RAISR算法在遥感图像超分辨率重建中的可行性

发布时间：2022-08-12 15:17

　　针对遥感图像空间分辨率不足的问题,探讨了RAISR（rapid and accurate image super resolution）算法在单帧遥感图像超分辨率重建中的可行性。RAISR算法以处理自然图像为主,分为学习阶段和图像重建阶段。学习阶段是利用训练库图像生成滤波器,是算法的核心部分;图像重建阶段是利用滤波器重建图像。首先,在学习阶段,根据图像块的位置、角度、强度、相干性等特征对滤波器进行分类,并采用哈希列表存储;然后,针对遥感图像特点,优化了RAISR算法的滤波器尺寸,并采用USM（unsharp mask）方法增强边缘纹理特征,以达到最佳的重建效果;最后,用多组遥感图像进行了重建实验。结果表明:RAISR算法的重建质量与训练集图像的分辨率、数量、类别、所含地物类型有关;本文优化的RAISR算法重建后的遥感图像细节、边缘等信息都得到了改善。 

【文章页数】：7 页

【文章目录】：
0 引言
1 图像成像模型和学习方法超分辨率重建框架
    1.1 图像成像模型
    1.2 基于学习的超分辨率重建框架
2 RAISR遥感图像超分重建原理
    2.1 RAISR算法框架
    2.2 RAISR算法中的关键问题
    2.3 遥感图像特征分析及参数优化
3 本文方法超分辨率重建实验
    3.1 实验数据集构建
    3.2 实验相关参数
    3.3 仿真数据对比实验
    3.4 真实卫星数据对比实验
4 结束语


【参考文献】：
期刊论文
[1]农作物病虫害遥感监测综述[J]. 简俊凡,何宏昌,王晓飞,李月.  测绘通报. 2018(09)
[2]基于学习的图像超分辨重建方法综述[J]. 李云红,王珍,张凯兵,章为川,闫亚娣.  计算机工程与应用. 2018(15)
[3]现代军事遥感地质学发展及其展望[J]. 于德浩,龙凡,杨清雷,王康,王李,杨彤.  中国地质调查. 2017(03)
[4]模糊瞬变高清? 谷歌超分辨率技术RAISR[J]. 技术宅.  电脑爱好者. 2016(24)
[5]遥感技术在城市交通规划与监测中的应用[J]. 柳庆英.  商. 2016(32)
[6]基于USM原理的改进型图像锐化算法研究[J]. 王角凤,黄斌.  黑龙江科技信息. 2015(28)
[7]基于TM8遥感影像的森林火灾监测与过火面积测算[J]. 张兵,韦锐,宋昆仑,赵彦博.  矿山测量. 2015(03)
[8]图像超分辨率重建算法综述[J]. 龙超.  科技视界. 2015(13)

博士论文
[1]航空图像超分辨率重建关键技术研究[D]. 何林阳.中国科学院研究生院(长春光学精密机械与物理研究所) 2016

硕士论文
[1]基于压缩感知的遥感图像超分辨率重建方法研究[D]. 陈伟业.南京理工大学 2017
[2]基于学习—重构框架的单帧图像超分辨率重建算法研究[D]. 庾吉飞.西安电子科技大学 2013



本文编号：3676111