法可以对原始图像进行重建且效果是较为明显可见的，缓解了传统IBP算法重建中边缘锯齿现象，使得车辆目标轮廓边缘更为清晰，能够在一定程度上起到增强目标可视性的效果。从视频序列中随机任取五组实验数据，对每组数据分别作传统迭代反向投影算法处理、双三次插值重建和本文所提AF-IBP算法处理，统计每组数据的PSNR、SSIM组平均值。将这五组图像数据作为本文实验验证的具体数据进行客观统计，统计这三种重建算法的五组PSNR平均值和SSIM平均值分别如表3-1和表3-2所示。表3-1三种算法的PSNR（dB）值对比表实验数据第1组第2组第3组第4组第5组双三次插值算法28.8729.3230.1130.0930.27传统迭代反向投影算法29.9731.0331.2931.2531.83本文AF-IBP30.2131.2531.5431.4632.12本文算法相比传统迭代反向投影算法PSNR变动+0.24+0.29+0.25+0.21+0.29分析表3-1给出的三种方法在五组实验数据上测试的PSNR平均值，可以得出，双三次插值重建算法和传统迭代反向投影算法PSNR值没有AF-IBP算法的PSNR值大，说明AF-IBP算法的重建效果比另外两种明显。相比之下，双三次
28插值法有些模糊，重建效果次于传统迭代反向投影法，传统迭代反向投影法也略次于本文算法效果，本文算法的图像重建清晰度较高。图3-4三种算法的PSNR值对比图从图3-4可以直观看出，本文算法的PSNR值相较另外两种算法的PSNR值而言，整体值较大，PSNR值越大，说明实验区域的重建效果越好，也表明AF-IBP算法在PSNR评价指标上提升了图像的高频细节，有较好的重建效果。表3-2三种算法的SSIM值对比表实验数据算法第1组第2组第3组第4组第5组双三次插值算法84.97%85.31%87.73%87.63%88.04%传统迭代反向投影算法89.56%90.45%90.88%89.17%91.72%本文算法AF-IBP90.37%91.49%91.69%90.94%91.77%本文算法相比传统迭代反向投影算法SSIM变动+0.81%+1.04%+0.81%+0.77%+1.05%分析表3-2中数据可以得到，三种方法在五组实验数据上测试的SSIM平均值相对其他两种算法都有所提升，SSIM表示重建后的图像与原始图像之间的接近程度，所以可得到本文AF-IBP算法重建效果好于另外两种算法。
【参考文献】：
期刊论文
[1]卫星遥感及图像处理平台发展[J]. 赵忠明,高连如,陈东,岳安志,陈静波,刘东升,杨健,孟瑜. 中国图象图形学报. 2019(12)
[2]国内外航天动态[J]. 王晓宇. 国际太空. 2019(10)
[3]高分辨率光学卫星图像目标运动信息提取研究综述[J]. 李想,杨灿坤,周春平,李小娟,张可. 国土资源遥感. 2019(03)
[4]光学遥感图像目标检测技术综述[J]. 李晓斌,江碧涛,杨渊博,傅雨泽,岳文振. 航天返回与遥感. 2019(04)
[5]视频图像动目标检测的双三帧差分算法[J]. 王志国,王永明,聂晶,彭世蕤,仇永斌. 电子测量技术. 2019(02)
[6]无人机视频图像运动目标检测算法综述[J]. 张可,杨灿坤,周春平,李想. 液晶与显示. 2019(01)
[7]商业卫星遥感产业发展现状与趋势分析[J]. 李器宇,张拯宁,张皓琳. 卫星应用. 2018(12)
[8]凝视视频卫星目标检测算法[J]. 张作省,朱瑞飞. 航天返回与遥感. 2018(06)
[9]图像超分辨率算法研究进展[J]. 侯腾. 现代计算机(专业版). 2018(35)
[10]国内外卫星应用产业发展现状及趋势[J]. 郝雅楠,刘中道,祝彬. 国防科技工业. 2018(11)
硕士论文
[1]基于视频的车辆检测与分割算法研究[D]. 肖国宴.南昌大学 2018
[2]高分辨率视频卫星影像超分辨率重建技术研究[D]. 姚烨.中国科学院大学(中国科学院长春光学精密机械与物理研究所) 2018
[3]空间域序列图像超分辨重建及其鲁棒性研究[D]. 宗财慧.中国科学院大学(中国科学院西安光学精密机械研究所) 2018
本文编号：3599843
本文链接：https://www.wllwen.com/kejilunwen/daoluqiaoliang/3599843.html
