基于多尺度特征自适应融合网络的遥感图像超分辨率重建方法

发布时间：2022-09-17 10:23

　　高分辨率的遥感图像在环境检测,土地覆盖分类,城市经济水平评估和资源勘探等领域具有广泛的应用。但是从卫星光学成像传感器捕获的遥感图像在传输中受相对运动、大气扰动和噪声等因素的影响,遥感图像的质量有限,难以满足实际场景的应用。图像的超分辨率重建技术打破了硬件设备和工艺的限制,从软件和算法层面提升图像质量。因此,遥感图像的超分辨率重建,是一种经济有效的获取高分辨率遥感图像的方法。随着深度学习在各个领域的快速发展,基于卷积神经网络的图像超分辨率重建方法大量的涌现并取得了显著的效果,但大多数算法针对的是一般自然图像。由于遥感图像退化的因素与普通的数码照片相比更加复杂,推断遥感图像的高频细节更加困难。本文围绕着重建遥感图像中更深层的细节信息和学习退化的遥感图像中更复杂的映射关系,从深度和宽度的角度来改进卷积神经网络,主要的研究成果如下:（1）综述了基于卷积神经网络超分辨率重建的经典的浅层网络,针对浅层网络感受野小,提取特征有限的问题,对高效子像素卷积网络（ESPCN）进行改进。设计了一种漏斗残差块,通过多个漏斗残差块串联来代替传统超分辨率的非线性映射部分。可以学习更加复杂的映射关系,挖掘更深层次的... 

【文章页数】：63 页

【学位级别】：硕士

【文章目录】：
摘要
Abstract
第1章 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
    1.3 本文主要研究内容
第2章 卷积神经网络与图像超分辨率方法介绍
    2.1 引言
    2.2 卷积神经网络
        2.2.1 卷积神经网络的基本介绍
        2.2.2 卷积神经网络的基本结构
    2.3 经典的超分辨率重建方法介绍
        2.3.1 基于浅层网络的超分辨率重建方法
        2.3.2 基于深层网络的超分辨率重建方法
    2.4 图像质量评价标准
        2.4.1 主观评价
        2.4.2 客观评价
    2.5 本章小结
第3章 基于改进ESPCN的遥感图像超分辨率重建
    3.1 引言
    3.2 imp-ESPCN网络
        3.2.1 网络结构
        3.2.2 imp-ESPCN与 ESPCN区别
    3.3 实验结果分析
        3.3.1 实验数据集及训练设置
        3.3.2 网络参数分析
        3.3.3 实验结果对比
    3.4 本章小结
第4章 基于AMFFN的遥感图像超分辨率重建
    4.1 引言
    4.2 AMFFN
        4.2.1 整体网络结构
        4.2.2 自适应多尺度特征提取
    4.3 实验结果分析
        4.3.1 数据集及训练设置
        4.3.2 网络结构分析
        4.3.3 与其他经典方法的比较结果
    4.4 本章小结
第5章 总结与展望
    5.1 总结
    5.2 展望
参考文献
致谢
附录


【参考文献】：
期刊论文
[1]超分辨率图像重建方法综述[J]. 苏衡,周杰,张志浩.  自动化学报. 2013(08)



本文编号：3679054