基于学习策略的SAR图像超分辨

发布时间：2021-09-17 08:30

　　高质量的合成孔径雷达（Synthetic Aperture Radar,SAR）图像在如诸多领域均有重要的应用价值,然而由于硬件设备的昂贵以及成像过程中不可抗因素的干扰,实际得到的SAR图像往往无法满足实际需要,传统通过改善系统本身及在成像阶段提升SAR分辨率的方法效果也很有限。近年来基于学习的图像超分辨重建的技术迅猛发展,在光学图像领域取得了非常好的效果。因此,本文将结合SAR图像本身的特点,将基于学习的图像超分辨重建技术应用到SAR图像超分辨重建的领域中,并从实际应用出发,将图像分类技术与图像超分辨技术紧密结合在一起。本文在国家高层次人才特殊支持计划面上项目（SAR影像翻译与目标识别）等项目的支持下,借鉴机器学习、深度学习和生成对抗网络理论,针对SAR图像中的超分辨问题展开了研究,论文研究成果如下:1)本章结合SAR图像的特点,提出了基于卡通纹理分解和联合优化的SAR图像超分辨重建的方法。该方法联合学习多个回归器,使得所有的训练数据的重建误差最小,然后对不同的输入图像块选择最优的回归函数进行重构,该方法很好的克服了SAR图像具有更加复杂结构的问题。同时,我们加入了卡通纹理分解方法,... 

【文章来源】：西安电子科技大学陕西省 211工程院校 教育部直属院校

【文章页数】：80 页

【学位级别】：硕士

【部分图文】：

5mSAR图像

SAR图像统计直方图

测试集样例

【参考文献】：
期刊论文
[1]迁移学习研究进展[J]. 庄福振,罗平,何清,史忠植.  软件学报. 2015(01)
[2]SAR图像数据稀疏性分析及在特征增强中的应用[J]. 王光新,林有明,张送保.  计算机科学. 2011(02)
[3]基于Cauchy稀疏分布的SAR图像超分辨算法[J]. 王光新,王正明,王卫威.  宇航学报. 2008(01)
[4]基于稀疏先验的光学及SAR图像的分辨率增强统一框架[J]. 周宏潮,王正明.  量子电子学报. 2006(02)
[5]基于lk范数正则化方法的SAR图像超分辨[J]. 汪雄良,王正明,赵侠,朱炬波.  宇航学报. 2005(S1)
[6]基于外推的SAR图像分辨率增强算法[J]. 董臻,朱国富,梁甸农.  电子学报. 2002(03)

博士论文
[1]图像稀疏编码算法及应用研究[D]. 严春满.西安电子科技大学 2012



本文编号：3398347