基于稀疏表示的去噪声遥感图像融合算法优化
发布时间：2021-05-11 03:19
随着传感器技术的快速发展,不同种类的图像传感器已在多个领域得到广泛应用。这些传感器因工作环境不同,获取的图像所包含的信息也存在较大差异。和普通的光学图像不同,遥感图像具有较高的空间分辨率,包含的纹理细节信息也更丰富,在辅助工程规划、抗震救灾,和气象预测等方面具有广泛的应用。近几年研究者们提出了许多基于稀疏表示的遥感图像处理方法,主要用于遥感图像噪声抑制以及多源图像融合中。目前,这些方法取得了一定的进步,但是面对具有更为丰富的纹理信息和边缘特征的遥感图像,该方法仍存在着很多不足,如不具有平移不变性、细节信息容易丢失等。为解决以上问题,本文主要对稀疏表示基础理论进行深入研究与探索,针对遥感图像去噪和融合的关键技术展开系统深入的研究,以得到能更全面、完整地反映场景信息的清晰融合图像。主要工作及创新性研究成果如下:1.基于稀疏表示的SAR图像相干斑噪声抑制算法由于合成孔径雷达（Synthetic Aperture Radar,SAR）图像特殊的成像机制,在图像的获取过程中往往伴随着相干斑噪声的产生,如SEN1-2数据库中卫星Sentinel-1采集到的噪声SAR图像,给后续的图像融合带来了严重...
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：118 页
【学位级别】：博士
【文章目录】：
致谢
摘要
ABSTRACT
缩略语表
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 图像去噪研究现状
1.2.2 图像融合研究现状
1.3 研究内容与结构安排
2 图像融合与稀疏表示基础理论
2.1 图像融合
2.1.1 融合分类
2.1.2 融合层级
2.1.3 融合方法
2.1.4 存在问题
2.2 稀疏表示理论
2.2.1 字典生成
2.2.2 稀疏编码
2.2.3 K-SVD
2.2.3.1 K-means
2.2.3.2 K-SVD
2.3 本章小结
3 基于稀疏表示的遥感图像去噪
3.1 基于残差图像融合和稀疏表示的SAR图像去噪
3.1.1 K-SVD图像去噪
3.1.2 剪切波域的残差图像去噪
3.1.3 基于残差图像融合的SAR图像去噪
3.1.4 实验结果和分析
3.2 基于平移不变性K-SVD和向导滤波的SAR图像去噪
3.2.1 平移不变性的K-SVD
3.2.2 向导滤波
3.2.3 实验结果和分析
3.3 本章小结
4 基于稀疏表示和向导滤波的SAR图像融合
4.1 基于改进的双曲正切函数和零范数取最大的融合规则
4.2 实验结果与分析
4.2.1 客观评价指标
4.2.2 SAR和光学图像的融合
4.2.3 SAR和红外图像融合
4.3 本章小结
5 基于联合稀疏表示和优化理论的图像融合
5.1 基于联合稀疏表示的图像融合
5.2 实验结果与分析
5.3 本章小结
6 基于联合稀疏表示和PCNN的噪声遥感图像融合
6.1 基于联合稀疏表示的噪声遥感图像融合
6.2 基于改进的PCNN的融合规则
6.3 实验结果与分析
6.3.1 无噪图像融合
6.3.2 噪声图像融合
6.3.2.1 Olso城市融合
6.3.2.2 SEN1-2数据库融合
6.4 本章小结
7 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]混合多尺度分析和改进PCNN相结合的图像融合方法[J]. 焦姣,吴玲达,于少波,朱江. 计算机辅助设计与图形学学报. 2019(06)
[2]Multi-focus image fusion based on block matching in3D transform domain[J]. YANG Dongsheng,HU Shaohai,LIU Shuaiqi,MA Xiaole,SUN Yuchao. Journal of Systems Engineering and Electronics. 2018(02)
[3]基于分组三维离散余弦变换字典的植物高光谱数据去噪方法[J]. 徐平,肖冲,张竞成,薛凌云. 光学学报. 2017(06)
[4]遥感卫星影像K-SVD稀疏表示去噪[J]. 夏琴,邢帅,马东洋,莫德林,李鹏程,葛忠孝. 遥感学报. 2016(03)
[5]结合向导滤波与复轮廓波变换的多聚焦图像融合算法[J]. 刘帅奇,胡绍海,赵杰,肖扬. 信号处理. 2016(03)
[6]基于字典学习的残差信息融合图像去噪方法[J]. 董明堃,蒋爱民,孙娟. 微处理机. 2015(01)
[7]字典学习模型、算法及其应用研究进展[J]. 练秋生,石保顺,陈书贞. 自动化学报. 2015(02)
[8]极化SAR图像自适应增强Lee滤波算法[J]. 郎丰铠,杨杰,李德仁. 测绘学报. 2014(07)
[9]改进的基于稀疏表示的图像超分辨率重建算法[J]. 首照宇,廖敏璐,陈利霞. 计算机应用与软件. 2014(04)
[10]压缩感知综述[J]. 尹宏鹏,刘兆栋,柴毅,焦绪国. 控制与决策. 2013(10)
本文编号：3180614
【文章来源】：北京交通大学北京市 211工程院校 教育部直属院校
【文章页数】：118 页
【学位级别】：博士
【文章目录】：
致谢
摘要
ABSTRACT
缩略语表
1 绪论
1.1 研究背景和意义
1.2 国内外研究现状
1.2.1 图像去噪研究现状
1.2.2 图像融合研究现状
1.3 研究内容与结构安排
2 图像融合与稀疏表示基础理论
2.1 图像融合
2.1.1 融合分类
2.1.2 融合层级
2.1.3 融合方法
2.1.4 存在问题
2.2 稀疏表示理论
2.2.1 字典生成
2.2.2 稀疏编码
2.2.3 K-SVD
2.2.3.1 K-means
2.2.3.2 K-SVD
2.3 本章小结
3 基于稀疏表示的遥感图像去噪
3.1 基于残差图像融合和稀疏表示的SAR图像去噪
3.1.1 K-SVD图像去噪
3.1.2 剪切波域的残差图像去噪
3.1.3 基于残差图像融合的SAR图像去噪
3.1.4 实验结果和分析
3.2 基于平移不变性K-SVD和向导滤波的SAR图像去噪
3.2.1 平移不变性的K-SVD
3.2.2 向导滤波
3.2.3 实验结果和分析
3.3 本章小结
4 基于稀疏表示和向导滤波的SAR图像融合
4.1 基于改进的双曲正切函数和零范数取最大的融合规则
4.2 实验结果与分析
4.2.1 客观评价指标
4.2.2 SAR和光学图像的融合
4.2.3 SAR和红外图像融合
4.3 本章小结
5 基于联合稀疏表示和优化理论的图像融合
5.1 基于联合稀疏表示的图像融合
5.2 实验结果与分析
5.3 本章小结
6 基于联合稀疏表示和PCNN的噪声遥感图像融合
6.1 基于联合稀疏表示的噪声遥感图像融合
6.2 基于改进的PCNN的融合规则
6.3 实验结果与分析
6.3.1 无噪图像融合
6.3.2 噪声图像融合
6.3.2.1 Olso城市融合
6.3.2.2 SEN1-2数据库融合
6.4 本章小结
7 总结与展望
7.1 工作总结
7.2 未来展望
参考文献
作者简历及攻读博士学位期间取得的研究成果
学位论文数据集
【参考文献】：
期刊论文
[1]混合多尺度分析和改进PCNN相结合的图像融合方法[J]. 焦姣,吴玲达,于少波,朱江. 计算机辅助设计与图形学学报. 2019(06)
[2]Multi-focus image fusion based on block matching in3D transform domain[J]. YANG Dongsheng,HU Shaohai,LIU Shuaiqi,MA Xiaole,SUN Yuchao. Journal of Systems Engineering and Electronics. 2018(02)
[3]基于分组三维离散余弦变换字典的植物高光谱数据去噪方法[J]. 徐平,肖冲,张竞成,薛凌云. 光学学报. 2017(06)
[4]遥感卫星影像K-SVD稀疏表示去噪[J]. 夏琴,邢帅,马东洋,莫德林,李鹏程,葛忠孝. 遥感学报. 2016(03)
[5]结合向导滤波与复轮廓波变换的多聚焦图像融合算法[J]. 刘帅奇,胡绍海,赵杰,肖扬. 信号处理. 2016(03)
[6]基于字典学习的残差信息融合图像去噪方法[J]. 董明堃,蒋爱民,孙娟. 微处理机. 2015(01)
[7]字典学习模型、算法及其应用研究进展[J]. 练秋生,石保顺,陈书贞. 自动化学报. 2015(02)
[8]极化SAR图像自适应增强Lee滤波算法[J]. 郎丰铠,杨杰,李德仁. 测绘学报. 2014(07)
[9]改进的基于稀疏表示的图像超分辨率重建算法[J]. 首照宇,廖敏璐,陈利霞. 计算机应用与软件. 2014(04)
[10]压缩感知综述[J]. 尹宏鹏,刘兆栋,柴毅,焦绪国. 控制与决策. 2013(10)
本文编号：3180614
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3180614.html
