动态序列遥感图像超分辨率重建技术研究
发布时间：2021-07-31 01:16
在遥感卫星不断小型化商业化的进程中,应用信息处理技术提高动态序列遥感数据的分辨率是十分具有实用意义和研究价值的。因此遥感图像超分辨重建技术受到了广泛注意,并且近些年有了很多研究进展。超分辨技术中序列重建算法是遥感图像的主流研究内容,再加上近几年机器学习的热潮使基于学习的超分辨算法也有了一定的发展。论文主要针对动态序列遥感图像,系统地分析了其分辨率放大极限、预处理算法、在超分辨算法中的特性以及评价标准和分辨率放大倍数（RM）估算方法,并结合重建和学习算法对其进行全面研究。论文首先说明了课题背景和研究意义,调研了国内外研究现状,并总结了动态序列遥感图像超分辨重建技术的发展趋势;而后阐述了遥感图像成像和退化过程,论述了图像超分辨重建的理论依据,分别分析了基于重建和学习的超分辨算法对序列遥感图像的适用性,总结了超分辨图像质量评价标准,改进了基于目标识别的分辨率放大倍数估算方法;接着就遥感图像放大极限进行了分析计算,明确了低分辨率（LR）图像数量、质量和亚像素位移的选择方法;随后针对质量较差的遥感图像研究了预处理去噪方法,并详细分析了重建和去噪顺序问题;接着总结了亚像素点检测方法,提出了可以还原...
【文章来源】：中国科学院大学(中国科学院西安光学精密机械研究所)陕西省
【文章页数】：175 页
【学位级别】：博士
【部分图文】：
遥感图像退化过程示意图
动态序列遥感图像超分辨重建17特征分为基于形变的降质模型和基于运动模糊的降质模型。基于形变的降质模型符合以下两种情况：一是当摄像机的模糊因素以高斯、散焦等为主，而非运动模糊为主；二是成像过程中，模糊降质因素出现在形变过程之后，则采用基于几何形变的模型更符合实际物理成像顺序。其理想高分辨率图像首先经过几何形变再依次经过模糊、降采样过程，并加上噪声污染，模型如图2.2所示：图2.2基于形变的多幅图像降质模型Figure2.2Modelofmultipleimagequalityreductionbasedondeformation其对应的数学表达式矩阵形式为：1111122222kkkkkYDBWNYDBWNXYDBWN=+（2.5）其中，X为高分辨率图像，Yk为生成的低分辨率图像。基于运动模糊的降质观测模型与基于形变的降质模型不同之处在于运动模糊占模糊因素的主导方面，当成像具有如下特点时，采用基于运动模糊的模型来模拟成像过程：运动模糊占模糊因素的主导地位；成像中的模糊降质因素出现在形变之前，使得采用基于运动模糊的模型更符合实际物理成像过程；运动估计参数必须从低分辨率影像序列中得到，使用基于形变的模型会带来系统误差。因此设定高分辨率图像首先经退过运动模糊降质，再依次经过几何形变、降采样和加性噪声等降质过程，最后得到低分辨率图像，其模型如图2.3所示：
动态序列遥感图像超分辨率重建技术研究18图2.3基于运动模糊的多幅图像降质模型Fighre2.3Modelofmultipleimagequalityreductionbasedonmotionblur其对应的数学表达式矩阵形式为：1111122222kkkkkYDWBNYDWBNXYDWBN=+衪（2.6）其中，X为高分辨率图像，Yk为生成的低分辨率图像。遥感图像成像模型虽然带有下标，当为单幅图像超分辨时i取1即可，因此，它覆盖了单幅、多幅超分辨重建的退化模型，虽然不同方法的理论依据不同，但是LR图片的退化过程是相似的，这是尤为重要的先验知识。在面阵序列遥感图像的应用中，由于曝光时间短，且卫星轨道方向的运动一般被补偿装置抑制，相机自身的抖动普遍被控制在一个像素内[102]，所以运动模糊不占主要因素。而动态遥感成像系统具有灵活的探测能力，可以随时调整成像姿态，在凝视过程中为了保持对同一场景成像往往需要不同姿态，表现在图像上就是投影形变。综上所述，基于形变的退化模型更适用于动态序列遥感图像，低分辨率图像是由理想高分辨率图像首先经过投影形变，再依次经过模糊、降采样和加性噪声得到。2.1.3动态序列遥感图像超分辨重建的理论依据从图像成像模型的数学表达式（2.5）可以看出我们要求解的HR图像X是表达式的初始状态信息，而LR图像反而是表达式的结果，这种求解问题是典型的反问题。反问题是相对于“正问题”而言的。在数学物理问题中，给定了描述问题的数学方程、初始条件和边界条件就可以求解方程，获取被研究对象的过程和状态的数学或数值描述，这类问题称为正问题。反之，若根据被研究
【参考文献】：
期刊论文
[1]吉林一号卫星视频影像超分辨率重建[J]. 卜丽静,郑新杰,肖一鸣,张正鹏. 国土资源遥感. 2017(04)
[2]吉林一号轻型高分辨率遥感卫星光学成像技术[J]. 徐伟,金光,王家骐. 光学精密工程. 2017(08)
[3]“高分四号”卫星面阵凝视相机超分辨技术[J]. 刘薇,高慧婷,曹世翔,何红艳,谭伟. 航天返回与遥感. 2016(04)
[4]吉林一号卫星组星[J]. 张召才. 卫星应用. 2015(11)
[5]SkySat卫星的系统创新设计及启示[J]. 周宇,王鹏,傅丹膺. 航天器工程. 2015(05)
[6]高分系列遥感卫星 布设中国太空“慧眼”——我国高分专项建设回眸[J]. 曹福成. 中国军转民. 2015(01)
[7]一种基于总体变分的自适应图像去噪方法[J]. 王锋,张昆帆,孟凡坤,赵拥军. 测绘科学技术学报. 2014(01)
[8]我国第一颗民用三线阵立体测图卫星——资源三号测绘卫星[J]. 李德仁. 测绘学报. 2012(03)
[9]嫦娥一号卫星CCD立体相机影像超分辨率重建算法[J]. 张磊,杨建峰,薛彬,梁士通. 红外与激光工程. 2012(02)
[10]基于改进相容函数的超分辨率图像重建[J]. 张桦,马艳杰,薛彦兵. 光电子.激光. 2010(01)
博士论文
[1]序列图像超分辨率重建技术研究[D]. 徐志刚.中国科学院研究生院(西安光学精密机械研究所) 2012
[2]高分辨率遥感卫星隔振与姿态控制一体化设计[D]. 关新.清华大学 2012
[3]多帧影像超分辨率复原重建关键技术研究[D]. 谢伟.武汉大学 2010
[4]广义距离度量和多模态图像配准技术研究[D]. 时永刚.中国科学院研究生院（电子学研究所） 2004
本文编号：3312475
【文章来源】：中国科学院大学(中国科学院西安光学精密机械研究所)陕西省
【文章页数】：175 页
【学位级别】：博士
【部分图文】：
遥感图像退化过程示意图
动态序列遥感图像超分辨重建17特征分为基于形变的降质模型和基于运动模糊的降质模型。基于形变的降质模型符合以下两种情况：一是当摄像机的模糊因素以高斯、散焦等为主，而非运动模糊为主；二是成像过程中，模糊降质因素出现在形变过程之后，则采用基于几何形变的模型更符合实际物理成像顺序。其理想高分辨率图像首先经过几何形变再依次经过模糊、降采样过程，并加上噪声污染，模型如图2.2所示：图2.2基于形变的多幅图像降质模型Figure2.2Modelofmultipleimagequalityreductionbasedondeformation其对应的数学表达式矩阵形式为：1111122222kkkkkYDBWNYDBWNXYDBWN=+（2.5）其中，X为高分辨率图像，Yk为生成的低分辨率图像。基于运动模糊的降质观测模型与基于形变的降质模型不同之处在于运动模糊占模糊因素的主导方面，当成像具有如下特点时，采用基于运动模糊的模型来模拟成像过程：运动模糊占模糊因素的主导地位；成像中的模糊降质因素出现在形变之前，使得采用基于运动模糊的模型更符合实际物理成像过程；运动估计参数必须从低分辨率影像序列中得到，使用基于形变的模型会带来系统误差。因此设定高分辨率图像首先经退过运动模糊降质，再依次经过几何形变、降采样和加性噪声等降质过程，最后得到低分辨率图像，其模型如图2.3所示：
动态序列遥感图像超分辨率重建技术研究18图2.3基于运动模糊的多幅图像降质模型Fighre2.3Modelofmultipleimagequalityreductionbasedonmotionblur其对应的数学表达式矩阵形式为：1111122222kkkkkYDWBNYDWBNXYDWBN=+衪（2.6）其中，X为高分辨率图像，Yk为生成的低分辨率图像。遥感图像成像模型虽然带有下标，当为单幅图像超分辨时i取1即可，因此，它覆盖了单幅、多幅超分辨重建的退化模型，虽然不同方法的理论依据不同，但是LR图片的退化过程是相似的，这是尤为重要的先验知识。在面阵序列遥感图像的应用中，由于曝光时间短，且卫星轨道方向的运动一般被补偿装置抑制，相机自身的抖动普遍被控制在一个像素内[102]，所以运动模糊不占主要因素。而动态遥感成像系统具有灵活的探测能力，可以随时调整成像姿态，在凝视过程中为了保持对同一场景成像往往需要不同姿态，表现在图像上就是投影形变。综上所述，基于形变的退化模型更适用于动态序列遥感图像，低分辨率图像是由理想高分辨率图像首先经过投影形变，再依次经过模糊、降采样和加性噪声得到。2.1.3动态序列遥感图像超分辨重建的理论依据从图像成像模型的数学表达式（2.5）可以看出我们要求解的HR图像X是表达式的初始状态信息，而LR图像反而是表达式的结果，这种求解问题是典型的反问题。反问题是相对于“正问题”而言的。在数学物理问题中，给定了描述问题的数学方程、初始条件和边界条件就可以求解方程，获取被研究对象的过程和状态的数学或数值描述，这类问题称为正问题。反之，若根据被研究
【参考文献】：
期刊论文
[1]吉林一号卫星视频影像超分辨率重建[J]. 卜丽静,郑新杰,肖一鸣,张正鹏. 国土资源遥感. 2017(04)
[2]吉林一号轻型高分辨率遥感卫星光学成像技术[J]. 徐伟,金光,王家骐. 光学精密工程. 2017(08)
[3]“高分四号”卫星面阵凝视相机超分辨技术[J]. 刘薇,高慧婷,曹世翔,何红艳,谭伟. 航天返回与遥感. 2016(04)
[4]吉林一号卫星组星[J]. 张召才. 卫星应用. 2015(11)
[5]SkySat卫星的系统创新设计及启示[J]. 周宇,王鹏,傅丹膺. 航天器工程. 2015(05)
[6]高分系列遥感卫星 布设中国太空“慧眼”——我国高分专项建设回眸[J]. 曹福成. 中国军转民. 2015(01)
[7]一种基于总体变分的自适应图像去噪方法[J]. 王锋,张昆帆,孟凡坤,赵拥军. 测绘科学技术学报. 2014(01)
[8]我国第一颗民用三线阵立体测图卫星——资源三号测绘卫星[J]. 李德仁. 测绘学报. 2012(03)
[9]嫦娥一号卫星CCD立体相机影像超分辨率重建算法[J]. 张磊,杨建峰,薛彬,梁士通. 红外与激光工程. 2012(02)
[10]基于改进相容函数的超分辨率图像重建[J]. 张桦,马艳杰,薛彦兵. 光电子.激光. 2010(01)
博士论文
[1]序列图像超分辨率重建技术研究[D]. 徐志刚.中国科学院研究生院(西安光学精密机械研究所) 2012
[2]高分辨率遥感卫星隔振与姿态控制一体化设计[D]. 关新.清华大学 2012
[3]多帧影像超分辨率复原重建关键技术研究[D]. 谢伟.武汉大学 2010
[4]广义距离度量和多模态图像配准技术研究[D]. 时永刚.中国科学院研究生院（电子学研究所） 2004
本文编号：3312475
本文链接：https://www.wllwen.com/shoufeilunwen/xxkjbs/3312475.html
