基于压缩感知的遥感图像超分辨率重建方法研究

发布时间：2018-01-07 23:29

本文关键词：基于压缩感知的遥感图像超分辨率重建方法研究　出处：《南京理工大学》2017年硕士论文　论文类型：学位论文

【摘要】：遥感技术的进步为遥感图像的获取带来了极大的便利,然而遥感图像由于分辨率的限制,不一定能满足后续处理的需要。为了在不增加硬件成本的基础上,提高图像的分辨率,超分辨率重建问题受到了广泛关注。本文以压缩感知理论为基础,通过引入稀疏识别、低秩分解、非局部信息和多尺度,深入研究了遥感图像超分辨率重建问题,提出了一系列行之有效的超分辨率重建方法。本文的主要研究成果如下:(1)研究了遥感图像的降质模型,并利用其提供的先验信息约束图像的超分辨率重建过程。首先根据遥感图像获取过程中存在的降质因素构建图像的降质模型,然后给出基于压缩感知的图像超分辨率重建模型,最后通过联合字典约束稀疏表示系数。实验结果证明了将压缩感知理论运用于遥感图像超分辨率重建的可行性。(2)针对遥感典型地物学习分类字典,并将其运用于图像超分辨率重建。首先根据遥感图像的辐射质量参数构建分类特征,接着使用稀疏识别算法对典型地物进行分类,然后由不同类别的训练样本集学习联合字典,最后对测试图像选择相应类别的字典进行重建。实验结果表明,该方法重建图像的质量优于几种典型的超分辨率重建方法。(3)提出了多字典重建图像的低秩融合方法。不同类别字典重建的图像之间存在互补信息,将低秩分解运用于多幅重建图像的融合,确保覆盖更全面的地物信息,使局部细节特征得到增强。实验结果表明,与单字典方法相比,多字典方法更加有效,重建图像的质量得到了进一步提高。(4)提出了结合压缩感知与非局部信息的遥感图像超分辨率重建方法。首先根据图像块的结构特征计算像素之间的相似性,然后合并图像的局部和非局部信息来估计相似像素的权重,最后在压缩感知框架中加入结合局部和非局部信息的正则项。实验结果表明,该方法可以在恢复图像纹理细节的同时,有效抑制噪声。(5)将多尺度与压缩感知框架结合运用于遥感图像超分辨率重建。首先根据多尺度采样方式估计低分辨率图像的获取过程,然后由多尺度训练样本集学习判别字典并将其用于图像超分辨率重建,最后结合图像的非局部信息进行全局优化。实验结果表明,多尺度模式比单尺度模式更加有效,同时判别字典具有良好的表示能力。
[Abstract]:This paper studies the image quality degradation model by introducing sparse recognition , low rank decomposition , non - local information and multi - scale .

【学位授予单位】：南京理工大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TP751

【参考文献】