一种新的基于稀疏表示及自学习遥感图像超分重建算法

发布时间：2018-01-31 13:06

本文关键词： 稀疏表示字典学习遥感图像超分重建　出处：《重庆师范大学学报(自然科学版)》2017年02期 　论文类型：期刊论文

【摘要】：【目的】遥感图像重建容易引入噪声或边缘出现不规则性,而它又在遥感图像的处理中能起到非常重要的作用,提出新的算法来得到更好的处理结果。【方法】通过对遥感图像进行分块,利用K-SVD算法对遥感图像自身进行字典学习,获得能够稀疏表示高分辨率遥感图像的字典,然后进行特征提取、独立成分分析降维、高分辨率遥感图像的重建等操作。【结果】实现了对遥感图像超分辨率的重建。【结论】该方法提高了图像的峰值信噪比,通过实验验证了算法高效性。
[Abstract]:[objective] remote sensing image reconstruction is easy to introduce noise or edge irregularity, and it can play a very important role in remote sensing image processing. A new algorithm is proposed to obtain better processing results. [methods] by dividing remote sensing images into blocks, K-SVD algorithm is used to study the dictionary of remote sensing images themselves. A dictionary which can sparse represent high-resolution remote sensing images is obtained, and then feature extraction is carried out, and dimension reduction by independent component analysis (ICA). [results] the super-resolution reconstruction of remote sensing images is realized. [conclusion] this method improves the peak signal-to-noise ratio (PSNR) of the images, and the efficiency of the algorithm is verified by experiments.
【作者单位】：成都理工大学地学空间信息技术国土资源部重点实验室/遥感与GIS研究所;攀枝花学院数学与计算机学院;攀枝花学院土木与建筑工程学院;
【基金】：国家自然科学基金(No.41372340) 国土资源部地学空间信息技术重点实验室开放基金(No.KLGSIT2016-10) 重庆市教委科学技术研究项目(No.KJ1400519) 2015年度攀枝花学院博士专项科研基金项目(No.0210600038)
【分类号】：TP751
【正文快照】： 2.攀枝花学院数学与计算机学院617000;3.攀枝花学院土木与建筑工程学院,四川攀枝花617000)遥感图像的分辨率是遥感成像系统对输出图像细节特征分辨能力的一种度量,也是遥感图像中对地物细微目标程度的辨识指标,是地物信息详细程度的一种体现,在国土资源管理中具有非常重要的意

【相似文献】