發(fā)布時(shí)間：2020-04-02 16:46

【摘要】：在遙感領(lǐng)域各項(xiàng)應(yīng)用中,高分辨率的影像非常重要。高分辨率的遙感影像具有更高的質(zhì)量和清晰度,具有很高的商業(yè)價(jià)值和應(yīng)用價(jià)值。本文針對(duì)圖像超分辨率算法以及這些算法在遙感影像上的應(yīng)用展開研究,工作的主要內(nèi)容主要包括以下三個(gè)方面:(1)調(diào)研了圖像超分辨率算法的發(fā)展歷史與現(xiàn)狀,對(duì)傳統(tǒng)圖像超分辨率算法以及近年來興起的深度學(xué)習(xí)相關(guān)算法進(jìn)行了綜述。(2)提供了一種基于貝葉斯框架的超分辨率算法,有效地提升了高分微納衛(wèi)星的圖像分辨率。該算法基于最大后驗(yàn)概率模型框架,分別實(shí)現(xiàn)了運(yùn)動(dòng)估計(jì),模糊估計(jì),噪聲估計(jì)以及圖像生成模型。并針對(duì)高分微納衛(wèi)星圖像拍攝的特點(diǎn),將基于全變差先驗(yàn)的運(yùn)動(dòng)估計(jì)模型根據(jù)圖像特點(diǎn)修正為基于固定位移量的運(yùn)動(dòng)模型,提高了運(yùn)動(dòng)估計(jì)的效率。通過與IBP,POCS等傳統(tǒng)的超分重建算法的性能進(jìn)行比較可以發(fā)現(xiàn),本文提供的算法具有相對(duì)較好的重建效果。(3)針對(duì)哨兵二號(hào)衛(wèi)星圖像,設(shè)計(jì)了基于對(duì)抗學(xué)習(xí)和殘差塊結(jié)構(gòu)的卷積神經(jīng)網(wǎng)絡(luò)SenSR-GAN,網(wǎng)絡(luò)包括生成器和判別器兩個(gè)部分,在生成器中,網(wǎng)絡(luò)首先采用不同尺寸的卷積層結(jié)構(gòu)對(duì)輸入圖像進(jìn)行多尺度的特征提取,然后網(wǎng)絡(luò)通過殘差塊結(jié)構(gòu)學(xué)習(xí)低分辨率特征到高分辨率特征的非線性映射。最后采用亞像素卷積層將多通道特征重建為高分辨率圖像。而判別器主要用于判斷輸入圖片是真實(shí)圖片還是計(jì)算機(jī)生成的圖片。通過生成器和判別器的對(duì)抗訓(xùn)練,可以獲得與真實(shí)圖片分布相近的高分辨率圖片。在對(duì)抗訓(xùn)練中,我們采用了綜合視覺感知損失,對(duì)抗訓(xùn)練損失,最小均方差損失以及正則項(xiàng)損失的誤差函數(shù),從多個(gè)維度保證生成圖像的質(zhì)量。我們采用了包括峰值信噪比,結(jié)構(gòu)相似性在內(nèi)的多種指標(biāo)對(duì)算法進(jìn)行評(píng)估,量化的結(jié)果表示在哨兵二號(hào)圖片上文網(wǎng)絡(luò)具有一定的優(yōu)越性。此外,由于大氣的影響,在某些衛(wèi)星圖片中存在一定程度的霧化現(xiàn)象。為了有效地對(duì)這些霧化的輸入圖像進(jìn)行超分辨率,我們?cè)O(shè)計(jì)訓(xùn)練了Dehaze-SenSR網(wǎng)絡(luò)。相比于直接使用基于暗通道先驗(yàn)的去霧算法,該網(wǎng)絡(luò)能夠在提高輸入圖像分辨率的同時(shí)有效的去除圖像中存在的霧化現(xiàn)象,并且生成圖像的細(xì)節(jié)也更加豐富。
【圖文】：

很難獲得這些信息，就需要將對(duì)模糊函數(shù)的估計(jì)納入到重建過程中。向下采樣函數(shù)定義了 HR 圖像到 LR 圖像的下采樣方法。這個(gè)函數(shù)描述了錯(cuò)位和模糊的 HR 圖像生成混疊的 LR 圖像的過程。盡管模糊函數(shù)或多或少起到了反混疊濾波器的作用，但在 SR 圖像重建中，一般假設(shè)在 LR 圖像中總是存在混疊。在一般的情況下，可以使用不同的子采樣函數(shù)來處理不同大小的 LR圖像。在等式(2-4)中，HR 場(chǎng)景中每一個(gè) 像素大小的窗口在 LR 觀測(cè)圖像中僅被一個(gè)像素替換，而這個(gè)過程中采用的下采樣算法即是平均 HR 窗口的 像素值。在矩陣形式下，等式（2-5）可以簡(jiǎn)要的表示為： (2-7)其中矩陣 A 代表上述幾種成像過程中的降解因子。這種成像模型已在許多SR 算法中使用。圖片 1 以圖形方式顯示了如何使用等式(2-5)的成像模型的不同參數(shù)從 HR 場(chǎng)景生成三個(gè)不同的 LR 圖像。該成像模型包括參數(shù) w,h,d 以及 ，，它們分別表示成像過程中涉及的圖像偏移，模糊，下采樣，以及噪聲參數(shù)

然后通過上采樣指數(shù)放大圖像作為起始 SR 圖像，根據(jù)配準(zhǔn)信息將低分辨率圖像的像素點(diǎn)映射到高分辨率圖像的格點(diǎn)中，并使用插值算法填充所有高分辨率圖像像素點(diǎn)。最后可以考慮對(duì)生成的圖像進(jìn)行去模糊操作。在插值算法中，圖像之間的相對(duì)位移被認(rèn)為是精確已知的。常用的插值算法包括最鄰近插值，雙線性插值，雙三次插值等。最近鄰插值算法69：最鄰近插值也叫做零階插值算法，它是指在待求像素的鄰近采樣點(diǎn)中，將距離待求像素最鄰近的采樣點(diǎn)的像素值賦予待求像素。這是一種最基本、最簡(jiǎn)單的圖像縮放算法。其插值公式如下： (2-8)方程(2-8)中變量 u 和 v 是表示位置偏移量的 0~1 之間的小數(shù)， 為 LR圖像中距 最近的點(diǎn)， 指改點(diǎn)的像素值。圖 2 展示了簡(jiǎn)單的最鄰近插值方法，該算法的優(yōu)點(diǎn)在于計(jì)算速度快，但它生成的圖像通常像素值不連續(xù)并且存在模糊現(xiàn)象，因而質(zhì)量較差。
【學(xué)位授予單位】：上海大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2019
【分類號(hào)】：TP751

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李昂;宋曉瑩;;基于生成對(duì)抗網(wǎng)絡(luò)的遙感圖像超分辨率重建[J];光學(xué)與光電技術(shù);2019年06期

2 孫旭;李曉光;李嘉鋒;卓力;;基于深度學(xué)習(xí)的圖像超分辨率復(fù)原研究進(jìn)展[J];自動(dòng)化學(xué)報(bào);2017年05期

3 曾凱;丁世飛;;圖像超分辨率重建的研究進(jìn)展[J];計(jì)算機(jī)工程與應(yīng)用;2017年16期

4 沈煥鋒;李平湘;張良培;王毅;;圖像超分辨率重建技術(shù)與方法綜述[J];光學(xué)技術(shù);2009年02期

5 丁海勇;卞正富;;數(shù)字圖像超分辨率重構(gòu)技術(shù)研究[J];計(jì)算機(jī)與數(shù)字工程;2007年10期

6 孔玲莉,黃華,齊春,劉美娟;圖像超分辨率研究的最新進(jìn)展[J];光學(xué)技術(shù);2004年03期

7 趙應(yīng)武;;圖像超分辨率重建[J];中國(guó)新通信;2020年02期

8 張清勇;陳智勇;駱瀟原;;基于生成網(wǎng)絡(luò)的遙感圖像超分辨率的研究[J];實(shí)驗(yàn)室研究與探索;2019年03期

9 王威;張彤;王新;;用于圖像超分辨率重構(gòu)的深度學(xué)習(xí)方法綜述[J];小型微型計(jì)算機(jī)系統(tǒng);2019年09期

10 謝雪晴;;基于殘差密集網(wǎng)絡(luò)的單幅圖像超分辨率重建[J];計(jì)算機(jī)應(yīng)用與軟件;2019年10期

相關(guān)會(huì)議論文 前10條

1 林國(guó)強(qiáng);王博;孔英會(huì);胡啟楊;;基于壓縮感知的變電站巡檢圖像超分辨率重建[A];第37屆中國(guó)控制會(huì)議論文集（F）[C];2018年

2 姜倩茹;白煌;;基于雙字典設(shè)計(jì)的圖像超分辨率重構(gòu)[A];信號(hào)處理在生儀2014學(xué)術(shù)年會(huì)論文集[C];2014年

3 楊浩;高建坡;陳向東;吳鎮(zhèn)揚(yáng);;利用示例圖像獲取先驗(yàn)知識(shí)的圖像超分辨率重建算法[A];第一屆中國(guó)高校通信類院系學(xué)術(shù)研討會(huì)論文集[C];2007年

4 張東;韓軍;;圖像超分辨率重建算法研究[A];2010年西部光子學(xué)學(xué)術(shù)會(huì)議摘要集[C];2010年

5 阮小燕;陳向?qū)?高孟男;;基于相位相關(guān)法與小波變換的圖像超分辨率重建[A];中國(guó)電子學(xué)會(huì)第十六屆信息論學(xué)術(shù)年會(huì)論文集[C];2009年

6 張煜東;吳樂南;奚吉;王水花;;變長(zhǎng)小生境算法用于圖像超分辨率復(fù)原[A];2009年通信理論與信號(hào)處理學(xué)術(shù)年會(huì)論文集[C];2009年

7 閆允一;郭寶龍;;基于小波的圖像超分辨率重建算法研究[A];第三屆全國(guó)數(shù)字成像技術(shù)及相關(guān)材料發(fā)展與應(yīng)用學(xué)術(shù)研討會(huì)論文摘要集[C];2004年

8 張瓊;付懷正;沈民奮;;基于稀疏表示的彩色圖像超分辨率重建算法[A];第十五屆全國(guó)圖象圖形學(xué)學(xué)術(shù)會(huì)議論文集[C];2010年

9 姚林;;基于雙邊濾波插值圖像超分辨率重建算法研究[A];云南省測(cè)繪地理信息學(xué)會(huì)2015年學(xué)術(shù)年會(huì)論文集[C];2015年

10 韓玉兵;殷瑋瑋;吳樂南;;基于Wavelet-HMM的圖像超分辨率重建[A];第一屆建立和諧人機(jī)環(huán)境聯(lián)合學(xué)術(shù)會(huì)議（HHME2005）論文集[C];2005年

相關(guān)重要報(bào)紙文章 前2條

1 記者 劉肖勇 蔡敏霞 通訊員 嚴(yán)PrPr;一套算法讓模糊低清小視頻變高清[N];廣東科技報(bào);2019年

2 本報(bào)見習(xí)記者 丁寧寧 通訊員 嚴(yán)PrPr;一套算法奪四項(xiàng)冠軍[N];中國(guó)科學(xué)報(bào);2019年

相關(guān)博士學(xué)位論文 前10條

1 熊東平;基于邊緣增強(qiáng)和深度學(xué)習(xí)的圖像超分辨率重建方法研究[D];華中科技大學(xué);2019年

2 邱康;基于機(jī)器學(xué)習(xí)的圖像超分辨率重建關(guān)鍵技術(shù)研究[D];武漢大學(xué);2018年

3 李瑩華;基于壓縮感知的圖像處理方法及應(yīng)用研究[D];西安電子科技大學(xué);2019年

4 王新華;面向復(fù)雜場(chǎng)景的圖像處理技術(shù)若干問題研究及其在計(jì)算光學(xué)成像系統(tǒng)中的應(yīng)用[D];吉林大學(xué);2019年

5 張鳳珍;分離字典優(yōu)化及其在圖像處理中的應(yīng)用[D];北京交通大學(xué);2018年

6 肖斐;圖像超分辨率與基于目標(biāo)模型的目標(biāo)識(shí)別方法研究[D];華中科技大學(xué);2017年

7 唐永亮;單幅圖像超分辨率重建方法研究[D];重慶大學(xué);2018年

8 岳波;基于學(xué)習(xí)的圖像超分辨率重建方法研究[D];西安電子科技大學(xué);2018年

9 孫鐿誠(chéng);基于壓縮感知的圖像超分辨率重建方法研究[D];南京理工大學(xué);2018年

10 魏燁;單幅圖像超分辨率重建方法及其視覺位移測(cè)量應(yīng)用研究[D];中國(guó)科學(xué)技術(shù)大學(xué);2019年

相關(guān)碩士學(xué)位論文 前10條

1 李p樜

本文編號(hào)：2612192