运动分割和光流估计的卫星视频超分辨率重建

针对卫星视频中存在局部运动目标的问题,该文提出了一种运动分割和光流估计联合约束的卫星视频超分辨率重建算法。首先通过视频帧间运动分割方法提取局部运动目标,获得其边缘信息;其次用光流方法对视频图像进行逐像素的运动估计,获得初始运动矢量场;利用分割边缘和运动矢量场进行联合约束,并统一运动目标内的光流矢量,获得纠正后的运动矢量场,并作为几何运动矩阵,将其补偿到超分辨率重建模型中生成高分辨率图像;最后用卫星视频数据进行实验,并与传统方法结果进行对比,证明该文算法可以有效地克服运动目标的伪影效应,提升了卫星视频的分辨率。     

吉林一号卫星视频影像超分辨率重建

针对吉林一号(Jilin-1)卫星视频影像的超分辨率重建问题,在分析卫星视频与普通视频及遥感影像不同特性的基础上,研究了在成像场景内含有运动物体情况下,Vandewalle方法和金字塔LK(Lucas-Kanade)光流法运动估计方法的适用性。同时,针对目前中值平移并添加(median shift and add,MSA)方法在视频卫星影像重建中因帧间缺少互补信息而引起的边缘信息不清晰问题,提出了新的中值平移并添加(new median shift and add,NMSA)方法。首先,根据重建的倍数建立重建前、后的空间分辨率格网,并将2个格网统一到1个空间内;然后,以待确定的重建后影像格网像元为中心,确定参与估计的低空间分辨率像元值,利用容许误差确定重建后的像元值。通过利用吉林一号(Jilin-1)卫星数据进行实验,验证了NMSA方法的有效性。     

顾及全局特征和纹理特征的遥感影像超分辨率重建方法

由于遥感设备的性能限制,使得采集的遥感影像质量受到影响,低分辨率的遥感影像限制了遥感解译应用的精度。当前针对遥感影像的超分辨率重建研究仍然存在重建后的遥感影像地物全局信息和纹理细节不足的问题。因此,本文提出顾及全局特征和纹理特征的遥感影像超分辨率重建方法,该方法利用生成对抗网络的特征学习能力,并对模型全局和纹理进行增强。一方面,地物全局特征增强部分用于解决当前研究中超分辨率重建模型对低分辨率遥感影像中全局遥感地物信息没有重视和利用的问题。在生成网络中引入自注意力模块,以获取全局地物注意力图的方式将遥感影像中相距较远的地物信息作为重建过程的参考。另一方面,遥感影像纹理增强部分用于解决超分辨率重建模型中超分辨率影像纹理信息不足的问题。本文方法引入纹理损失以优化生成网络参数并增强超分辨率重建后影像中的纹理信息。另外,为避免重建结果中的“伪影”现象,研究采用权值归一化代替批量归一化方法。试验结果表明,本文方法在遥感影像超分辨率重建过程中能增强遥感地物特征,同时可以实现地物的纹理细节精细化恢复,而且超分辨率重建结果的图像质量评价指标SSIM、FSIM和PSNR值分别达到了0.756、0.595和...     

基于SIFT匹配和RANSAC算法的超分辨率重建

图像超分辨率重建技术是根据序列图像间信息互补重建高分辨率图像的技术，其主要步骤在于精确运动估计算法和有效超分辨率重建算法。针对存在旋转、缩放变换的序列图像，本文提出一种基于SIFT匹配和随机采样一致性算法（RANSAC）的运动估计算法，该方法首先使用SIFT算法对图像序列的特征点进行提取并匹配，然后使用RANSAC算法消除误匹配点并获取投影变换矩阵，从而获得图像序列间的亚像素级的运动信息；采用一组低分辨率序列图像进行试验，基于上述运动估计算法，采用迭代反投影进行超分辨率重建。试验结果表明，运动估计精度较高，重建影像具有较好的视觉效果，尤其适用于影像序列间存在旋转缩放运动的图像序列的超分辨率重建。     

利用频谱解混叠方法实现超分辨率影像重建

基于信号处理的超分辨率影像重建技术，可以消除由影像系统引起的影像模糊和退化，同时恢复出光学权限外的频谱信息。首先简要介绍了超分辨率影像重建技术的意义和基本过程；并对影像配准与运动模型估计在超分辨率影像重建中的作用给予简要介绍；接着根据连续傅里叶变换(CFT)和离散傅里叶变换(DFT)的频谱混叠关系及CFT位移性质，推导出频谱解混叠的超分辨率影像重建模型；最后采用文献中的运动模型估计方法和本文的重建算法，对几组数据进行实验，获得了空间分辨率提高近1倍的影像。     

基于无人机视频的运动目标快速跟踪

无人机视频序列影像是尢人机在高速运动的条件下获取地面目标的动态信息,相机的运动给目标检测、跟踪带来了一定的困难。针对无人机视频序列影像背景位移的特点,将运动目标检测与跟踪技术分为运动估计、目标检测、目标跟踪3个部分。由于无人机视频序列影像中目标较小、分辨率较低,因此采用基于区域的目标跟踪算法。该方法计算量小,计算速度快...     

结构保持的图像序列自适应超分辨率重建

基于概率运动估计的超分辨算法能克服传统超分辨率方法过分依赖于准确运动估计的缺点,为了改善其重建效果,通过分析图像的局部结构模式,给出了局部空域活跃度的定义表征图像的局部结构特征,设计了形状、尺度自适应的非局部空时邻域窗口函数,进而提出了一种结构保持的超分辨率自适应重建算法。实验结果显示,本文方法具有更好的重建性能。     

基于角点配准的多分辨率背景估计与补偿算法

本文针对动态背景下序列影像的目标检测,提出了基于改进NCC的Harris角点配准和基于多分辨率的全局运动参数估计方法:通过对相关度量NCC加入距离度量信息,寻求相邻图像帧中的正确匹配点对,再根据构造的分辨率影像,估计全局运动参数,以此进行运动补偿,从而利用差分法可准确地检测出运动目标。实验结果表明,该方法能够有效地实现背景估计和全局运动补偿,自动检测出视频序列中的运动目标。     

CX-6(02)微纳卫星超分辨率成像

面向微纳卫星高分辨率对地遥感,将超分辨率成像应用于中国整星60公斤级的CX-6(02)微纳卫星设计中,解决因体积和重量限制导致传统长焦距、大口径成像载荷无法应用于微纳卫星的问题。图像获取上,采用高帧频面阵CMOS探测器对同一地物目标多次曝光的方式,利用卫星姿态控制偏差和地速补偿来获得多帧具有亚像元位移的图像;超分辨率重建算法上,在变分贝叶斯框架下提出加权双向差分模型,提高先验概率模型的方向约束性,削弱观测方程求解的病态性。CX-6(02)星成像数据实验结果表明,本文的图像采样方法可获得较为充分的亚像元信息;相比传统的L1范数先验和全变分先验的变分贝叶斯超分辨算法重建结果,本文重建结果对反卷积运算导致的噪声放大具有更好的抑制作用,可获得两倍分辨率提升,有效提高数据质量和应用价值。     

视频卫星下视推扫动态信息普查模式研究

视频卫星能够对地获取高时间分辨率序列面阵影像.卫星视频记录相机、地表静止物体、运动物体间的相对运动关系.目前视频卫星以凝视成像为主要应用模式,现提出了视频卫星垂直下视面阵推扫成像模式实现广域地表动态信息普查能力.通过时间序列影像成像原理,推导出视频卫星垂直下视推扫成像的投影关系,从视频卫星几何分辨率、地物连续成像能力、慢速动态特征成像能力等方面分析视频卫星的动态信息普查能力.垂直下视面阵推扫成像模式是视频凝视成像模式的补充,扩展了视频卫星的用途,为凝视区域提供位置预判.     

基于导向滤波与迭代反向投影的遥感影像超分辨率重建

针对单帧遥感影像采取迭代反投影方法进行超分辨率重建时,重建图像的强边缘存在锯齿效应,在分析了导向滤波算法原理后,本文提出了一种将上述算法引入迭代过程来处理图像误差的方法,以进一步提升图像的高频信息,提高图像的重建质量。选取同时间不同地物的遥感影像作为实验数据,实验结果表明,本文重建的结果与双三次插值方法、边缘导向插值方法和迭代反投影方法相比,在客观评价指标上均有提高,改善了重建影像的纹理细节。本文提出的超分辨率重建方法,可以使重建影像提供更多的高频信息,具有较好的稳定性和鲁棒性。     

影像超分辨率重建技术在遥感中的应用

影像超分辨率重建是通过对多幅具有互补信息的低分辨率影像的处理,重建一幅高分辨率影像的技术,其在视频监控、医学诊断、遥感监测等领域具有很大的应用价值。以SPOT5和ADS40为例阐述了超分辨率重建技术在遥感观测系统中的应用现状,并给出了一种应用于多时相遥感影像处理的超分辨率重建方法。     

ALOS-PRISM遥感影像超分辨率重建

介绍了日本ALOS卫星PRISM三线阵传感器的成像原理和方法,提出了利用PRISM三线阵影像进行超分辨率重建来提高PRISM影像的空间分辨率.提出了新的光流配准算法,该算法将标准互相关配准算法引入到Lueas-Kanade光流配准算法中,大大的减少了误配率,能够有效的消除PRISM Level 1级别的影像之间由于地形起伏所引起的变形.同时,改进了影像的高斯退化模型,在超分辨率算法中,引入了可变退化函数,通过交替最小化(AM)算法对可变退化函数进行盲估计,实验结果表明,超分辨率重建影像与插值影像相比,细节清晰很多,有效的提高了影像的分辨率.实验结果说明了本文配准算法可以达到超分辨率重建的亚像素的精度要求,可以应用于航空遥感影像的高精度匹配,同时也说明了将航空遥感影像的退化函数算子分为高斯退化算子和可变退化算子的思想是正确的,符合实际情况.     

改进SA方法的卫星视频图像超分辨率重建

为了提高卫星视频图像的质量,针对SA方法中无法实现小数倍超分重建和"黑色格网"问题,提出了改进的SA超分辨率重建方法。对于小数倍超分问题,首先建立参考帧低分辨率图像坐标系,以超分倍数构建参考帧高分格网,按表达的物方元素一致的原则,把所有低分辨率图像和高分辨率图像的坐标系统一在一个参考坐标系下;对于"黑色格网"改善问题,在使用运动估计参数时,为了减少由于运动补偿造成的误差,取消传统SA方法中四舍五入的运动参数补偿方法,改为以待求点为中心确定容许误差,通过容许误差选择参估点,用参估点计算高分辨率网格像素,以减少"黑色格网"现象。利用仿真和真实的卫星视频数据实验验证了该方法的有效性。     

局部特征匹配的卫星影像几何偏差估计可行性分析

几何定位偏差是评估卫星影像质量的重要参数之一。本文利用特征匹配方法进行卫星影像几何偏差估计,并对该方法的可行性进行分析。首先,选取包含典型地物的局部卫星影像构建路标基准影像库;其次,采用局部点特征描述子对卫星影像与路标基准影像库进行亚像素提取与匹配,确定同名像点,然后为提升同名像点匹配精度,提出了顾及空间关系与几何一致性约束的匹配策略,继而,对卫星影像与路标基准影像库的匹配像点进行内插计算,获取同名像点的地理空间坐标;最后,通过差值计算得到卫星影像相对路标基准影像的偏移参数,完成几何偏差估计和可行性分析。本文以我国风云卫星为例,选取包含海岸线、湖泊、山脉、河流及岛屿的局部卫星影像集构建路标基准影像库,并选用SIFT、SURF、ORB 3个局部特征进行测试分析。测试结果表明,基于局部特征匹配策略对卫星影像几何偏差估计的系统误差小于0.1像素,定量地证明了局部特征匹配方法对卫星影像几何偏差估计的可行性。     

舰船目标运动状态光学卫星视频监测与估计

光学卫星视频能够进行动目标连续监视，已成为当前研究热点。但目前多数研究仅针对基于视频像方的目标检测、跟踪及轨迹提取等方面，没有充分利用卫星载荷成像几何模型进行物方运动状态定量估计和精度验证。因此，本文提出一种基于光学卫星视频的舰船目标运动状态定量估计方法，首先对卫星视频首帧进行精确定向；然后通过帧间稳像方法得到背景稳定的视频帧序列，在此基础上，针对正框目标跟踪方法定位精度低的问题，提出一种顾及旋转和尺度变化的舰船稳健跟踪方法进行目标跟踪；最后进行物方映射并估计目标运动轨迹、速度和方向。利用吉林一号光学视频卫星开展星海同步观测试验。实测结果表明，稀疏控制条件下的舰船目标几何定位精度为1.60 m,速度估计精度为0.18 m/s,方向估计精度为4.05°,相比同类方法具有显著提升，证明了本文方法的有效性和可行性。     

超分辨率重建影像Wallis匀光拼接算法

由于计算机内存的限制,遥感影像的超分辨率重建一般采用分块算法进行处理,重建后的影像由于亮度、反差分布不均匀很难实现无缝拼接。针对超分辨率重建影像无重叠、规则大小的特点,本文提出了一种改进的加权Wallis匀光算法。该方法采用一种新的影像调整顺序,并使用加权法计算匀光参数,可以减少影像调整时误差的空间传递和累积,避免过度计算造成影像信息损失。最后,采用本文方法对900幅超分辨率重建后的资源三号影像进行匀光处理。试验结果表明：该方法能够使大幅面超分辨率重建影像达到亮度、反差一致性,取得了较好的匀光效果,达到了消除拼接缝的目的。     

混合稀疏表示模型的超分辨率重建

超分辨率重建是当前卫星遥感数据空间分辨率提升的重要技术，但目前现有的超分辨率重建方法在处理具有复杂地物特征的影像时效果往往不佳。当遥感影像中包含有各种非均匀地物信息时，难以构建一种通用的模型来解决遥感影像的病态问题。基于此，本文结合图像稀疏表达与非凸高阶全变分理论，提出了一种混合稀疏表示模型的新型超分辨率重建方法（MSR-SRR）。这种方法以遥感图像在多重变换域的稀疏性表达作为先验概率模型，通过正则化方法来完成超分辨率重构，不仅保留了超分重建结果影像的边缘信息，而且对影像中产生的“阶梯效应”进行了适当的平滑处理。该方法利用迭代重加权l1交替方向乘子方法进行求解，提高了算法的运行效率，改善了影像质量。为了证明所提出方法的有效性，MSR-SRR结果与非均匀插值、POCS和IBP等传统超分方法的重建结果进行了对比验证。结果表明，MSR-SRR方法的图像清晰度平均提升了31.74%，PSFs半峰宽度最大，高斯方差值达到1.8415，效果明显优于其他方法。为进一步评估MSR-SRR结果的实用性，本文以高分四号卫星（GF-4）影像作为样例，利用支持向量机（SVM）分类方法对超分重建前后的影像进行了分类试验和精度验证。结果表明，超分辨率重建后的影像结果相对于原始影像的分类结果，Kappa系数提升了9.7%，OA值提升了5.96%。这表明MSR-SRR方法可以有效提升影像清晰度，丰富影像纹理细节，增强图像质量，有效提升影像分类精度。     

小波超分辨率重建算法及其在SPOT影像中的应用

影像超分辨率重建就是从一系列质量较差、分辨率较低的图像来重建图像质量更好、空间分辨率更高的影像的算法.在将所有低分辨率影像纳入同一参考格网中考虑的情况下,低分辨率数据相当于一非规则采样的交错采样数据.本文在多分辨率分析的基础上对基于小波的影像超分辨率重建理论进行介绍,并将现有的小波超分辨率重建算法推广到更一般的运动模型,以充分利用交错采样数据的内在规律性和结构特征,同时针对SPOT影像的特点,分析SPOT影像的调制传送函数,对SPOT重建影像进行包括去噪与解卷积的复原后处理.最后给出基于小波的SPOT影像超分辨率重建结果,表明遥感影像的超分辨率重建在应用中取得进展.     

多尺度细节增强的遥感影像超分辨率重建

鉴于现有超分辨率重建方法难以突显重建影像细节信息的问题,提出多尺度细节增强的遥感影像超分辨率重建模型框架。首先,通过最小二乘滤波方法将序列影像分解成包含大尺度边缘的平滑信息和包含中小型尺度的细节信息;其次,利用插值方法得到相应的高分辨率细节信息和平滑信息,构造纹理细节增强函数,提升中小型细节的增强幅度;最终,融合细节信息和平滑信息,得到初始的超分辨率重建结果,并利用局部优化模型进一步改善重建影像质量。选取同时相和多时相遥感影像作为试验数据。试验结果表明,本文重建结果与插值方法、TV方法和MAP方法相比,在客观评价指标上均有显著提高,明显改善了重建影像的纹理细节。论文提出的多尺度细节增强的超分辨率重建方法,可以使重建影像提供更多高频细节信息,具有较好鲁棒性和普适性。